与数量化投资热度不相符的是这种投资模式并没有取得令人满意的业绩，反而不如传统的投资模式。截至2010年9月16日，发行超过1年的数量化基金有5只，它们近1年的平均收益率为1.66%，而同期开放式基金的平均收益率5.30%。根据调查，国内一些证券研究机构开发的数量化投资模型在历史业绩模拟过程中取得了很好的效果，但是在实际的运行中并不理想，往往不如经验选股。为什么会出现这样的现象呢？
1、数量化投资模型一般缺乏真实的逻辑。数量化投资模型通过对与股票价格有关的数据进行统计，挖掘出有统计相关性的指标，建立一个完全基于数据的统计模型。模型的输入指标一般比较多，计算也比较复杂，但是输入指标与股价变动之间缺乏一种真实的逻辑。例如，一种模型将股票估值、股价趋势、流动性、风险因素等作为指标，建立一个投资模型。然而，这几个输入指标与股价未来走势之间没有一个必然联系，即没有真实的逻辑，用这些指标来建立数量化投资模型具有很大的风险。
2、历史业绩模拟不等于未来投资业绩。数量化投资模型一般很复杂，指标很多，有的甚至达到几十个，而且在不同时间段，指标的选择也不同。过多的引入指标反而会增加模型的偶然性，增大操作性风险。在时间尺度上分的过细，也会增加模型的偶然性。另外，A股市场的历史只有20年，这些年市场发生了翻天覆地的变化，市场的投资方式和运行规律也在不断地发生变化，所以历史的一些统计规律不具可持续性。尤其是股权分置改革、股指期货和融资融券推出之后，打破了一些原有的市场运行规律，使A股市场运行机制趋于完备。因此，无论历史业绩模拟如何成功，都不能说明数量化投资模型在未来就会达到预期的效果。
反过来看，国外的量化策略或者量化指数的生产过程中充分体现了投资思想的重要性。比如很多量化策略都是在一个富有市场经验的投资总监参与下制定，将投资总监关于投资理念进行量化，而不是单纯的数据挖掘。
如何建立一个具有可操作性的量化指数呢？
首先，模型背后要有一个简单真实的逻辑存在，来支撑模型。这个真实的逻辑能够为一般人理解和认同，而且在历史数据的统计上得到反映。投资逻辑代表了指数商对真实世界的理解，这种理解可以确保过去反复出现的模式可以出现在下一个市场周期中。其次，可以将投资模型标准化，也就是指数化，这样可以增强模型的可操作性和稳定性，而且可以为发行ETF带来便利。
我们可以看一个简单的例子。矢量即将推出的成长空间指数就是一个典型的量化指数，它一共采用了10个因子来测算股票的成长空间和财务的稳健性。与一般的单纯数量策略不同的是，我们重在研究和区分了具有蓝海市场特征的带垄断性质的成长股，这背后的投资逻辑就是成长股溢价和“滚雪球”的投资思想。
