程序化交易,是从上个世纪70 年代的美国证券市场上的系统化交易发展逐渐演变而来的,依据美国纽约证券交易所（NYSE）的定义,凡是任何含有标普500 指数中15 只股票以上,或者是一百万美元以上的交易,都属于程序化交易。
       NYSE的定义主强调的是交易规模和集中性。然而程序化交易发展到今天,其含义已经远远超出了纽约证券交易所当初的定义。现在给程序化交易一个更为市场化的定义:由一定的交易模型和规则生成的买卖信号,由计算机自动执行买卖指令的交易过程。也就是用计算机程序来控制买进卖出的时机并由计算机自动执行。在这个定义当中,突出的是交易模型、计算机程序对交易的重要性。建立在一定交易模型基础上的程序化交易被运用到真正的投资当中,除了可以加快投资的时间效率,还能为我们创造出额外收益,这是我们所要研究程序化交易的关键。
       程序化交易有交易效率高、帮助投资者规避人性弱点、便于交易中风险及成本的控制及管理、能把握市场中的精细机会等优点。
       程序化交易的应用领域主要有趋势交易、组合管理、套利交易及其他量化策略等。国内推出的股指期货也对国内程序化交易领域形成推动,跨期套利、期现套利、期指趋势投机等各种交易策略将会被集中使用。
       从交易机制上来说,程序化交易不但可以以技术分析类模型为基础,也可以以预测类模型为交易准则。
       技术分析类模型是目前程序化交易中的主流模型,在国外这种模型已经运用得比较成熟了,在国内商品期货等市场应用的也不较多。技术分析类模型出现的最大缺点就是具有滞后性,但准确性相对较高；预测类模型虽然克服了滞后性这个缺点,但准确率相对要低点。
       随着市场上对预测类模型研究的深入以及对该类模型的改进,该类模型的预测准确性正在不断提高,这也是该类模型在程序化交易中的运用前景看好的原因之一。越来越多的研究表明当前投资市场并不是完全有效的,投资者试图通过对股价的预测获取超额收益。国内外对股票价格进行预测的模型类别很多。根据其建模理论不同,可将这些预测模型划分为两大类:一类是创新类模型,建立在现代数学、生物技术等学科发展的基础上,如灰色模型、人工神经网络等；另一类是以统计原理为基础的传统预测模型,如马尔柯夫链模型、ARIMA 模型等。