一個需要特殊強調的問題就在於資金的權重分配問題。這裏其實涉及到了我們之前所討論過的投資操作所必不可少的三個因素：擇時、擇股、倉位。這三個因素的確定雖然都可以由策略算法來實現，不過倉位問題較為特殊，它的算法重要級別高於其他。實際上，我們需要先通過倉位設定來獲取一個總體數量，然後再通過算管係統分配到輸出池的算法中，再將輸出池中的算法的交易命令彙總即獲得命令輸出。
執行係統實際上超出了我們可以掌控的範圍，正如前文所述，它的實現需要依靠軟件商或者券商提供的服務作為依托。而一旦將批量的命令執行後，就會得到相應的收益率反饋。我們將其與算管係統內區別影池和輸出池的模擬係統進行對比，來校驗我們的模型是否可能存在校驗失誤問題。
這裏還有一個實務中出現的細節問題筆者感謝參與討論自適應均線問題的溫慶華、劉書臻兩位財富中心同事。：一般來說，學院背景的分析師會采用一種“訓練、擴展校驗”的模式來做模型。筆者當初的論文也沒有逃脫這種模式，後來與一個同事討論數量化應用的時候也再次得到了確認。這是一個數據段分為兩塊的模式，一段用來得到模型參數，這多少有些像最優化的過程。另一段用來看看模型的解釋能力擴展性如何。到了這裏，讀者肯定就會發覺一個令人沮喪的問題——模式遷移。一個數據段內的模式能延續多久本身就是個沒有定論的事情，在此基礎上出現的任何模型，我們都要打一個問號。這也是為什麼每年那麼多優秀論文卻鮮有能真正轉化為盈利能力的產品的原因之一。筆者認為解決方案可能還是存在的，實際上本書一直強調的自適應性就是在嚐試將參數的敏感程度與模式遷移進行關聯，一旦策略通過收益率等指標校驗，即可考慮其實際應用。當然，參數用來捕獲的模式自身變化程度越緩慢，此種處理方案成功的可能性越大。
到此為止，一個較為完整的算法交易大框架就闡述完畢了。框架內的每一個零件筆者也都予以了詳細的介紹。盡管仍然可以在這個框架上進行一定修改，但筆者還是想把剩下的篇幅用來介紹一兩個應用問題。畢竟，筆者的能力有限，本書的定位也隻是敲門磚式的讀物。留下的空白就由讀者的想象力來填補吧。