大家都看过猴子在丛林中用棍子当工具的视频。 但是，有多少人会相信，没有猴子的陪伴，棍子们会自己去找香蕉呢？ 但这正是一些人对计算机自动交易的预测。
回到 1980 年代和 90 年代，当银行的货币和商品交易员坐在办公桌前，两只耳朵上都戴着电话听筒时，很少有交易员真正使用计算机来帮助他们决定是否进行交易。大多数人使用他们的 Windows 3.0 来输入他们已完成的交易，以此来记录这些交易并将其发送到他们的后台进行处理，但很少有人（如果有的话）使用它们进行决策。
过去，很少有交易者是“技术”交易者。大多数交易对象是基本面 — 从国际财经新闻服务流入的持续数据流。然而，图表和计算机可以帮助预测未来市场方向的想法确实开始站稳脚跟，越来越多的交易者开始了解模式识别和统计数据分析。
2000 年后，大多数交易者都知道移动平均线、RSI、MACD 和其他计算机生成的市场指标。此外，上升三角形、头肩和菱形等术语在金融市场评论员的网页上变得更加常见。
为了将这种计算机化的“技术”分析提升到一个新的水平，金融机构开始尝试自动算法或“算法”交易，其中计算机不仅可以识别图表模式，还可以提出交易建议。
这种类型的计算机化或“机器人”交易的缺点是，为了执行任何作，必须对计算机进行编程以识别该作。要使计算机识别模式，必须首先将该模式编程到计算机使用的程序代码中。这方面的一个例子是 IBM 的“Big Blue”国际象棋程序之间的人机之战，该程序一直未能击败人类特级大师。人类太擅长创造性地行动和以不可预测的方式进行管理了。同样的计算机缺点也适用于金融机器人交易。
在快速调用历史数据方面，计算机胜过人类。然而，当市场或世界上发生意想不到的事情时，人类通常比计算机更好地处理对新情况的即时吸收。
强大的金融机构已向圣杯金融计划投入数百万美元，这些计划旨在根据全球经济和政治信息做出买卖决策。然而，当面对美国次贷崩溃等完全原创的事件，甚至是美国总统唐纳德·特朗普等不可预测的个人的崛起时，这些计划始终未能获利。
毫无疑问，计算机化交易程序有一席之地，但为了获得最佳结果，信号只能由人工作员管理。
