到目前爲止，所有的討論都是在簡單的以收益率爲基準衡量。而這離不開一個關鍵性的假設一執行價本身不會因策略的執行而產生波動。其實，這也就牽引出了本節我們想要討論的問題——策略容量。
並非是筆者特意提出這一點，實際上這是數量化基金都會面臨的一個問題，尤其是追求絕對收益的基金更是如此。長期資本是一個全球佈局的對沖基金，但其在2007年仍然向其投資者退還了27億美元資金。這實際上是個多方面的問題，自認“多餘”的資金會影響收益率，並拉低槓桿可能是《拯救華爾街》與《創造金錢》的統一認識。西蒙斯的大獎章基金也曾在必要的時候，將基金的現金拿出來返還給投資者。
數量化算法是有缺點的，一個盈利模式的發掘是困難的，而一旦發現，之後仍必須小心的維護，否則很有可能出現策略的執行自身就打亂已有模式。換句話說，每一個策略的實際應用都面臨着同樣的問題——能影響最小的帶動多少資金。個人投資者來說，規模執行的單一股價策略往往只能推動幾十萬順利入場，這對於一般股民來說可能是夠了，但是對於百萬或者千萬級的資金來說，這種模式顯然有問題。換個市場自然是處理方法之一，但通過資金管理系統設置，這個問題實際上是可以解決的。
筆者在之前的章節就提到了一個現象，扁平化的策略設計。如果讀者2004年左右在國內查看有關金融工程的書籍，就會發現那個時候這個概念還仍然是圍繞着金融工具拆分和組合來進行的。但外面的世界卻很精彩。
給筆者印象最深的是兩個人，一個是當時的劍橋大學JudgeBusinessSchool的MichaelDempster教授，另一個就是羅聞全。他們讓筆者明白其他學科的技術手段不僅可以在金融市場有所應用，而且也讓那些已經被國內討伐過無數遍的技術分析的重新檢驗提供了基礎。而這一切都使得資金管理部分有了一些新的模式可以考慮。其中之一就是大資金的管理可以通過算法池結構體現出來，每個算法池內的算法負責一定數量資金。而算法池的管理則交由另一套系統進行甄別。這樣看來，兩層式的結構設計就可以在組合管理層面產生作用，進而不穩定的人爲因素部分被剔除。
《解讀量化投資》把這項技術形象的比喻成壓水花。如果就事論事的講，算法的建立不以單一執行價爲依託也是可行的。從這一點來說，策略的容量會有較大幅度的提升。這裏涉及到了另一個小問題——執行價。日線級別交易數據最經常被納入分析範圍的價格無疑是開盤、收盤、最高、最低價四個。但這四個價格卻並不都是良好的執行價依託。開盤、收盤價本身由時間因素決定，所以它們是可以由策略負責執行的價格。但是最高、最低價卻存在時間上的不確定，這種數據只能用作模型的輸入部分，而不適合作爲執行價的依託。萬事沒有絕對，從大數的角度來看，成交均價也可以是突破口之一。而究竟是基於成交量的平均還是基於時間的平均並無絕對要求，一切以算法爲依託。而這就將大單拆細的概念擺在了眼前。策略的容量問題進而得以解決。實際上，在這裏對交易技術的要求遠比對算法設計的層面要高。
這裏其實暴露了一個隱含的問題——數量化的方式投資需要不斷演化以適應資產規模。沒有什麼一勞永逸的解決方案。資金在滾動過程中會需要不斷提供新的算法來進行匹配，這還不算部分算法由於模式的遷移而失效的情況。不考慮被動管理的組合部分，算法池內當前狀態爲啓用的部分不超過30%是一個完全可以接受的比例，也就是說，算法的開發力度是與組合管理應用不可分割的一部分。