概念
量化交易是指用先進的數學模型代替人工的主觀判斷，利用計算機技術從龐大的歷史數據中挑選出多種能夠帶來超額收益的“大概率”事件來制定策略，大大降低了投資者情緒波動的影響，避免在極度狂熱或悲觀的市場條件下做出非理性的投資決策。
特性
量化投資和傳統的定性投資本質上是壹樣的，都是建立在無效率或弱有效市場的理論基礎上。兩者的區別在於，量化投資管理是“定性思維的定量應用”，更強調數據。量化交易有以下特點:
1，紀律。根據模型的運行結果做決策，而不是憑感覺。紀律不僅可以約束貪婪、恐懼、僥幸等人性弱點，還可以克服認知偏差，可以被追蹤。
2.系統化。具體表現為“三多”。壹是多層次，包括資產配置、行業選擇、特定資產選擇三個層次的模型；二是多角度，量化投資的核心思想包括宏觀周期、市場結構、估值、成長性、盈利質量、分析師盈利預測、市場情緒等角度；三是多數據，即海量數據的處理。
3.套利思想。量化投資通過全面系統的掃描，捕捉錯誤定價和錯誤定價帶來的機會，從而找出估值窪地，通過買入低估資產和賣出高估資產來獲利。
4.概率取勝。壹是量化投資不斷從歷史數據中挖掘出預期會重復的規律並加以利用；二是靠組合資產取勝，而不是單壹資產取勝。
應用編輯
量化投資技術包括許多具體方法，廣泛應用於投資品種選擇、投資時機選擇、股指期貨套利、商品期貨套利、統計套利、算法交易等領域。這裏以統計套利和算法交易為例來闡述。
1，統計套利
統計套利是利用資產價格的歷史統計規律進行套利，是壹種風險套利，其風險在於這種歷史統計規律在未來是否會繼續存在。
統計套利的主要思想是先找出幾對相關性最好的投資品種，再找出每對投資品種的長期均衡關系(協整關系)。當壹對品種的價差(協整方程殘差)偏離到壹定程度時，開始建倉，買入相對低估的品種，做空相對高估的品種，在價差回歸均衡後獲利了結。股指期貨套期保值是壹種統計套利的長期操作策略，即利用不同國家、地區或行業的指數相關性，同時買賣壹對指數期貨進行交易。在經濟全球化條件下，各個國家、地區、行業的股指相關性越來越強，容易導致股指的系統性風險。所以對沖指數之間的統計套利是壹種低風險高收益的交易方式。
2.算法交易。
算法交易又稱自動交易、黑箱交易或機器交易，是指通過設計算法，利用計算機程序發出交易指令的方法。在交易中，程序可以決定的範圍包括交易時間的選擇，交易的價格，甚至最終需要交易的資產數量。
算法交易的主要類型有:(1)被動算法交易，也稱結構化算法交易。交易算法除了利用歷史數據估計交易模型的關鍵參數外，並不根據市場情況主動選擇交易時機和交易次數，而是根據既定的交易政策進行交易。這種策略的核心是降低滑動價格(目標價與實際平均成交價的差額)。被動算法交易最為成熟，應用最為廣泛，如國際市場上應用最多的交易加權平均價格(VWAP)和時間加權平均價格(TWAP)。(2)主動算法交易，也叫機會主義算法交易。這種交易算法根據市場情況實時決策，判斷是否交易、交易數量、交易價格等。除了努力減少價格滑動，主動交易算法逐漸將其重點轉移到價格趨勢預測。(3)綜合算法交易，是前兩者的結合。這類算法常見的方式是將交易指令拆解，分配到幾個時間段，每個時間段如何交易由主動交易算法判斷。兩者結合可以達到單純算法無法達到的效果。
算法交易有三種交易策略:壹是降低交易成本。大單指令通常分為幾個小單指令，逐步進入市場。這種策略的成功可以通過對比同期的平均購買價格和成交量的加權平均價格來衡量。二是套利。典型的套利策略通常包括三到四種金融資產。例如，根據外匯市場的匯率平價，國內債券的價格、以外幣計價的債券的價格、即期匯率和匯率遠期合約的價格之間會存在壹定的相關性。如果市場價格大大偏離理論所隱含的價格，並超過其交易成本，可以用四次交易來保證無風險利潤。股指期貨的期限套利也可以通過算法交易來完成。三是做市。做市包括在當前市價之上掛限價單或在當前價格之下掛限價單，以便從買賣差價中獲利。此外，還有更復雜的策略，比如交易員用來模擬指數收益的“基準”算法，而“嗅探器”算法則用來尋找波動最大或最不穩定的市場。任何類型的模式識別或預測模型都可以用來開始算法交易。
潛在風險
量化交易壹般采用海量數據模擬測試和模擬操作的方式進行測試，按照壹定的風險管理算法分配倉位和資金，實現風險最小化和收益最大化，但往往存在壹些潛在的風險，包括:
1.歷史數據的完整性。不完整的市場數據可能導致模型和市場數據不匹配。市場數據本身的風格轉換也可能導致模型失效，比如交易流動性、價格波動幅度、價格波動頻率等。，這是目前量化交易中很難克服的。
2.模型設計中沒有考慮倉位和資金分配，沒有安全的風險評估和防範措施，可能導致資金、倉位和模型的錯配，出現爆倉現象。
3.網絡中斷和硬件故障也可能對量化交易產生影響。
4.同質模型會產生競爭性交易帶來的風險。
5.單壹投資品種帶來的不可預知的風險。
為了避免或降低量化交易的潛在風險，可以采取的策略有:保證歷史數據的完整性；在線調整模型參數；在線選擇模型類型；在線風險監控和規避等。