1、不是基本面分析的對立者
量化投資並不是基本面分析的對立者，海外量化投資的經驗是量化投資模型很多是基於基本面因素，同時考慮市場因素、技術因素等。因此，量化投資也不是技術分析，而是基於對市場深入理解而形成的合乎邏輯的投資理念和投資方法。
量化投資是一種主動型投資策略，主動型投資的理論基礎就是市場非有效的或弱有效的，基金經理可以通過對個股、行業及市場的驅動因素進行分析研究，建立最優的投資組合，試圖戰勝市場從而獲取超額收益。與海外成熟市場相比，A股市場的發展歷史較短，投資理念還不夠成熟，相應地留給主動型投資發掘市場的潛力和空間也更大。量化主動投資策略以正確的投資理念爲根本，通過各種因素的分析，以全市場的廣度、多維度的深度視角掃描投資機會，在中國市場的應用將更顯其優勢。
不少投資者對量化基金還存在一種誤區，認爲這類基金依靠數量模型作爲投資運作的基礎，那麼基金經理包括投資團隊所發揮的作用就不大了。實際上在市場出現轉折或者小概率事件的時候，計算機無法代替基金經理的判斷，此外，在一個波動劇烈的非單邊市場環境下，量化模型對新數據的反應也並不完全令人滿意。因此，在量化基金的運作中，仍需要經驗豐富的基金經理和投資團隊來把握一些更加宏觀的和大的趨勢，而計算機模型的作用是在市場正常的情況下，極大地減少基金經理的工作量，以及避免由於人的情緒帶來的失誤。
量化投資不僅可以結合定性思想即投資理念，而且也可以讓量化投資模型與基金經理的個人判斷相結合，這些都將基金投資變得更加完美，也能把基金經理和投資總監們從瑣碎的日常信息分析中解放出來。基金經理完全可以花更多的心思考慮市場趨勢的變化、市場拐點的狀況、市場結構的變化、市場上的黑天鵝，以及向量化模型中添加更多更有用的新信息，更好地爲投資決策服務。
主動而非被動投資
很多人認爲，量化投資是依循預先設計好的模型被動執行投資運作，因此與指數化投資一樣是屬於被動投資。實際上完全相反，量化投資是一種主動投資。量化投資和指數化投資的理論基礎完全不同。指數化等被動投資的理論基礎是認爲市場是完全有效的，任何企圖戰勝市場的努力都是徒勞的，既然這樣，不如就被動地複製指數，以取得與市場一樣的收益水平。
而量化投資的理論基礎是市場是無效的，或者是弱有效的，因此投資人可以通過對於市場、行業基本面及個別公司的分析，主動建構一個可以取得戰勝市場的超額收益的組合。因此，量化投資屬於主動投資策略。
不是神祕主義
量化投資不是神祕主義，更不是一個戰無不勝的祕籃。量化投資不是靠一個投資模型就能永遠賺錢，而且也不是使用一個模型就能解決一切問題，更不是一個模型就能勝任任何市場狀況。量化投資模型只是一種工具，量化投資的成功與否在於使用這種數量化工具的投資者是否真正掌握了量化投資的精髓。
我們需要建立很多的量化模型，如選股模型、行業配置模型、擇時模型、交易模型、風險管理模型及資產配置模型、套利模型、對沖模型等。量化投資模型只是一種工具、一種方法、一種手段，能實現成熟而有效的投資理念，並不斷根據投資理念的變化、市場狀況的變化而進行修正、改善和優化。
同時，量化投資模型都必須經歷不斷地跟蹤檢驗、優化、實證等過程。量化投資是一個不斷改進的過程，最重要的就是投資者的投資思想，包括對投資的理解、理念、經驗，所有模型都是建立在這些投資思想上的。
捕獲大概率
量化投資策略從本質上講是尋找較大概率獲勝的機會.那麼量化投資必然會觀察市場的規律，試圖尋找各個因素與未來股票收益之間的關係，並尋找較爲成功，即大概率成功的規律。
要從大概率上獲取較好的收益，量化投資模型需要着重考慮對資產未來收益看法的估計和辨別，而且主要包括對個股的看法、行業的看法等估計的準確性。對資產未來收益的看法既可以是絕對的收益水平，也可以是相對的收益水平(或稱之爲Alpha)。對於共同基金而言，對後者即Alpha的估計和預測可能需求更多，量化模型也主要是在尋找最佳的Alpha模型。
在確定投資品種後，量化投資策略需要考慮具體的交易策咯和風險控制策略等方面。有較好的交易策略才能最大程度地降低交易成本(包括佣金、稅費及衝擊成本等)，而通常交易成本對業績的表現也有重要的影響。交易策略主要解決的問題是衝擊成本的問題，假設一隻基金買某隻股票的成木是5%，而收益率卻達不到這個水平，那麼這個投資策略和方法就不可行—雖然對資產未來收益看法的預測模型很好。
量化投資需要綜合考慮資產的鑑別(個股選擇、行業配置、資產配置等)、交易（包括擇時)和風控(包括對風險收益的平衡等)等方面因素，尋找到成功概率最大的投資組合，達到收益最大化。