股票量化交易是利用计算机程序、统计学和数学模型等分析方法，基于历史市场行情数据和其他相关信息，运用算法自动地进行投资交易决策的一种交易方式。相比传统的人为判断和交易策略，它更加科学化和系统化，能够提高交易效率和精度。

具体而言，股票量化交易一般包括以下几个步骤：

数据收集与处理：利用网络爬虫技术和各类金融数据源等手段，获取海量证券市场行情数据和公司财务数据，并对其进行整理和清洗，以便于后续分析和建模。同时，还可以采集其它影响证券市场的重要信息等，如言论、政策甚至社交媒体中的话题等等。

建模与验证：在收集到足够多的证券市场数据之后，需要对数据进行建模，并对模型进行实证和验证，以简化市场现象和预测未来趋势。目前常用的建模方法有回归、时序分析、卡方检验等统计学习方法，也有由机器学习设计出的神经网络、决策树、支持向量机等模型。通过对历史数据的拟合和表现预测进行验证，再选择最优，逐步建立完整模型以用于决策。

根据建好的模型，运用适当的技术分析指标，如均线、RSI等方法进行选股、买入/卖出策略等。这个过程和其他人工策略没什么不同。只是在筛选因子、制定指标、早期风险控制等方面更为系统化。

提交交易指令：采用自动化的方式，将交易指令通过接口提交到各大证券公司的自营系统或量化交易平台上，实现自动下单操作。交易咨询改变后，更新过程会产生一种异步性，使得该用户尚未收到订单完成确认之前，就可以根据当前状态修改下一次交易的规则。

总之，股票量化交易是经过深度思考、计算严谨并最终通过算法执行的一种新式交易方式，它的诞生不断推动证券市场向智能化、高效化、稳健化的目标迈进，也给投资者提供了一种科学、规范和便捷的交易思路。