​量化交易策略是一种基于机器学习和数学模型的交易策略。以下是其中几种常见的策略：

1. 均值回归策略：根据历史数据分析股票的均值和标准差，当股票价格偏离均值较大时，认为股票价格会回归到均值，进行交易。

2. 动量策略：根据股票价格变化的趋势，选择涨势较好的股票进行交易。

3. 趋势策略：根据股票价格的趋势确定股票价格的走势，选择跟随市场趋势的股票进行交易。

4. 统计套利策略：通过对不同市场、不同品种的股票进行统计分析，找到价格差异较大的股票进行套利交易。

5. 事件驱动策略：根据企业的重要事件，如业绩公布、并购重组等，判断股票的走势，选择相应的股票进行交易。

目前一些券商是免费提供量化交易软件的，只要达到申请门槛就可以免费申请使用，只是大部分券商资金门槛都很高，都在50W以上，但是有个别券商门槛相对更低，目前券商主要免费提供的是ptrade和QMT，都可以编写自己的量化策略，这两个用的人最多，软件相对也比较成熟，因为适用的投资者不同，所以不同类型的投资者都能覆盖到

QMT：功能定位于【智能策略编写】，技术门槛较高（有一定编程经验），支持VBA和Python双语言开发策略，策略跑在本地， 很安全，支持直接读取本地文件；回测和交易支持tick级、分钟级、5分钟级、10分钟级、日线、周线、月线等；支持普通股票、两融、ETF申赎、可转债以及期权、期货

Ptrade：功能定位于【智能策略条件单】等交易工具，可对标东方财富、通达信、同花顺收费版，支持Python，策略上传至服务器端，由服务器来运行策略，交易速度较快，并且不需要盯着终端，方便很多；支持读取文件，但是需要手动上传至服务器端，操作比较麻烦，程序无法直接读取量化终端本地的文件；回测和交易只支持分钟级和日线级别的频率；支持普通股票、两融、ETF申赎、可转债

评估一个量化交易策略的有效性是一个重要的步骤，以下是一些常用的方法和指标：

1. 回测测试：通过历史数据回测来评估策略的表现。回测可以模拟策略在过去市场情况下的表现，包括盈利能力、风险管理、交易频率等指标。通过回测可以评估策略的稳定性和可靠性。
2. 夏普比率：夏普比率是评估策略风险调整后收益的指标，计算方法为策略年化收益率减去无风险利率后，再除以策略年化波动率。夏普比率越高，代表单位风险下获得的收益越高，策略越有效。
3. 最大回撤：最大回撤是衡量策略风险的指标，表示策略在历史最大损失期间的最大幅度。最大回撤越小，代表策略风险越低，有效性越高。
4. 胜率和盈亏比：胜率是指交易中获利的次数占总交易次数的比例，盈亏比是指获利交易的平均盈利与亏损交易的平均亏损之比。高胜率和盈亏比可以说明策略的有效性。
5. 滑点和成本考虑：在评估策略有效性时，需要考虑实际交易中的滑点和成本，以确保策略在实际操作中也能够盈利。
6. 参数优化和敏感性测试：对策略中的参数进行优化和敏感性测试，以确保策略在不同市场环境下都能够保持有效性。
7. 实时监测和调整：策略在实际交易中需要不断监测和调整，以确保策略的有效性能够持续。

综合以上指标和方法，可以帮助评估一个量化交易策略的有效性，帮助投资者选择和优化策略，提高交易的成功概率和盈利能力。