量化交易策略类型多样，以下是常见分类及核心特点：
一、按交易逻辑分类
1. 趋势跟踪策略
核心逻辑：捕捉资产价格趋势（上涨/下跌），通过技术指标（如移动平均线、MACD）判断趋势延续或反转。
应用场景：单边市场（如牛市或熊市），典型策略包括唐奇安通道突破、海龟交易法则。
2. 均值回归策略
核心逻辑：认为价格偏离历史均值后会回归，通过统计价差（如配对交易、ETF套利）获利。
应用场景：震荡市场，例如同一行业内两只高相关性股票的价差收敛。
3. 统计套利策略
核心逻辑：利用资产间统计关系（协整性、相关性），做多低估资产、做空高估资产，等待价差回归。
典型案例：股指期货与现货的期现套利、跨市场/跨合约套利（如沪深300ETF与IF合约）。
4. 动量策略
核心逻辑：买入近期强势资产，卖出弱势资产，基于“强者恒强”的市场惯性。
数据依赖：短期价格动量指标（如RSI、换手率），适合高波动市场。
二、按持仓周期分类
1. 高频交易策略
特点：持仓时间极短（毫秒级至分钟级），依赖算法和硬件优势（如低延迟交易系统），通过微小价差累积收益。
典型场景：交易所做市商、订单流分析策略。
2. 中频交易策略
特点：持仓数小时至数日，结合技术面与基本面数据（如财报因子、宏观指标），常见于量化对冲基金。
3. 低频交易策略
特点：持仓数周以上，基于长期趋势或宏观经济周期（如大类资产配置、行业轮动），接近传统主动投资逻辑。
三、按数据维度分类
1. 量价策略
数据来源：仅使用价格、成交量、持仓量等市场交易数据，开发门槛较低，散户最易接触（如券商QMT/Ptrade内置策略）。
2. 基本面策略
数据来源：财务报表（营收、利润）、宏观经济指标、行业数据等，通过多因子模型筛选优质资产（如价值投资量化版）。
3. 另类数据策略
数据来源：非传统金融数据（如卫星图像、社交媒体情绪、电商销售数据），需处理非结构化数据，技术门槛高。
四、按市场中性分类
1. 市场中性策略
目标：通过多空对冲（如做多股票组合+做空股指期货）消除市场风险（β），仅获取超额收益（α）。
典型策略：股票多空策略、行业中性策略。
2. 非市场中性策略
目标：承担市场风险以获取更高收益，如纯多头量化选股、CTA趋势策略（商品期货趋势跟踪）。
散户如何选择？
入门首选：量价类趋势跟踪或均值回归策略（如券商工具内置的网格交易、均线策略），无需复杂数据，适合小资金测试。
进阶方向：结合基本面因子（如PE、ROE）的多因子策略，可通过聚宽等平台的免费回测工具学习。
避坑提示：高频策略需专业技术支撑，散户参与难度大；另类数据策略成本高，谨慎尝试。
如需进一步了解某类策略细节（如如何用QMT实现网格交易），可随时告知！