中低频交易
量化交易根据交易频率的不同，可以分为高频交易（HFT）、中频交易和低频交易三大类。而中低频交易通常指的是持仓时间从几分钟到几天的交易策略。这类策略相较于高频交易，交易频率较低，但仍然需要一定的市场敏感度和快速反应能力。
要建立一个清晰的框架，最好的方式是从策略的“思想根源”或“Alpha来源”进行分类。也就是说，我们根据“策略为什么能赚钱”的根本逻辑来进行划分。
在这个框架下，中低频量化策略主要可以分为以下五大类别，每个类别下又包含多种具体的策略。
基于市场数据规律的策略 (Market Data-Driven)
- 核心假设：市场的历史价格和成交量数据中蕴含着可以预测未来价格走势的模式。这是最经典的量化思想。
基于基本面数据的策略 (Fundamental Data-Driven)
- 核心假设：公司的财务状况、行业地位、宏观经济等基本面信息是决定其长期价值和未来收益的核心驱动力。
事件驱动策略 (Event-Driven)
- 核心假设：特定的、公开的公司或宏观事件会系统性地影响资产价格，通过在事件前后布局可以获利。例如并购重组、财报发布等事件。
套利策略 (Arbitrage-Based)
- 核心假设：市场在短期内可能无效，导致同一资产或高度相关资产之间出现定价错误，这些价差是低风险的盈利机会。
新兴与复合策略 (Emerging & Hybrid)
- 核心假设：通过更先进的算法（如机器学习）或更独特的数据源（如另类数据）可以发掘传统方法无法找到的盈利模式。
现在我们来详细展开每个主干下的具体策略。
基于市场数据规律的策略
这类策略主要分析价和量，它们构成了量化世界里的“阴”和“阳”，逻辑上完全对立，分别适用于不同市场环境。
趋势跟踪策略 (Trend Following)
盈利逻辑：捕捉并顺应市场的单边走势（牛市或熊市）。
核心思想：资产价格的动量会持续一段时间，“强者恒强，弱者恒弱”。
常用技术：双均线系统、唐奇安通道、布林带突破、MACD等。
持仓周期：中长，通常为数周至数月。
适用环境：趋势市。在市场方向明确时表现优异。
致命弱点：震荡市。会被市场反复“来回打脸”，造成持续的小额亏损。
均值回归策略 (Mean Reversion)
盈利逻辑：捕捉市场在震荡区间内的来回波动。
核心思想：价格会围绕其长期均值波动，“涨多必跌，跌多必涨”。
常用技术：布林带、相对强弱指数(RSI)、振荡器指标(KDJ, CCI)、Z-Score检验等。
持仓周期：中短，通常为数小时至数天。
适用环境：震荡市。在没有明确方向的市场中表现优异。
致命弱点：趋势市。逆势交易可能导致巨大亏损，是趋势跟踪策略的“死对头”。
基于基本面数据的策略
这类策略侧重于公司的内在价值和长期成长性，是传统价值投资的系统化和数量化。
多因子模型 (Multi-Factor Models)
盈利逻辑：寻找并组合多种能稳定预测股票未来收益的“因子”，构建超越市场基准的投资组合。
核心思想：股票的长期回报由其内在的多种特征（因子）共同决定。
经典因子：
价值因子(Value)：如低市盈率(P/E)、低市净率(P/B)。
规模因子(Size)：小市值公司通常有更高成长性。
动量因子(Momentum)：过去表现好的股票未来可能继续表现好（与趋势跟踪思想相通）。
质量因子(Quality)：如高净资产收益率(ROE)、低负债率。
低波因子(Low Volatility)：低风险的股票长期回报更稳健。
成长因子(Growth)：如高营收增长率、高利润增长率。
操作流程：因子挖掘 -> 因子打分 -> 构建投资组合 -> 定期调仓。
持仓周期：长，通常为每月或每季度调仓一次。
事件驱动策略
这类策略利用特定事件对资产价格的影响，通常具有较强的时效性和针对性。它们的收益来源与大盘涨跌相关性较低。
公司公告类：
财报超预期：在财报公布后，买入业绩超预期的公司。
高送转/分红：在预案公告日买入，在除权除息日前卖出。
公司行为类：
并购套利 (Merger Arbitrage)：A公司宣布收购B公司后，买入B公司股票，赚取其市价与最终收购价之间的差价。
定向增发：分析增发价格、对象和目的，判断其对股价的短期影响。
市场行为类：
- 指数成分股调整：提前买入即将被纳入重要指数（如沪深300）的股票，因为被动型基金届时必须建仓。
套利策略
这类策略追求的是确定性更高、风险更低的收益。
统计套利 (Statistical Arbitrage)
盈利逻辑：利用资产之间被统计规律验证过的稳定关系，当这种关系暂时被打破时进行套利。
核心思想：它并非无风险，而是基于高概率会修复的价差。
经典代表：配对交易 (Pairs Trading)。找到两只高度相关的股票（如可口可乐与百事可乐），在它们价差扩大时，做空价格偏高的、做多价格偏低的，等待价差收敛。
期现套利 (Cash-Futures Arbitrage)
盈利逻辑：利用股指期货价格与现货指数价格之间的价差（基差）进行套利。
操作：当基差为正且过大时，卖出股指期货，同时买入一篮子现货股票；当基差为负且过大时，反向操作。
跨期/跨品种套利 ：利用同一资产不同交割月份或不同但相关资产之间的价差进行套利。
新兴与复合策略
这类策略结合了多种先进技术和数据源，力求在竞争激烈的市场中寻找新的Alpha来源。它代表了量化交易的前沿方向。
机器学习策略 (Machine Learning Strategies)
盈利逻辑：利用复杂的机器学习算法（如梯度提升树、神经网络）从海量数据中自主学习并发现非线性的预测模式。
应用：可以用于改进传统因子模型（发现新因子）、进行择时（判断市场状态），或直接输出买卖信号。
另类数据策略 (Alternative Data Strategies)
盈利逻辑：利用传统财务和行情数据之外的信息源，获取领先于市场的信息优势。
数据源示例：
卫星图像：分析工厂、港口、商场停车场的活跃度来预测经济或公司业绩。
网络舆情：分析社交媒体对某公司或产品的情绪。
供应链数据：通过核心企业的订单数据预测上下游公司的业绩。
招聘数据：通过分析公司的招聘岗位和数量判断其扩张意图。