量化交易的缺点可以归纳为以下几个方面：

1. 数据质量依赖性高：量化交易依赖大量的历史数据进行模型构建和策略制定，对于数据的质量要求较高，如果数据质量不好或者存在异常，可能会导致策略的执行效果大打折扣。

2. 系统性风险：量化交易通常依赖于自动化的交易系统，系统的稳定性和可靠性对于交易结果至关重要。如果系统出现故障或者网络延迟等问题，可能会导致无法按计划执行交易，甚至造成较大的损失。

3. 数据过度拟合：在量化交易中，过度拟合是指过度依赖历史数据的某些特定模式，而忽视了市场环境的变化和不确定性。如果策略过度拟合过去的数据，可能在未来的市场中表现不佳。

4. 市场风险和流动性风险：市场中的变化和风险是永恒存在的，即使是量化交易也无法完全避免。市场的不确定性、剧烈波动以及流动性不足等因素都可能导致策略的运行结果与预期不一致。

关于量化交易是否可以赚钱，一般认为量化交易可以在长期持续的运行中获得超额收益。然而，要成功进行量化交易并不容易，需要具备较高的技术能力、资金和数据资源，还需要不断地研究和改进交易策略。同时，量化交易也无法完全消除市场风险和不确定性，无法保证每一笔交易都能赚钱。因此，在进行量化交易时需要有正确的预期和风险管理意识。