股票量化投资的风险主要包括以下几个方面：

模型风险：量化模型是基于历史数据和假设构建的，可能无法准确预测未来市场变化。模型的失效或不准确可能导致投资决策错误。

数据风险：量化投资依赖大量数据，数据的质量和准确性至关重要。如果数据有误或不完整，会影响模型的输出结果，进而影响投资决策。

技术风险：量化投资依赖复杂的算法和计算机系统，技术故障、系统宕机或黑客攻击等技术问题可能导致交易中断或错误。

市场风险：市场环境的变化，如政策变化、宏观经济波动等，可能对量化策略的效果产生重大影响。

流动性风险：在市场流动性不足时，难以以预期价格买入或卖出股票，可能导致交易成本增加或无法及时交易。

为控制这些风险，可以采取以下措施：

多样化策略：设计和实施多种量化交易策略，避免依赖单一策略，从而分散风险。

历史数据回测：利用历史数据全面回测策略，评估策略的有效性和风险，并根据回测结果进行优化。

设定风险限额：设定单笔交易的最大损失限额、总投资组合的风险限额等，防止损失过大。

实时监测与预警：建立实时监测系统，监控市场行情和交易数据，及时发现异常情况，并建立风险预警系统，及时采取措施应对风险。

数据质量控制：确保数据的准确性和完整性，定期检查和清洗数据，使用高质量的数据源。

技术保障：采用可靠的技术架构和安全措施，防止技术故障和黑客攻击，确保交易系统的稳定性和安全性。

综上所述，量化投资的风险控制需要综合考虑策略多样化、数据质量、风险限额以及实时监测等多方面的因素，通过系统化的措施来管理和降低风险。