我是個很愛學習的人，為了弄清楚什麽事量化交易，特意查百度逛知乎，我是從這個問題開始的：
程序化交易是量化交易嗎？
這裏我先把幾個概念總結壹下：
程序化交易
或者自動化交易，是將策略交由計算機執行的交易模式。量化交易中，不少交易是通過計算機自動執行的，但兩者不能劃等號。
對沖交易
更多說的是壹種交易理念，而非具體的策略。
量化交易
更多是基於數據和歷史統計基礎，制定的壹些交易策略。哪怕不用計算機執行，但基於交易因素的數量變化引發的交易，都可以叫做量化交易。
而後，我在知乎上扒到壹段文字，介紹了量化交易的策略研發方法，可以比較好的解答不同概念之間的關系，以及量化策略的進階。作者將量化策略研發分成三個層次：
第壹類：傳統策略量化
很久以前，交易員們就開始做趨勢策略、反轉策略、剝頭皮策略、做市策略等各種不同風格的策略，只不過那時是手工操作，或者半自動化。隨著市場發展技術成熟，量化交易把這些策略的研發和執行自動化了，從而提高了研發效率和水平、降低了交易成本，較大程度的排除了人的不穩定因素。
這類交易，可以說是利用技術來提高原有策略的研發和執行，並且交易頻率和規模也有了變化，但本質上並不算嶄新的策略類別，以前賺錢的策略也許能賺的多壹些，虧錢的策略，量化也不能把他變成賺錢，這就是 思路錯了量化也救不了妳 。
目前國內多數量化交易都屬於此類。
第二類：科學技術驅動策略
純粹或很大程度上基於技術(technologies)差別的策略。這個類別也有壹定歷史，但真正變成壹個龐大且引人註目的策略類別，則是在近10年計算機技術的飛速發展過程中產生的。常見的情形是，某機構因為采用的算法效率更高，計算機硬件更強大（超級計算機），產生了細微的速度和計算優勢，從而在交易上搶得先機，並運用自動化交易頻繁交易大量產品，用巨大的交易量產生穩定的收益。這類策略中IT技術和科學模型起了很關鍵的作用。這就是 技術就是妳的思路 。
舉個例子：
較早開始高頻交易的Tradebot就是這類策略的典型運用者，在2002年就達到了每天壹億個訂單，差不多在那個時候很多傳統做市商被Tradebot和Getco這樣的新型電子做市商擠出市場，後來Tradebot和Getco同樣壹路用技術碾壓其它電子做市商競爭對手。
在2005年, Tradebot 剝離了BATS Global Markets，也就是現在美國第三大股票市場BATS。而1999年Tradebot剛成立時，工作室地點是美國農村Kansas City的壹間小地下室，裏面陰暗潮濕，只有5個交易員坐在電腦屏幕前監控交易，那時每臺電腦上都配備了壹套叫著“Tradebot”的軟件。而Getco 對策略的運用更廣，野心更大。2012年，也是老牌做市商的 Knight 因技術故障，向紐交所發送大量錯誤order，導致公司巨虧4.4億美元，股價兩個交易日暴跌七成，被Getco以18億美元價格收購。
人們常對西蒙斯文藝復興的大獎章基金長期持續的高回報印象深刻，而實際上不太為媒體所知的是 Tradebot 常年保持每天（而不是每月或每年）盈利，not even one single losing day，原因是文藝復興有很多新基金要向外部投資者融資（賺錢的大獎章很早停止了外部融資，而實際新基金表現比大獎章差很多），需要做壹定程度的IR，而Tradebot不對外部投資者開放，自己低調賺錢，這也是HFT很普遍的特點。如果不是市場幾次出現大動蕩，HFT被揪出來當替罪羊，媒體口誅筆伐，基本是沒有多少人知道這個低調類別的存在。
這壹類，國內已經有壹小批類似的交易者進入，他們深入研究交易規則和市場結構，制定相應的高頻策略，配合高效軟件硬件，爭取積少成多的盈利。
第三類：新型量化策略
這類策略則是得益於計算機技術的發展，而慢慢發展起來的策略類別。它不完全是基於執行的技術優勢，更多是利用技術研發出新策略。例如統計套利，需要較多計算機計算資源進行數據挖掘、模式識別，這在以前僅僅靠人力是難以勝任的。IT技術的發展和成本的降低使得這些策略的研發得以可行。這就是 技術產生新策略 。
這壹類目前國內還處於萌芽期。
感謝知乎作者 Leon
拓展： 如何設計量化交易策略？