爱德华·索普是一个另类的数学天才，他也是最像赌神的人物。赌场的「21点」游戏可以说在爱德华·索普的人生中占据了十分重要的地位。之所以说他是个另类天才，是因为索普年轻时发表的论文《21点的常胜策略》的论文，从数学角度分析了「21点」游戏，证明了玩家可以凭借自己的力量打败庄家，收到了全美赌徒的追捧。索普提出的这个方法是根据庄家的情况计算概率，常被称为「纸牌计数」。
依靠此方法，索普在拉斯维加斯「吊打」各个赌场，并把实战方法记录在《战胜庄家》这本书里。遗憾的是，拉斯维加斯的赌场庄家们像是耍赖一样，修改了游戏规则，并永久拉黑了索普，永远禁止他踏进赌场半步。离开拉斯维加斯的索普决定转战另一个「赌场」——股市，凭借数学知识，成为了「量化交易鼻祖」，之所以称他为「鼻祖级」人物，是因为他是第一个在华尔街利用数学和IT系统管理基金的人。
曾作为MIT数学系教授的索普，成立了Princeton Newport Partners投资公司。从1970年到1998年，连续28年，公司没有一年是亏损的，年回报率超过20%，而此时的巴菲特所管理的基金回报率则是21.6%，而同期明星级产品S&P的回报率仅为8.84%，由此可见，索普创造的回报率是多么惊人。
高回报率的背后，是索普不只是对「凯利公式」的深信不疑，更是积极地将其应用于风险管理之中的效果。在投资界，一次失误可能导致公司损失全部资金，所以风险管理是投资中绝对重要的部分，可谓是如履薄冰，如临深渊。如果说消除风险最好的方法是就是不投资，那么不投资的结果就是没有收益。所以想赚钱，必须承担风险，这是个常识性问题。而如何管理风险就是技术性问题了。
「凯利公式」提供了一个数学角度上的解决方案，虽然期初的回报率并不高，但随着时间流逝，利润则会极速增长。算法交易的出现就像赌马大神比尔·巴特一样，高手们除了利用「凯利公式」规避风险外，都拥有自己一套自建的交易系统。在交易过程中，索普主要使用以统计套利为基础的算法交易系统。统计套利通过选择相关关系较深的股票，从统计角度对其差价进行分析，选择合适的对冲策略进行股票买卖，其中具有代表性的就是「配对交易」。
「配对交易」的基本原理是，两个相似公司的股票，其股价走势虽然在中途会有所偏离，但是最终都会趋于一致。配对交易就是利用这种价格偏离获取收益：当差价高于均值时，卖空涨得多的股票，差价小于均值时，买入涨得少的股票。具有这种关系的两个股票，在数学上称作协整性，即它们之间的差价会围绕某一个均值来回摆动，这是配对交易策略可以盈利的基础。
算法交易基于数学计算和特有的IT系统进行金融产品的交易，也称为「黑箱」交易。在投资银行、养老基金、对冲基金、证券公司等被广泛应用。当我们还不太熟悉算法交易时，美国的金融市场早已被它所大大改变。大约从2007年开始，随着算法交易的普及，在交易所进行交易的不再是人，而是机器了。2012年，美国算法交易的成交量达到总成交量的85%。
2008年次贷危机后，市场恶化，创造收益越发艰难，面对各种新政策法规，华尔街力求突破现状。为了不断创造新的利润并节省成本，将繁杂的人力转变为IT系统，交易算法成立救命稻草。国际知名的咨询公司麦肯锡曾在报告中称，如果引进算法交易等IT技术，可以增加30%的利润。综合各种情况，算法交易和IT技术日后在金融市场上占据的位置更加坚固。
算法交易能够在华尔街站稳脚跟的原因有许多，但最重要的还是因为它能创造利润。它是从数学角度分析股价的波动，创建数学模型对股价展开说明并预测，再用IT技术实现，依据数据结果这一个客观标准进行交易。在创建数学模型中，最重要的核心是检验。利用过去的数据检验设计的数学模型时，只留存被认为具有统计学意义的模型，并用算法交易来实现，所以得到的结果必然优于人工计算。
在之前，人们基于某种信任进行的交易方式中，加入可以依赖的数据并以数学为基础的方式，最终证明了算法自身的有效性。事实上，普通人也可以自己做算法交易的，但自己搭建一个算法交易的系统，并实行高收益的交易策略并非易事。这涉及到一定的编程基础，也要涉及到对金融市场和交易工具的理解。因此需要长期针对某个自己感兴趣，较为了解的资产类别做深入学习以及研究。
目前主流的算法语言是，Python、Java、C++/C#和R语言。这些语言本身有提供回测框架，时间序列分析，统计分析的库。当然也可以使用Java、C++，不过但开发难度要更大一些。Python是目前应该是最普遍的个人量化技术，相关的开源框架相当丰富。比如Panda、Scipy、numpy、Zipline(Backtest framework)。R：高级算法比较方便，社区比较活跃。
Java、C++：没有的时间序列操作框架，自己写比较麻烦。MatLab：算法库比较成熟，但处理大量数据比较麻烦。算法交易系统可使用统一的结构。上图只表现了与算法交易有直接联系的模型，其实还应该包括验证性能的回测模块和数据存储模块。阿尔法模型：预测股价或股价走势，可以单独应用，也可以部署多个。风险模型：计算交易时预测错误导致的亏损、可能出现亏损的概率等风险度。
交易成本模型：计算实际交易时产生的手续费、税金、佣金等额外费用的管理。以上三个模型的结果输入到投资组合构建模型，模型在追逐利润、限制风险和成本之间做出平衡，然后给出一个最优的目标组合。完成这个过程以后，交易系统再将现有投资组合与新建的目标投资组合进行对比，通过交易来消除两者的差异，这个就交给执行模型来完成。算法交易的特别说明：算法交易速度是人类绝对无法比拟的。从开盘到停盘，时间有限。
人们无法短时间内快速判断是否交易、交易多少。算法交易可以快速判断加快交易频率，做高频交易。交易者要清楚一点，就算法的盈利能力而言，早期的成功率并不意味着能够持续创造同样的回报。需要时刻关注算法的盈利能力，当确定算法此时的盈利不足时，需要调整优化算法。
在对算法进行充分的测试之前，交易员不该使用真实资金进行交易，而是使用历史价格数据进行测试，如果从历史数据中证明算法能够盈利，交易员再用模拟账户在真实的市场数据实时检测，在一段时间内确保算法的盈利能力，最后再投入真实账户到真实的市场中运行。算法交易是为金融市场提供了一种具有盈利潜力的解决方案，它使交易员失误的可能性最小化，执行交易时算法能降低人为的错误，而用最优价格执行命令。
最后谨记算法不是万能的，投资有风险，交易必须谨慎。