傳統的價值投資會變得越來越量化嗎？
量化是一種手段，做決策的還是人。我並不是說計算機完全代替人腦。現在還有很多投資管理公司做一些基本的分析，沒有使用複雜的計算機數學模型。我只是在想這些公司未來會不會大量引進這些技術，並且要求從業人員具備計算機數學統計知識？傳統的經濟學或者金融背景的從業人員是不是逐漸要被淘汰呢？
本來是想來吐槽原題的：
傳統的價值投資會被量化交易淘汰嗎？
因為這兩個並不是矛盾的對立面。現在的題目是個好問題。我們先來看價值投資的定義，在根據定義看量化在價值投資中扮演的角色。最後我們在看是否會出現價值投資越來越量化的趨勢。
I.價值投資是什麼？
根據wiki的定義Value investing中援引巴菲特的話：
the essence of value investing is buying stocks at less than their intrinsic value.
[2]
價值投資的核心在於購買其價格低於內生價值的股票。所以價值投資要做的就是估計股票的內生價值。
這個問題就轉化為從可以獲取的信息裡面，挖掘股票的內生價值。會對這個問題產生影響的包括：1. 信息；
2. 信息到內生價值的映射。
II. 量化在價值投資中的應用
梅總 @騰天的回答指出，量化是手段。也就是說，量化是用來幫助構建從信息到內生價值的映射的。量化是可以輔助價值投資的一種手段。
而需要什麼樣的手段則受到信息質量的影響。這樣的影響有：
1. 信息質量高，需要的手段相對不複雜；舉個極端的例子，上帝告訴你Apple的內生價值是每股150 USD，那麼根據市場價格，你可以簡單的對Apple是不是價值股票作出判斷。
2. 信息較少，通常需要的手段相對複雜。但是如果信息不充分，很可能最終只能通過定性的分析，就像很多傳統的價值投資採用的。而定性分析的原因除了信息不充分，還很可能是因為定量的分析存在極大的難度。
3.當信息質量不足以作出簡單判斷，而數據量有足夠提供有效的量化建模。這種情形下，量化可以提供比定性分析更準確的判斷。
III. 價值投資之外的量化
價值投資只確定了購買的目標，而如何更好的優化投資組合(portfolio optimization)，控制風險(risk management)，如何更好的在市場中運作(execution): 比如用槓桿，直接購買標的股票，還通過其他的方式間接持有等等。而這些我認為會是運用數量化知識所長的地方。
價值投資也要算價值才行。量化可以只是描述價值的手段而已。
金融不是一門客觀的科學，大部分的投資思想也並非來自數學。量化只是其中的一條路罷了。
為什麼不能兩方面都看呢？多一方法參考不好？一定要討論出個誰能不能把誰取代？
量化會使投資變得更有效率，而不是取代投資！
絕對不會，因為投資市場是群體心理的博弈，牽扯的情緒波動量人數眾多，根本量化不出來，資金來源也是不公開的，這兩個重要參數量化不出來就不可能做好公式，而且未來也看不到可能會量化出來。
因為沒有這兩個面的準確數據，大家就通過各自的理解和經驗建造一些公式來做量化交易，這和個人用自己的理解和經驗手動操作沒有區別。
還有很多做高頻交易，吃一些微小的波動差，根據我了解的情況，在波動的市場有效，在單邊市的時候經常一次賠進去一年的成果。
最後的主流是機構用資金優勢結合軟體操控波動賺差價，屬於散戶收割機，確實收益和穩定性很好，這種對手盤就是監管機構了。
其實最怕的是監管機構坐莊，這種的對手盤是市場所有資金，比如如今下半場來的時候。
真正的高手會一直堅持自己的交易策略。
價值投資也好、量化投資也好，都是一套工具。
如何搭配使用都看使用者本人。
但若沒有一個長期研究、磨合的情況下，貿然有一種工具代替現在常用的工具，會出現災難性後果。
其實是不一樣的東西，老巴對於價值投資的標準跟當初撿煙蒂的做法完全不一樣了。
量化投資可以做到撿煙蒂式的價值投資，但是現在還做不到挖掘成長性這種。
比如你對管理層的看法要如何量化？
而且量化其實跟價值投資的關係好像並不大問題一：我只是在想這些公司未來會不會大量引進這些技術，並且要求從業人員具備計算機數學統計知識？
答案是肯定的。
援引百度百科上一段話：
根據美國Aite Group LLC諮詢公司的統計數據，2006年在歐洲及美國股票市場中，有1/3的交易是由自動交易系統或演算法化交易完成的。預計到2010年，這個比例將達到50%。
2006年，倫敦證券交易所有超過40%的交易訂單來自演算法交易者，2007年預計將達到60%。總體上看，美國市場與股票市場中演算法交易的使用率要高於其他市場，預計2008年在某些市場中演算法交易的使用率將達到80%。演算法交易在外匯市場中也很活躍，2006年大約佔總交易的25%。演算法交易也可以輕而易舉地被應用於期貨和期權市場，預計到2010年大約20%的期權交易量將源於計算機程序。債券市場也將逐漸引入更多的演算法交易者。
目前，我國的基金公司等證券投資機構也開始大量引入量化交易/程序化交易。據我所知（在國內一家證券系統軟體服務提供商從事策略交易工作），像是新興的新三板做市等，程序化交易已經佔有了很大一部分交易量。另外，為減少衝擊成本等，採用TWAP演算法和VWAP演算法的演算法交易也被很多投資機構的量化交易部所採用。
題主可以參閱下丁鵬老師寫的《量化投資--策略與技術》
問題二：傳統的經濟學或者金融背景的從業人員是不是逐漸要被淘汰呢？
答案是不確定的。
按照我的理解，懂交易規則（傳統的經濟學或者金融背景從業人員）和具備計算機數學統計知識的新興人才並不存在衝突。
在投資機構，可能有這麼兩個職位，一個是策略研究員，他們需要研究策略，制定策略，最好是能夠開發相應的策略軟體，這部分人，肯定是要具備計算機數學知識的。
另一部分人是交易員，他們只需要懂並不複雜的數學知識即可，不需要設計到高深的數學計算機建模等（當然，掌握更好）。對於交易員，交易規則更重要一些。
量化是手段，出發點是認為公開的數據，包括價格已經儘管不一定是完全但可能是充分表達了價值信息。所以研究這些數據就就好了，不需要再進一步研究價值。
但這就引出了一個比較有意思的問題：如何確定價格信息是否合適的包括了價值信息？或者說當一個價值投資者認為價格相對於價值是低估/高估的時候，如何確定自己比市場更正確？......那是二級市場......一級市場還是得靠人啊......
推薦一篇相關的文章，「阿法狗」打敗了李世石又怎樣，能戰勝巴菲特么？投資是一門藝術，不是靠計算和規則可以完全覆蓋的。
價值不可量化。
量化無法交易大型資金
大多數人投資想賺的是資本收益（即靠股票價格差價來賺錢），而巴菲特賺的是現金流收益，即靠公司股票的分紅來賺錢，所以巴菲特才說他不在乎股價漲跌變化，即使股市關閉他也不怕，
取決於市場是否真正的有效吧。這是量化最重要的假設條件之一，價格是否包含了所有信息。
你用量化試試就知道了，有用就用，沒用別人再怎麼吹噓你也不會信，二級市就是絕知此事要躬行
還是不要去預測未來吧 因為會給打臉
價值本身是一個人為的主觀判斷，所以價值投資一直都會有其存在的價值
投資的本質是預測未來，數學模型和複雜計算只能歸納過去，做不到預測未來
會。
有人公開宣稱投機可被精確預測的時候就是價值投資的墳墓
當然不可能所有人都放棄，會變得非主流，畢竟對一般的沒有知識的散戶價值投資還是更容易聽懂得
量化是針對眼前的苟且，怎麼可以判斷遠方的價值？
推薦閱讀：
※大一計算機學生如何學習機器學習？
※高頻交易都有哪些著名的演算法？
※量化投資中有沒有完美的參數尋優方式？
※Python 在金融領域的主要應用是什麼？有哪些分類以及什麼類型的金融公司會來應用？