量化T0交易策略，通常指的是日内交易策略，即在同一交易日内买入和卖出同一资产的策略。券商或投资者评估这类策略的胜率通常会考虑以下几个方面：

1. 历史回测：
- 数据收集：收集历史交易数据，包括价格、成交量等。
- 策略模拟：使用历史数据模拟策略的执行，计算在不同市场条件下的盈亏情况。
- 统计分析：分析模拟结果，计算胜率、盈亏比、夏普比率等关键指标。

2. 市场因素分析：
- 市场波动性：高波动性市场可能提供更多的交易机会，但也伴随着更高的风险。
- 流动性：流动性好的市场更容易执行交易，对日内交易策略尤为重要。

3. 策略参数优化：
- 参数调整：通过调整策略参数（如买卖点、止损点等）来优化策略表现。
- 敏感性分析：分析不同参数对策略胜率的影响。

4. 风险管理：
- 止损设置：合理的止损设置可以控制单笔交易的最大损失，从而保护整体投资组合。
- 仓位控制：根据市场情况和策略胜率调整仓位大小。

5. 模型验证：
- 样本外测试：使用未包含在模型训练中的数据来测试策略的有效性。
- 实时监控：在实际交易中监控策略的表现，及时调整策略。

6. 技术与算法：
- 算法交易：使用算法来执行交易，减少人为错误，提高执行效率。
- 机器学习：应用机器学习技术来预测市场趋势，优化交易决策。

7. 心理因素：
- 情绪控制：量化交易策略的一个优势是可以减少情绪对交易决策的影响。

8. 合规性检查：
- 监管要求：确保策略符合相关金融市场的法律法规。

通过上述方法，券商可以对量化T0交易策略的胜率进行评估，并据此做出投资决策。需要注意的是，过去的业绩并不代表未来结果，市场条件的变化可能会影响策略的表现。因此，持续的监控和策略调整是必要的。