此外，在量化投资领域，人工智能还可以克服一些“人性的弱点”。
在国泰基金量化投资事业部副总监梁杏看来，当前量化投资回撤和实盘之间存在差距的原因主要在于：一方面投资经理患得患失的现象比较普遍，在模型交易时或许可以重仓，但是在权益仓位就不敢加到模型交易仓位，而且一旦市场出现上涨，投资经理又极其容易提前减仓，股票调整出时斩仓也不够坚决。
知识的“自我生长”
人工智能和量化投资领域结合有两个方面，除了深度学习，另一个就是智能投顾。
“随着AI和人工智能的发展，未来金融市场不可避免地成为智能化投资的一个风口，智能投顾未来肯定是一个蓝海。”益盟股份旗下“益研究”研究总监王艇在接受《国际金融报》记者采访时表示，“智能投顾最大的优势是不需要重复学习，只要掌握了核心算法，知识就是可以复制的。”
“智能投顾不能按照卖方的逻辑去研究，一定是按照买方的逻辑去研究的，要从资金的使用角度去分析如何做好智能投顾。”国金涌富市场总监王俊指出，“但是智能投顾同样需要卖方机构的支持。”
“比如券商的研报等可以为智能投顾提供很大的专业支持，对研究报告的分析和利用是发挥智能投顾专业性的基础之一。”王俊表示，“在产品设计中，我们对每家券商研报的选择和权重会有倾斜，主要依据是券商机构的分仓收益、新财富排名、研报的准确度等，因此我们会不断做回溯和调整。”
“首先，机器人一定擅长个性化的投资定制服务，甚至不需要投资人进行主动选择，就能够根据投资人的消费、生活习惯等进行合理的资产配置，确保投资人储有增值、花有闲钱；其次，机器人有望在海量的数据训练中寻找到不同市场、不同板块的运行规律，尤其是对各类资产的风险收益特征有着准确甚至是动态准确的认识，也就能够实时调整风险敞口的配置比例，让投资组合一直运行在可控范围内；最后，机器人还要有能够持续挖掘并获取阿尔法收益的能力，因为只有这样才能从为数众多的资产管理者中脱颖而出，当然并不要求机器人能够持续战胜市场，但他们必须朝着这一目标不断努力，这样投资人才会放心地把钱交到机器人手中，不过他们也要时刻处置好追求阿尔法收益所可能带来的潜在风险。”摩根士丹利华鑫基金数量化投资部王联欣表示。
