對於量化投資來說，除了市場信息，收集其他基本面信息也是非常重要的，要將相應的時間序列融入到預測模型中。成功的模式是什麽？關鍵點是它整合了多少不同的信息源，而不是它使用了多麽先進的數學理論。以簡單線性回歸為例，如果模型的預測效果好，則需要所有參數都具有較強的預測能力和較低的相關性；另壹方面，如果選取的參數沒有意義，那麽模型即使應用於復雜的深度學習理論也是無用的。美國壹些公司不僅使用新聞等文字信息進行建模，還使用谷歌衛星拍攝的港口集裝箱圖像進行建模。大宗商品價格走勢如何？通過對商品集裝箱數量的預測，取得了良好的預測效果。
求解模型其實和建模壹樣重要。比如，物理學中有很多模型可以準確描述現實，但由於缺乏高效的科學計算方法，仍然難以求解，定量交易也是如此。伴隨著計算量巨大的參數的計算、篩選、優化、回測等等，如何巧妙解決是壹門相當高深的學問。西蒙斯透露，這家著名的復興公司內部分工明確——物理學家分析數據建立模型，數學家建立優化算法並求解模型，計算機程序員從各種來源收集數據。