量化優勢
蕭描述結合資訊，透過大型研究及執行組織利用細小低效率。個別輸入單獨未必有用，互動卻可能有資訊；但搜尋大量組合，也會在隨機資料中製造看似可信的歷史模式。訪談分清由假設引導的研究，與無限制追求最賺錢歷史結果的搜尋。
我們主張記錄整個研究程序，包括被捨棄的測試。保留資料集若反覆查看及調參，就不再真正未見過。評估亦要包括成本、容量、相關持倉及操作故障。重點不是簡單模型必勝複雜模型，而是越複雜，越需要知道哪些選擇是在看答案後才作出。
研究者走進金融的路徑
蕭的學術工作涉及電腦架構及平行處理。他走進金融，不是完成自小立志交易的故事；連繫在方法：提出問題、組織專門研究、測試想法，再建執行所需基礎設施。訪談描述的機構能力包括數學模型、運算、監察及低成本成交。因此把本章縮成散戶可從圖表抄取的巧妙指標，會失去重點。
以市場效率作起點的懷疑
蕭認為市場效率相當高，對定義含糊的技術主張存疑。施瓦格以成功技術交易者追問，帶出模糊圖形說法與經量化檢驗異象的分別。蕭也指出機會被發現及利用後可以消失。模式過往存在，不保證競爭、成本及容量限制後仍能交易。他連有效方法及無效方向都保密，因兩者都可替競爭者省去昂貴研究。
書中例子：大量幸運硬幣
章末施瓦格用大量硬幣反覆擲出，解釋資料挖掘。即使公平硬幣，只要試得夠多，總會有一些出現看似完美連勝。事後挑選這些紀錄，不能證明它們未來偏向公。類比直接對應測試大量交易規則組合，卻只報告贏家。分母——總搜尋量——本身是證據的一部分。測試前的理論假設及嚴格評估，有助處理被高速電腦放大的問題。
結合弱訊號，不製造確定性
施瓦格亦強調：單獨無用的輸入，組合後可能有用。但這不是准許無限組合直至找到漂亮結果，反而更凸顯測試紀律。訪談提到 Jeff Bezos 及網上書店概念，展示蕭較廣的創業背景，同時把 Amazon 的實行歸於 Bezos。主要投資教訓仍是明確假設、統計克制及執行能力的研究程序，不是複雜本身帶來盈利的保證。
應用例子
假設 20 個獨立測試，每個假陽性率 5%，至少一個假陽性的機率是 1−0.95²⁰，約 64.2%。獨立性是簡化假設。
適用限制
訪談沒有披露可重現的機構策略。運算能力不是統計證據。
案例連繫
蕭的研究程序與騎士的故障涉及不同層面。統計有效性、部署及敞口控制應分別測試。
騎士資本：好想法仍需要可靠執行
策略只是交易系統的一部分；部署、監察及停止機制都可能決定結果。
四十五分鐘
美國證監會指出，2012 年 8 月 1 日，騎士資本的路由系統為執行 212 張客戶指令，發出逾 400 萬張訂單。首 45 分鐘交易超過 3.97 億股，累積非預期倉位，造成超過 4.6 億美元虧損。監管機構把事件連到錯誤軟件部署，啟動了有缺陷、之前未使用的功能。[1]
解讀：三項不同承諾
研究模型表示規則可能具備有用的統計特性；實作表示電腦確實執行該規則；營運程序表示出錯時仍能控制敞口。第一項的證據不能證明另外兩項。漂亮的回測不能證明部署版本等於測試版本、警報會送達負責人，或系統會在非預期持倉出現時停止。
另一種回饋循環
自動程序重複錯誤的速度，可以遠快於人逐筆檢查交易。這令針對總訂單、持倉量及異常活動的獨立檢查更有價值。檢查應看系統實際做了甚麼，而不只看策略是否仍預測盈利。這是本案例的營運解讀，不聲稱某個簡單控制必定能避免歷史事件的所有損失。
假設：找出不一致
假設測試要求買入十個單位，獨立持倉監察卻看到一百個。重點不是交易最終會否賺錢，而是程序是否超出授權，以及後續活動能否停止。演練應說明誰接警報、如何避免重複操作及如何核對未完成訂單。這些是假設測試條件，不是騎士內部系統細節；它們把「小心一點」變成可觀察的程序。
重新理解系統交易章節
萊斯卡博的紀律涉及執行經測試方法，但可靠執行亦要檢查機器；蕭重視研究，促使我們區分統計驗證與正式系統驗證；庫克關注虧損大小，提醒罕見營運損失可能蓋過很多正常盈利交易。這些連結沒有把騎士的行為歸於受訪者，而是把書中問題延伸到後來以執行故障為核心的情境。
容易得出的錯誤結論
事件不證明所有自動策略都不可靠，亦不代表人手交易沒有營運錯誤；它也不能證明研究優勢已消失。故障類別很重要：改變模型入市門檻，本身不能修補部署程序。檢討應分開邏輯錯誤、版本發布錯誤、監管不足及平倉成本，否則只會變成籠統排斥科技，而不是改善控制。
值得保留的習慣
對系統問兩個問題：為何決策應該有效？運作出錯時靠甚麼限制損失？第二問也需要自己的證據。只停留在意向的緊急程序，不等於經過演練的應對。
思考題
哪項檢查測試執行，而非投資想法？
分析提示
比較預定指令、實際訂單及持倉，訂明觸發條件、負責人及經測試的停止程序。
反思
你會如何避免驗證資料變成另一份訓練資料？