P宗与Q宗之争，如同金庸小说《笑傲江湖》里面的华山派气宗和剑宗针锋相对一样，充满着话题。

董可人在其文《我是高频交易工程师》中提道，Q宗根本在于风险中性测度，即不存在无风险套利机会，换句话说可以完美对冲各种风险。因为其定价是基于不存在无风险套利的，这是一个非常虚幻的假设，其模型要求得到一个很好的数学解析解，必定很注重模型，而对实盘上的历史数据不太重视。所以Q宗宽客“重模型而轻数据”，涉及的数学知识主要是随机过程、偏微分方程等分支。

P宗的“P”是指真实概率测度。所谓真实，主要指模型依赖的概率分布是从历史数据上估算出来的。最多只能说是从真实数据上估算出来的，显然没有什么东西保证历史一定会重演（比如黑天鹅）。从定义可以看出这套方法主要依赖数据，数据量越大估算的效果越好，表现为“重数据而轻模型”。在实践中，对冲基金或者各大投行券商的自营部门拿到一组数据时，会用若干备选模型来“跑”，由计算结果来选择最佳的模型，涉及的技术主要是计量、时间序列、更加复杂的统计学习/机器学习。不难看出，为了倒腾数据，这套方法练到上层就要开始“刷装备”。在电子化时代这最终演化为拼机房的“军备”竞赛。

从应用上来讲，Q宗是模型固定，用数据来精化模型的参数；而P宗则可以有若干备选模型，由数据的计算结果来选择最佳的模型。

Q 宗可以让你在缺少数据的情况得出一些结论，从而可以凭空制造一些东西出来，所以卖方（投行）用来做衍生品定价，业务模式是开发新的衍生品出来卖出去。P 宗则喜欢数据量大，这天然就是买方所需要的技术，因为他们本来就需要针对大量证券做出筛选和投资决策，业务是数据驱动的。

从区别就可以看出两者在发展方向上的不同。本质上说，Q宗属于“制造业”，大家比的就是造出更多更好的衍生品来卖，但如果生产出来的东西没人买，生意显然就做不下去。而P宗其实属于“服务业”，那些数据技术不会给你创造出什么新产品，而是通过对本来就存在的业务（比如投资决策）进行精细加工来达到优化的目的。