随着国内二级市场投资产品的增多和这些年投资理念的改进，程序化交易越来越多的被投资者应用到实际操作中，特别是金融和商品期货上，各种优秀的策略模型创造着一个个收益佳绩。　　但是考虑到国内二级市场的实际情况，个人投资者还是占据了市场的大多数，导致的结果即是市场很不理性，使得很多量化交易的大前提不成立。例如6月单月IF合约期限价差超过400bp，如果常用的带杠杆的套利策略在价差超过100bp时入场操作，那接下来的300bp足以使得最简单的期现套利模型都亏损出场。　　在最常用的配对交易中，大部分的策略虽然冠以套利之名，但实际配对品种的收敛关系并不绝对，收敛时间也不确定，因此通常会陷入牺牲流动性的泥潭，从而大大降低收益率。其次，在收益最高的宏观对冲和统计套利型的交易策略中，模型对过去数据的描述即使再精确，也会发生极小概率的巨量亏损。这些都是数理金融和程序化交易的最大敌人。在实际情况中，这类问题在时间上经常是以突发阶跃式的形式发生，其中所有市场参与者的心理预期是很大的诱因。因此我们希望研究如何将市场参与者的行为金融因素作为一个研究对象，加入到程序化交易的过程决策体系中，从这个方面来优化收益风险比。　　如果是投资是一项艺术和科学的结合体，那在现代金融学中，“艺术”体现在行为金融学，而“科学”体现在数理金融学上，程序化交易无疑是需要建立在数量基础上的。对于行为金融来说，虽然要判断单个个体的行为金融偏差非常困难，影响的因素非常多，而判断大多数人对某个投资品种的行为偏差会相对简单，类似于大数效应。通过这部分的工作，希望最终获得更高的夏普比例及更平滑的模型收益。