海外历史：虽然作为金工/量化学科奠基的相关理论大约于19世纪才发展起来，但翻阅衍生品发展和应用数学进行投资或交易的历史可以发现，量化的思维早在千年之前已有萌芽。进入19世纪后，理论研究百花齐放，为当前量化投研发展奠定了基础。2000年后，计算机的普及，云计算、大数据、机器学习技术的发展，为量化研究和投资注入新的活力。从简单的机器学习，例如决策树、随机森林、SVM，到更为复杂的深度学习模型，量化研究和投资在不断探索和进步。从各方口径得到的全球对冲基金总管理规模数据并不统一，但较为一致的结论是由于对冲基金策略的多元性，如股票多空/CTA/宏观对冲/多策略等，以及更高的灵活性和长期相对稳定的收益能力，近年来对冲基金总管理规模增持续攀升，其中的量化管理公司更是长期霸榜规模排名前列。在整体规模占比中，北美市场对冲基金管理规模全球最高，占比约7成，其次是欧洲、中东及俄罗斯等地。当前，AI策略的采纳率迅速提高，基金经理越来越多地应用人工智能和机器学习技术来提高运营效率并提高回报。随着人工智能（AI）愈发成熟和更大面积的应用，未来量化研究和投资将不断有新突破。且不单纯是模型端、数据端、交易端的革命，在逻辑上也会和传统量化和早期机器学习量化投资有所差异，也许还可以通过学习优秀基金经理的投资模式，进行产品管理。
　　国内量化公募发展回顾：2002年第一只公募量化产品发行。2010年之前发展缓慢。2008年全球金融危机后，海外金融人才回流以及2010年融资融券交易/沪深300股指期货上市成为国内公私募量化新起点。从历史数量和规模统计来看，除市场中性产品外，其他公募量化策略产品数量和规模上长期保持增加，但其中主动量化的增长速度已明显放缓，而指数增强和被动指数的加速度仍较高，其中以被动指数最甚，仅2024年单年度就有超过1.5万亿的新增规模。被动产品和指数增强已成为公募量化乃至公募产品整体的重要规模增长来源，也逐渐成为公募量化的主赛道。
　　国内量化公募发展展望：一方面，从近年来ETF和被动产品的规模激增以及丰富的指数发行来看，未来这一趋势仍将持续，各家机构指数战场的较量虽初见高下但仍有变数。第二方面，在新规和市场认可度双重作用下，指数增强产品相比于主动量化产品的空间更开阔。第三方面，发展智能投顾和多元资产配置，使用量化方法和工具，改善投资者持有体验。
　　风险提示：市场变化、政策变化风险，模型失效风险