量化交易中的市场适应性研究主要包括以下几个方面：

策略调整与优化：量化交易策略需要根据市场的变化进行动态调整和优化，以适应不同的市场环境和交易需求。这涉及对历史数据和实时数据的分析，寻找最优的策略参数和交易信号。

算法模型优化：利用机器学习和人工智能技术，使量化模型具备自我学习和自我调整的能力，以应对市场的不确定性和复杂性。通过不断优化算法模型，提高预测准确性和交易效率。

风险管理与控制：量化交易者需要设置严格的风险管理措施，包括止损点、资金管理规则、仓位控制等，以有效控制潜在的交易风险，确保资金安全和稳定收益。

市场微观结构研究：深入研究市场微观结构，包括订单流、流动性、交易成本等因素，了解市场行为和价格形成机制，从而制定更有效的交易策略。

合规性考量：量化交易需要遵守各国的法律法规和监管要求，建立灵活的合规框架，以规避法律风险。确保交易行为透明、合法，避免因违规操作而受到处罚。

技术基础设施：建立高效、可靠的技术基础设施，包括高速计算、低延迟网络、数据存储和处理能力，以支持量化交易的高频率和大数据需求。

综上所述，量化交易的市场适应性研究是一个复杂而多维度的课题，涉及策略优化、算法模型、风险管理、市场微观结构、合规性和技术基础设施等多个方面。通过综合研究和应用这些内容，量化交易者可以更好地适应市场变化，实现稳定和可持续的交易收益。