提高日内回转交易（Day Trading）的速度可以通过以下几个量化算法的策略来实现：

1. 算法交易（Algorithmic Trading）：
- 执行速度：使用高速算法交易系统，这些系统可以快速地执行交易指令，减少延迟。
- 订单类型：利用市价订单（Market Orders）和限价订单（Limit Orders）的组合，以确保快速成交。

2. 高频交易（High-Frequency Trading, HFT）：
- 硬件优势：部署靠近交易所的服务器，减少数据传输时间。
- 数据解析：快速解析市场数据，识别交易机会。

3. 机器学习（Machine Learning）：
- 模式识别：使用机器学习算法来识别市场模式和趋势，预测价格变动。
- 预测模型：构建预测模型来预测短期价格走势，以便快速做出交易决策。

4. 优化执行策略（Execution Optimization）：
- 订单分割：将大订单分割成小订单，以减少市场影响和提高执行速度。
- 时间优先：在市场流动性高的时候执行交易，以减少滑点。

5. 风险管理（Risk Management）：
- 动态止损：设置动态止损点，以快速响应市场变化，减少潜在损失。
- 仓位管理：根据市场波动性调整仓位大小，以控制风险。

6. 市场微观结构分析（Market Microstructure Analysis）：
- 订单簿分析：分析订单簿深度，识别流动性和潜在的交易对手。
- 交易量分析：监控交易量，以确定的交易时机。

7. 新闻和事件驱动交易（News and Event-Driven Trading）：
- 自然语言处理（NLP）：使用NLP技术快速分析新闻和事件，以捕捉交易机会。

8. 合作竞争策略（Cooperative-Competitive Strategies）：
- 市场影响共享：与其他交易者共享市场影响信息，以减少对市场的冲击。

9. 技术基础设施（Technical Infrastructure）：
- 网络优化：优化网络基础设施，确保数据传输的高速度和低延迟。
- 系统监控：实时监控交易系统的性能，确保系统的稳定性和可靠性。

通过这些策略，量化算法可以帮助交易者在日内回转交易中提高交易速度，从而在竞争激烈的市场中获得优势。然而，需要注意的是，这些策略的成功实施需要强大的技术支持、深入的市场理解和严格的风险控制。