您好，量化交易是指以数学模型替代人为的主观判断，利用计算机技术从庞大的历史数据中海选能带来超额收益的多种“大概率”事件以制定策略或自动执行策略，极大地减少了投资者情绪波动的影响，避免在市场极度狂热或悲观的情况下作出非理性的投资决策。对于量化交易，多数投资者虽不陌生，但又深感迷惑。
量化交易的策略分为哪些？是如何去赚钱的？
常见的量化交易策略可以分为趋势跟踪和市场中性策略，趋势跟踪常见的有双均线策略、海归交易法等。常见的市场中性策略包括统计套利策略、Alpha对冲策略等。其中，趋势跟踪策略中最为典型的便是双均线策略。
而量化交易由于借助计算机进行交易，能有效克服交易过程中面临的市场情绪、人性等诸多因素的影响，让投资交易及决策变得更为理性，并运用大量的历史数据做统计和回测，在此基础上做出适当的修改、调整，以形成可适应市场的交易策略。策略在形成后，往往各个决策条件也已经确定，实盘中也会按照此前既定的程序精准地执行。
量化交易常见的误区
误区1：量化投资就是高频交易
从本质上讲，大部分高频交易都属于量化交易，而量化交易不仅仅只涵盖高频交易这一种。当然，它们都是基于资本市场和计算机领域的快速发展演变而来。比如近些年大数据和人工智能的迅猛发展，让投资过程中的各个环节变得愈发智能化。同时，大量数学统计学、计算机以及金融工程相关专业的人才大量涌现，也推动了行业内策略的逐渐完善和迭代。此外，机构投资者的培育和增长也无疑为这两类投资方式提供了创业基地。
误区2：量化需要过度优化参数
当我们把交易策略写出来之后，在单个参数对上测试过之后，接下来就要进入策略开发的参数优化过程。
在进行参数优化时，遍历很多参数之后。会发现，有的参数对表现比较好，有的参数对表现比较差。而如果只是简单挑选一个看似“表现特别好”的参数对，就会在未来实盘交易时发现策略的表现其实并没有模拟盘上那么好。但参数优化的目的并不是要挑选出盈利最高，或夏普比率最高的参数对，而是我们要去发现这个策略是否是参数敏感的。这就代表着在一定范围内，不同参数的表现是否稳定，策略是否具有稳定性。
以上是我的回答，希望能帮助到您，欢迎咨询！