自动交易比较符合当下大数据时代的想法，通过寻找海量数据中的相关性，利用模糊的相关性来获利。大数据的原则包括，放弃精确，追求数量级；放弃因果，追求相关性。这两点在很多行业里都是可行的，但是用在投资里，两者结合是比较危险的。

自动交易说穿了是将投资标的的比较小的相关性变动，利用较大的杠杆来扩大利润。

这里面有几个风险，首先是相关性是否有意义，比如看到茅台涨的时候，银行股在降，也就是相关性上看，银行股与茅台成负相关，于是做多茅台，做空银行股，然而这个相关性的因果关系不是很明显，也许是因为经济扩张，茅台涨价，银行股被通胀吞噬，资本金不足需要补足，所以两者明显负相关；但也有可能是因为有人（但斌？）恶意做空银行股，做多白酒股；更有可能是因为今天郭树清说了几句话，大家头脑一兴奋，分析出了一点什么东西。这个问题很简单，就是这个负相关，很可能是个正相关，也可能根本不相关。

大数据理论中，我们并不关心这个相关的因果，只关心相关这个事实。因果关系需要我们自己去理清。但是很多对冲基金基本关心到这个事实就去做了，实际因果关系链条上有很多漏洞。

其次，放弃精确追求数量级。做一个套利，风险很小，但不是没有风险。根据凯利公式，我们追求最大的收益，就要在收益风险比较大的时候下重注。机器自动交易能够寻找到的套利空间，很多时候很快就会消失，也是因为市场毕竟没那么无效，所以利润空间很小，市场给出的底池成败比比往往很不合理。利润空间小，虽然风险小，但还是不值得一做。很多机器交易寻找的就是将所有这些机会集中在一起，然后套一个非常大的杠杆，无限放大利润空间。这里的思想错误在于，当你放大利润，你的风险同样是成比例放大的。小规模的套利风险在杠杆作用下被极大扩张了。追逐数量级的大数定理不起作用，其原因在格雷厄姆的证券分析中解释的很清楚，就是证券市场的波动同向。

还有很多可以攻击自动交易的理论，但是我相信自动交易有很多想法很有意思，不一定一棒子打死，可以看到很多交易思想的闪光点。