概念
量化交易是指以先進的數學模型替代人為的主觀判斷，利用計算機技術從龐大的歷史數據中海選能帶來超額收益的多種“大概率”事件以制定策略，極大地減少了投資者情緒波動的影響，避免在市場極度狂熱或悲觀的情況下作出非理性的投資決策。
特點
定量投資和傳統的定性投資本質上來說是相同的，二者都是基於市場非有效或弱有效的理論基礎。兩者的區別在於定量投資管理是“定性思想的量化應用”，更加強調數據。量化交易具有以下幾個方面的特點：
1、紀律性。根據模型的運行結果進行決策，而不是憑感覺。紀律性既可以克制人性中貪婪、恐懼和僥幸心理等弱點，也可以克服認知偏差，且可跟蹤。
2、系統性。具體表現為“三多”。壹是多層次，包括在大類資產配置、行業選擇、精選具體資產三個層次上都有模型；二是多角度，定量投資的核心思想包括宏觀周期、市場結構、估值、成長、盈利質量、分析師盈利預測、市場情緒等多個角度；三是多數據，即對海量數據的處理。
3、套利思想。定量投資通過全面、系統性的掃描捕捉錯誤定價、錯誤估值帶來的機會，從而發現估值窪地，並通過買入低估資產、賣出高估資產而獲利。
4、概率取勝。壹是定量投資不斷從歷史數據中挖掘有望重復的規律並加以利用；二是依靠組合資產取勝，而不是單個資產取勝。
應用編輯
量化投資技術包括多種具體方法，在投資品種選擇、投資時機選擇、股指期貨套利、商品期貨套利、統計套利和算法交易等領域得到廣泛應用。在此，以統計套利和算法交易為例進行闡述。
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的套利，是壹種風險套利，其風險在於這種歷史統計規律在未來壹段時間內是否繼續存在。
統計套利的主要思路是先找出相關性最好的若幹對投資品種，再找出每壹對投資品種的長期均衡關系（協整關系），當某壹對品種的價差（協整方程的殘差）偏離到壹定程度時開始建倉，買進被相對低估的品種、賣空被相對高估的品種，等價差回歸均衡後獲利了結。股指期貨對沖是統計套利較長采用的壹種操作策略，即利用不同國家、地區或行業的指數相關性，同時買入、賣出壹對指數期貨進行交易。在經濟全球化條件下，各個國家、地區和行業股票指數的關聯性越來越強，從而容易導致股指系統性風險的產生，因此，對指數間的統計套利進行對沖是壹種低風險、高收益的交易方式。
2、算法交易。
算法交易又稱自動交易、黑盒交易或機器交易，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，甚至包括最後需要成交的資產數量。
算法交易的主要類型有: (1) 被動型算法交易，也稱結構型算法交易。該交易算法除利用歷史數據估計交易模型的關鍵參數外，不會根據市場的狀況主動選擇交易時機和交易的數量，而是按照壹個既定的交易方針進行交易。該策略的的核心是減少滑價（目標價與實際成交均價的差）。被動型算法交易最成熟，使用也最為廣泛，如在國際市場上使用最多的成交加權平均價格（VWAP）、時間加權平均價格（TWAP）等都屬於被動型算法交易。 (2) 主動型算法交易，也稱機會型算法交易。這類交易算法根據市場的狀況作出實時的決策，判斷是否交易、交易的數量、交易的價格等。主動型交易算法除了努力減少滑價以外，把關註的重點逐漸轉向了價格趨勢預測上。 (3) 綜合型算法交易，該交易是前兩者的結合。這類算法常見的方式是先把交易指令拆開，分布到若幹個時間段內，每個時間段內具體如何交易由主動型交易算法進行判斷。兩者結合可達到單純壹種算法無法達到的效果。
算法交易的交易策略有三：壹是降低交易費用。大單指令通常被拆分為若幹個小單指令漸次進入市場。這個策略的成功程度可以通過比較同壹時期的平均購買價格與成交量加權平均價來衡量。二是套利。典型的套利策略通常包含三四個金融資產，如根據外匯市場利率平價理論，國內債券的價格、以外幣標價的債券價格、匯率現貨及匯率遠期合約價格之間將產生壹定的關聯，如果市場價格與該理論隱含的價格偏差較大，且超過其交易成本，則可以用四筆交易來確保無風險利潤。股指期貨的期限套利也可以用算法交易來完成。三是做市。做市包括在當前市場價格之上掛壹個限價賣單或在當前價格之下掛壹個限價買單，以便從買賣差價中獲利。此外，還有更復雜的策略，如“基準點“算法被交易員用來模擬指數收益，而”嗅探器“算法被用來發現最動蕩或最不穩定的市場。任何類型的模式識別或者預測模型都能用來啟動算法交易。
潛在風險
量化交易壹般會經過海量數據仿真測試和模擬操作等手段進行檢驗，並依據壹定的風險管理算法進行倉位和資金配置，實現風險最小化和收益最大化，但往往也會存在壹定的潛在風險，具體包括：
1、歷史數據的完整性。行情數據不完整可能導致模型與行情數據不匹配。行情數據自身風格轉換，也可能導致模型失敗，如交易流動性，價格波動幅度，價格波動頻率等，而這壹點是目前量化交易難以克服的。
2、模型設計中沒有考慮倉位和資金配置，沒有安全的風險評估和預防措施，可能導致資金、倉位和模型的不匹配，而發生爆倉現象。
3、網絡中斷，硬件故障也可能對量化交易產生影響。
4、同質模型產生競爭交易現象導致的風險。
5、單壹投資品種導致的不可預測風險。
為規避或減小量化交易存在的潛在風險，可采取的策略有：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；風險在線監測和規避等。