量化交易是一种利用数学模型、统计分析和计算机程序进行证券交易决策及执行的投资方式，核心是通过计算机自动生成或执行交易指令，减少投资者情绪干扰。其运作流程包括历史数据挖掘、策略模型构建、回测验证、算法交易执行及实时风险控制。
在炒股应用方面，量化交易主要体现为以下策略与模式：
策略类型：包括多因子选股（分析价值、成长、动量等因子）、统计套利与价量策略（Alpha策略，寻找短期偏离合理价格的股票）、趋势跟踪与均值回归策略（Beta策略）、高频交易（捕捉微小价差）、市场中性策略（对冲系统性风险）、基本面量化、事件驱动及AI机器学习策略等。
交易频次分类：高频量化（一秒几十笔，日内反复买卖，主要针对ETF及大盘蓝筹）、中频量化（持仓几天至几周，结合趋势与情绪模型）、低频量化（持仓数月至数年，基于估值与基本面）。
盈利逻辑：依靠概率取胜，赚取波动差价、规则差价（如ETF折溢价、盘中套利）及趋势收益，不依赖主观预测涨跌。
工具与参与方式：机构使用专业算法交易与高速通道；普通投资者可通过正规金融机构提供的“轻量化量化工具”（如券商官方平台）参与。
量化交易的核心优势在于数据驱动、自动化执行和纪律性，能有效避免人为情绪波动对投资决策的影响。但其模型存在过度拟合历史数据的风险，且在极端市场条件下可能失效。随着人工智能技术的发展，机器学习正在成为量化策略研发的新引擎。