统计方法和算法的本质是利用数理工具帮助人们从某个角度更好的认识现象，并辅助决策。 经常接触各类算法和数理工具，尤其是要自己发明算法的话，对那些统计方法等就比较熟悉，那么各自算法的问题和适用性也就是关键。 比如分布拟和，通常我们利用传统方法进行分布拟和的时候，至少要借助四种统计量来帮助判断分布类型，也就是说，对于一个统计量是正态分布，而另一种统计量却可能是帕累托分布，就曲线来看一个是小山丘，另一个是滑梯，完全不同的曲线形态。这还只是单一分布的情况，要是复杂的分布应用，也就更复杂了。 还有ltcm，即便是诺贝尔奖获得者，其实采用的数理方法也挺简单的，很多适用性的问题他们自己都不知道。同样的情况目前的国内外机构也存在，很多人觉得举步维艰，或者风险很大却浑然不知，主要就是一方面这方面的储备和经验不足，要么就是局限于经验和信息获得，本身的方向和架构就是错的。
其实量化分析的本质是有一定缺陷的。 量化模型看似可以通过统计学来进行抽样来获得Expected Return，但在本质上量化模型永远无法精确地模拟真实的经济现象。LTCM的问题在于忽视了真实环境中的流动性因素，所以这样的量化模型虽然通过统计学的验证，在实战中却无法实现模型的效果。 中西方的思考方式不同，曾经让我有很长时间的迷茫。虽然实践中我最终采取了西方的科学道路，但我个人却认为科学是整体不断分解为个体的研究过程，只是在某一个角度下的正确，并非通往真理的唯一之路。量变到质变的真实转变过程，数据模型+统计分析在金融市场上是无法做到精确模拟的。 至于统计学，作为科学的一部分，也受限于科学的思考方式（整体到个体的深入研究）。 也许中国文化中有某些我们目前因文化传承的断裂而无法自知的解决方案，只是我们忘了术数，忘了甲乙丙丁戊己庚辛而已......