量化交易也称为算法交易，是严格按照计算机算法程序给出的买卖决策进行的证券交易。简单的来讲就是用把自己的投资想法用数理模型和计算机手段数量化的实现。

大家容易把量化交易与技术分析混淆，实际上量化交易的内容丰富的多。许多量化交易系统在进行建模和运算的时候会用到基本面数据，比如估值、市值、现金流等，还有的算法将新闻作为变量进行计算。而技术分析基本只需要用到交易标的的量价数据。

一般投资者，在接触交易时，一般采用主观交易模式，根据个人对于盘面或者基本面的判断来进行下单，容易受到客户情绪因素影响，在接触交易一段时间后，多数投资者会选择指标来指导自己进行交易，然而由于这种模式下单仍然要经过投资者主观过滤，如果操作不当，仍然会效果不理想。在经历了主观交易和指标交易的各种缺点后，转型为专业投资者都会选择量化投资，数据回测与系统纪律性让投资者走向成功的路上事半功倍。

量化交易是将市场中的历史数据通过构建因子，通过选出“具有超额收益”的标的来赚钱的交易策略。离不开最新的数学和计算机理论的支持。

如果应用于股票市场的话，一般包括量化选股和量化择时两点。

选股模型主要包括：多因子模型、风格轮动模型、行业轮动模型、资金流模型、动量反转模型、一致预期模型、趋势跟踪模型和筹码选股模型。

择时包括：趋势择时、市场情绪择时、时变夏普率模型、牛熊线模型、Hurst指数模型、SVM模型、SWARCH模型和异常指标择时等等。

量化投资的优点在于纪律性、系统性、及时性、准确性和分散化。

对于这个问题，首席投资官评论员李睿阳认为：

数量金融，也称为量化金融/量化交易，属于应用数学领域，涉及金融市场的数学建模。一般而言，数量金融会推导和扩展数学或数值模型而不必建立与金融理论的联系，只要将观察到的市场价格作为输入即可。数学上的一致性是必需的，并不一定必须和经济学理论兼容。因此，虽然金融经济学家可能会研究公司可能具有某种股价的结构性原因，但金融数学家可能会将股价视为给定的值，并尝试使用随机微积分来获得相应的衍生工具的价值。无套利定价的基本定理是数学金融中的关键定理之一，而Black-Scholes方程和公式是关键结果之一。

数量金融也与金融工程领域重叠。后者侧重于应用和建模，通常借助于随机资产模型，而前者除了分析外，还侧重于构建模型的实施工具。总的来说，有两个独立的金融分支需要先进的定量技术：一方面是衍生品定价，另一方面是风险和投资组合管理。

程序化交易员路过，量化交易是这样的，比如常见的kdj金叉并kd值在20以下，才做交易，那电脑编程是这么写，当持仓=0 and kdj金叉 and k和d值小于20 然后买入多少数量。这个过程不是人去判断，是电脑判断。当kd值有时21，人可能根据市场情绪也会买入，但电脑它不干。严格尊守。

量化交易，也有自动化交易，程序化交易，EA， 高频交易，算法交易等等，大致意思差不多，不同的领域可以叫法不一样，譬如外汇市场大多叫EA。主要是把自己的交易系统通过计算机语言（Python ，matlab等等，很多）程序编写实现出来，把这个程序和数据信息（量价信息，基本面，金融政策信息等等）接口接上，通过在计算机或服务器（现在大部分都是租一个云服务器）上运行，实时执行各种分析，选股，择时，买，卖，加仓，减仓，止损止盈等等。这样可以省去一些人力成本（人力分析慢，3000只股票得需要很对人天天），省去不必要的盯盘时间，一定程度规避情绪心理因素影响。一个完整的量化交易包括很多东西：1、资金管理或投资组合管理；2，选股，基于数据面的技术分析（均线，macd等等，太多了），基于基本面的分析（市盈率，财务报表等），基于经济面的分析（财政及货币政策，经济周期，行业周期轮动等），基于情绪面的分析；3，择时也即建仓的时机，止损止盈，加仓减仓平仓等；4，交易记录总结改进。当然还有别的很多内容。也有办自动化的，譬如只采用分析做选股。这个东西老美搞了30多年了，国内搞了十几年。可以了解一下大神西蒙斯和文艺复兴基金。国内这几年也出现很多平台，还不是特别成熟，入聚宽，掘金量化等等，也有几十个，可以关注一下。

量化交易，通俗一点说，就是通过编写软件程序，实时监测市场交易情况，并且设定一些条件，一旦当市场交易情况满足这些条件时就自动执行一些操作，比如买入、卖出等。最初级就是软件公式进出买卖。量化交易能够排除人的非理性因素，通过大数据与人工智能可以操作大量的资金，降低人力成本。

「量化交易」是一门汇集数学知识与程式语言的学问，一般人或许会认为那是相关领域专家才能胜任的工作。但此书作者告诉我们并不尽然，这是他身为这领域专家，在历经数次成功与失败的实务操作后所下的结论。在从事量化交易前，需要先厘清一非常重要的观念，那就是这不是能一夕致富的行业，不然到头来只会落得血本无归的下场。积极谨慎的个性与耐心，是做这行业人最普遍具有的特质。

随着网络资源搜索的盛行，我们不难在许多学术文章或是相关网页论坛里，找寻到许多适合自己偏好取向的交易策略。因此我们关心的是如何分辨这些交易策略的好坏，以及避免在这过程中犯下一些常见的错误，例如存活偏误(survivorship bias)、前视偏误(look-ahead bias)、资料窥探偏误（Data-snooping bias）以及对交易成本的考量等，以下一一为大家介绍。

下图为计量交易的流程．首先，交易者会从历史资料或过去经验中得到对于市场的知识，将知识量化后发展出交易策略，并使用策略对过去历史资料做回测，产生对此策略的评估报告．这样做的好处是，可以确保执行者对策略完全了解，另一方面，若在回测中发现不够好的部分，也可以及时修正与改进．最后，此策略就可以进入实际操作的阶段．而从发展策略到回测产生评估报告的过程，就是传统投资方式与量化交易最大的差异处。

首先，是进行回测的平台，以下介绍几个常用的回测平台：

所谓的量化交易通俗来讲就是机械化操作。就是满足一定的条件就自动化操作。比如你自己买股票站上五日均线买入跌穿五日均线卖出。只要设定一下这样的操作方法的程序到时候只要满足这样的条件电脑就会自动的买进卖出而不需要人为去操作。做股票最重要的一点就是有了一套好方法严格执行。如果是人去操作难免会坚持不下去因为人会因为盘面而情绪波动从而不坚持自己的方法。但是机器就不同只要设置好方法的程序到时候它就自动买卖。所以量化交易以后会越来越流行。

上面的各位大佬得都很到位了，我作为10年个人投资股票经历，2年自行研发量化交易系统并现在正在和私募合作发产品的一个量化新人，我来谈谈我对量化交易的浅薄认知。

量化交易带给我的一个最深刻的印象就是其”确定性”。

主观交易到量化交易

首先是人来交易，对应量化，我们称为主观交易。人交易必然有一个方法，可能叫模式、可能叫模型都没有关系。总之包括了买入卖出整个过程，比如选股，复盘，看盘，分析，跟踪，买入，仓位，卖出等等。我们给了这整个过程一个名词叫做策略。量化，可以把这一个过程程序化，因此变成了量化策略。

量化不仅仅是简单地把人的思路、行为程序化，它还解决了一些关键问题。

人的方法是经验论，是从过去的交易经历中提取出来的经验，但是这些经验有没有用，什么时候失效，什么时候有效，都得靠人去把握。大多数情况下，人没法确定这个经验到底有没有用，因为仅仅只是从个别强势股里面提取了一些正确的案例。

随着经济环境的日益纷繁复杂，市场逐渐把“凭经验”“凭感觉”“凭消息”的主观投资策略淘汰出局取而代之的是量化交易策略

它是一种理性的思维，极大地减少了投资者情绪波动的影响，也就是人性的弱点。避免在市场极度狂热或悲观的情况下作出非理性的投资决策。

也是一个长期熏习，循序渐进的过程，不能操之过急