量化交易策略是利用数学模型、统计方法和计算机程序，主要分为：趋势跟踪策略、均值回归策略、套利策略、多因子选股策略等等，以下主要围绕四种策略展开解答。

一、 趋势跟踪策略：主要分为以下几种。

       1.移动平均线（MA）策略：​ 如双均线策略（金叉买入、死叉卖出），或价格突破长期均线入场。

动量策略：​ 买入过去一段时间涨幅最大的资产，卖出跌幅最大的（横截面动量）；或基于时间序列，确认上涨趋势后追涨。

    2.突破策略（Breakout）：​ 价格突破前期高点/低点、布林带外轨或特定通道（如唐奇安通道）时触发交易。

二、 均值回归策略：主要分为以下几种。

      1.配对交易（Pair Trading）：​ 选取两只高度相关的股票（如可口可乐与百事），当价差（Spread）偏离历史均值一定倍数（如2倍标准差）时，做空高价股、做多低价股，等待价差收敛后平仓。

      2.RSI/KDJ 超买超卖策略：​ 当指标进入超卖区（如RSI70）卖出。

      3.乖离率策略：​ 价格偏离均线过远时，反向操作博取回归利润。

三、 套利策略：主要分为以下几种。

       1.期现套利：​ 当期货价格与现货价格的差（基差）大于持仓成本+交易成本时，做空期货、做多现货，到期交割获利。

       2.跨期套利：​ 同一品种不同交割月份合约之间的价差异常时进行买卖对冲（如买近月卖远月）。

跨市场套利：​ 同一资产在A市场和B市场价格不一致时（如加密货币在不同交易所的价差），低买高卖。

四、 多因子选股策略：主要分为以下几种。

       1.因子分类：​ 常见因子包括价值因子（低PE/PB）、规模因子（小市值效应）、动量因子（过去表现）、质量因子（高ROE/低负债）、波动率因子（低波异象）。

       2.加权合成：​ 通过历史回归确定各因子权重，对股票池打分，定期买入高分组合、卖出低分组合。

总之量化交易策略图谱从简单的单因子技术指标，演进到复杂的多因子模型和高维机器学习。对于初学者或一般投资者，趋势跟踪和均值回归是最容易理解和回测的切入点；而对于机构，核心竞争力往往在于因子挖掘的深度、执行算法的速度以及风控系统的严密性。无论哪种策略，“简单且鲁棒”通常优于“复杂但脆弱”，因为市场本身具有非平稳性和黑天鹅属性，没有任何一个量化模型可以永远战胜市场。