大衛，肖(DavidShaw)曾經是摩根土丹利這個統計套利交易組的成員之一，他於1980年在斯坦福大學獲得計算機博士學位，隨後留校進行學術研究。肖在1986年加入摩根士丹利後負責該組的技術部門，但是在兩年之後，如同統計套利的首創者格里.班伯格( Gerry Bamberger) 一樣由於政治鬥爭等原因從公司離職，並創立了自己的德劭基金公司。結合了肖的大規模並行計算研究背景和在摩根士丹利接觸到的統計量化策略，德劭基金公司利用計算機量化模型作爲主要的策略進行交易並取得了巨大的成功。
值得一提的是，肖在對沖基金領域紮根之後，仍然不忘科學研究，其成立的德劭研究公司致力於通過強大的計算機硬軟件能力在分子動力學模擬等生化科研領域取得前沿性進展。這與阿斯內斯一直在 金融雜誌上發表學術論文的行爲，相映成趣，當然肖的學術研究相對而言可能更爲極客一些。
相比起統計套利，傳統意義上的套利策略是一個更爲人熟知、更經典的量化交易策略。實際上，現代金融框架的一部分都是基於“無套利”這樣- 一個假設原則建立起來的，可見套利策略的深入人心與重要性。如果說統計套利的重點在於刻畫和預測多個資產間的統計關係，那麼傳統套利可能就更注重各個資產的價值計算，以及策略執行時的交易成本估計和優化。只不過量化交易策略進化到現在，統計套利和傳統的套利策略已經是互相滲透、互相融合的了。以計算機能力見長的德劭基金公司，對這兩種套利策略應該都是有所涉及的。
說起套利，不得不提到長期資本管理公司。這家公司的陣容十分豪華,包括債券套利的先驅約翰.梅里韋慧(JohnMeriwether)、兩位諾貝爾獎獲得者羅伯特，默頓(RobertMerton)和邁倫.斯科爾斯(MyronScholes)、美聯儲副主席戴維。穆林斯( David Mullins) 等諸多頂級從業者，主要從事的正是債券的量化套利交易，當然其中也會包含一些其他形式策略的成分。公司成立的前三年表現非常出色，但是在1998年俄羅斯國債違約之後，相關的連鎖反應使得公司產生鉅額虧損，在美聯儲的干預下被華爾街幾家公司出資接管,形同倒閉。實際上，長期資本管理公司在俄羅斯債券上的損失本身並不大，但是許多大金融機構在虧損環境下必須保證足夠的資本量，因此通過出售流動性較好的七大工業國債券等資產來降低風險、增加資本，全球主要債券價格在賣出壓力下大幅下跌，波動巨大，這才導致了槓桿極大的長期資本管理公司在債券套利上產生鉅額虧損。
這裏談及長期資本管理公司，決然不是爲了說明套利策略的缺陷，或是用一個失敗的量化交易特例來村託其他量化交易公司的成功。實際上，套利策略是一個具有內在金融邏輯的優秀交易策路，只不過任何量化策略都難以完整地考慮到所有可能出現的情況，長期資本管理公司也正是被一個極端事件的連鎖效應所擊倒。一個量化交易的研究者和從業者，首先應該具有概率、統計的思維方式，應該理解任何有概率的事情都是可能發生的。對於交易這個行業而言，不到退出市場的那一刻，永遠都存在着失敗的可能，擁有再光鮮的歷史業績也無法擺脫這一事實，而且光鮮業績本身可能也只是大樣本下的一個幸運個體而已。希望讀者能在閱賣本書時始終保持這樣的思維，不要盲目地被看似美好的回溯測試結果甚至實盤業績所迷惑。
套利策略中一個非常重要的部分就是對交易成本進行判斷，同時儘可能地降低交易成本，從而保證足夠的套利空間。隨着交易電子化的不斷發展，以及美國證監會“另類交易系統規定”等法案的推出，交易策略的自動執行也在持續地發展和演化。在這樣急速更新的市場環境下，開始出現一些相應的量化技術，例如通過訂單拆分來減小市場衝擊成本的算法交易等。
更爲人熟知的是高頻交易這個概念，交易的執行者通過計算機下單、將策略執行部件放置於距離交易所主機更近的地理位置上、交易訂單直通交易所等手段，從時間延遲等層面降低了價格變動帶來的交易成本，從而增加套利空間。當然，在作者寫作本書時，高頻交易技術已經進入微秒級別的領域，高頻交易也被更多地使用在了做市商策略等其他策略之上。
在開頭處已經提到，本書的主要目的是爲量化交易策略研發提供個可供參考的流程框架。而高頻交易等策略方法在很大程度上更側重於執行層面的技術手段，對比傳統意義的量化交易策略具有一定的獨立性，因此本書將不涉及高頻交易、算法交易等量化交易策略的內容，對套利的討論也侷限於非常淺顯的層面。不過，作者仍然認爲中低頻的量化交易策略研發框架對於高頻交易同樣存在一定的借鑑意義，原因在於，開發交易策略始終是離不開對收益和風險的認知的。由於高頻交易的內容不會出現，因此從此處開始，書中但凡提到量化交易策略，如沒有具體說明，均特指中低頻量化交易策略，敬請注意。