一、量化策略思想的来源
（一）经典理论
技术分析理论（包括交易量、持仓量以及各类技术指标分析）、
道氏理论、
趋势理论、
形态理论（包括反转形态、持续形态等）、
波浪理论、
时间周期理论
（二）逻辑推理
行业轮动量化策略
市场情绪轮动量化策略
上下游供需关系量化策略
（三）经验总结
能长期稳定盈利的投资人士，将对市场的看法和交易思路形成策略
（四）数据挖掘
比如用聚类技术对投资标的进行规律挖掘，以及基于关联规则的板块轮动。
（五）机器学习
二、量化数据库的搭建
（一）数据收集
基本面/财务数据、交易数据以及行业/市场/板块相关的指标数据等。
（二）数据库架构的设计
不同周期的行情数据（月、周、日、时、分、秒行情甚至逐笔成交行情）
（三）算法函数的集成
通用函数、数值分析、统计、数据访问等，以及人工智能类算法(如遗传算法、蚁群算法、支持向量机算法等)
三、量化模板的测试与评估
（一）样本内测试
确定选用的指标
选用周期及数据
制定策略逻辑
生成报告，优选策略
（二）样本外测试
小资金实盘测试
四、量化交易系统的实现
（一）量化交易实现的条件
1. 量化交易平台
使用市场已有平台或通过API接口自行开发
2. 交易程序的编写
包括基础语言框架、实时行情接口、交易操作封装接口、仓位管理封装接口等.
3. 程序代码测试
进行模拟测试和实盘测试
4. 量化交易的实现和反馈
进行实盘交易并优化
（二）量化交易的实现方式
手动、半自动、全自动
五、常见的量化交易策略类型
1、趋势策略
追随价格走势，向上突破压力位意味着上涨行情、向下突破阻力位意味着下跌行情
2、量化对冲策略
包括股票对冲、事件驱动、全球宏观、相对价值套利
阿尔法策略：买入股票同时卖空与股票等市值的股指期货(也可以融券方式),盈利方式：所买股票的涨跌幅超越大盘的涨跌幅
3、套利策略
期现套利、跨市场套利、跨品种套利、跨期套利
4、高频交易
流动性交易策略、市场微观结构交易策略、事件交易策略、统计套利策略