量化投资就是EA吗？
先说结论，Quant和EA是相互融合的两个领域 再说原因，因为Quant所做的很多工作其实是为了解决模型的预测能力（Alpha）和可解释性（Beta）的问题，而这些问题也是EA所关注的。
Quant所做的就是在给定风险要求的情况下，找到风险收益比最好的那一组资产组合；或者是在给定资产组合的情况下，评估其风险敞口，以实现控制风险的目标。而要实现上述目标，就需要对风险进行度量、对价值进行估计以及判断风险与价值的分布形态。Quant需要掌握诸如随机过程、统计分析、优化方法等一系列的基础知识。
可以说Quant所做的工作本质上是一种对数据的处理和分析，也就是数据的科学。所以无论是量化交易还是算法交易，所需要的技术基础都是相似的。这就为Quant和EA的学习与融合提供了可能。 Quant做模型，通常需要先收集数据，对数据进行预处理之后才能进行后续的建模工作。在这个过程中，Quant需要运用统计分析和编程实现的方法从大数据中挖掘有价值的信息。
而EA在做策略的时候也需要基于历史数据来构建模型并测试策略的效果。因此同样会涉及到数据的处理和分析。由于Quant所关注的问题更多在于预测的能力而非决策的实际效果，所以对于模型的假设和参数估计的要求往往更高。而在对历史数据的分析方面，虽然Quant与EA可能更偏向于使用不同的方法，但是最终的目标都是寻求对市场规律的认识。 当然，Quant所关注的东西更多在于如何建立有效的模型，而EA则更为注重于如何利用有效的模型来完成既定的目标。所以在学习和应用的过程当中，Quant更需要关注的是如何挖掘数据所包含的信息，而EA则需要更多的考虑如何利用这些信息来实现自己的目的。
不管是Quant还是EA，都离不开对信息处理和分析的能力。也就是说Quant和EA其实都是建立在对海量的历史数据进行处理和分析的基础之上的。因此在学习方法上应该强调对于数据的处理和分析能力。