量化交易是指以先进的数学模型替代人为的主观判断，利用计算机技术从庞大的历史数据中海选能带来超额收益的多种“大概率”事件以制定策略，极大地减少了投资者情绪波动的影响，避免在市场极度狂热或悲观的情况下作出非理性的投资决策 。
量化交易主要是根据纯粹的数据，做一些统计类型的工作，从中找到一套正期望值的交易信号系统。这个信号系统会告诉我们在什么时候买，什么时候卖。跟其它交易来比，它和其它的交易系统的区别来比，这是一个非常客观的交易系统，不参杂任何主观因素，是全自动的一套系统。
正期望值的系统就是它平均每笔的盈利是正向的。这样的话随着次数的增多，它的最终交易结果最终结果也是趋于正向的，因为最终的值取向于平均结果乘以次数。
单比的交易是会亏损，这是因为它总有一个输赢的概率。所以，这个不是问题。但如果我的系统是正期望值的，它最终的结果和趋势是盈利的，它会回归盈利的。
这是量化交易和其它交易方式的最本质的区别。比如主观交易，它可能根据的是一些基本面或信息面去判断某个点是该做多还是做空，什么时候买什么时候卖。这是主观交易的一套方式。而量化交易是从完全不同的角度去看这件事情。
策略开发岗位：首先你会从事数据整理清洗工作，然后上升到策略开发，再到量化研究员，最后到基金经理。基金经理实际上管理的就是投资组合了，而非单个的策略。
量化IT支持岗：一开始是做一些账户实时监控系统的UI开发，之后做账户的适配开发，也就是CPP的开发，再往后会做一些整体基金的IT架构的开发，比如基金整体可能会要求有一些组合下单的东西，这样的话就需要从IT价格上来考虑。
1.R-breaker: 它很清晰的构建出了一个完整计算框架，包括买点是怎么计算出来的，卖点是如何计算出来的以及反转点是如何计算出来的，它都是很全面的。这个可以供大家仔细研究的，但是倒不一定照抄它，因为照抄是没有意义的。但是你可以通过策略本身，看到它一个盈利的模型。
2.海龟交易法：可以看一下它里面是如何计算止损，少数，进场点，出场点的。这是一个很完善的一个策略框架，我们完全可以在这些策略上面开发自己的策略。
有一点值得注意的是，如果你开发的策略是很多其它人没有考虑到的点，与众不同的话，相对来说你会注意到市场上一些效率不高的一些点，这样你的竞争者就会少，而你的优势就会更大一些。
3.统计操定类型的策略：这个策略是对价差建模，价差在恒定区间内波动，这样大家可以构建一些均值回归类型的套利策略。
大家在去写交易策略的时候，一定要注意的是这个策略的优点在哪里，缺点在哪里，相对于缺点，优势是什么。任何一个交易策略都不可能完美无缺，都有缺点和优点，搞清楚它的弱点是比较重要的。
你的策略之所以能盈利，那一定在市场上占有某种优势，如果策略产生回撤的话，就代表你的策略面对市场的时候产生某种劣势所以会回撤。所以，清楚自己策略的劣势是是非常重要的。
其实做一个交易策略就是在问一个问题，也就是“我怎么样可以能使我的系统得到一个长期向的正盈利？”这个相对来讲，更重要一点。
Of course ！只要你想，就可以！
量化交易岗没有明确的，硬性的门槛需求。也不需要金融经济类的专业背景。当然，大家如果懂一点金融知识的话会更好，但是这不作为一个硬性要求。
他们主要偏好编程和数理统计能力。因为量化交易就是基于编程，基于程序。所以写程序的能力很重要！还有数理统计能力，主要是用来在我们对大量的数据作分析的时候你能有一个很明确的框架去处理一些问题。如果你学过一些数理统计能力的话，帮助会比较大。
个人能力和性格呢，会更看重新员工的踏实程度。因为我们在做一些量化交易的策略开发的时候，是很枯燥的。拿到一些历史数据后，我们作一些清洗整理的工作。这需要大量的重复，因此如果不够有耐心和细心的话，很难做好这些事情。
而且量化交易的话现在的市场上对于人才的需求量还是蛮大的，不管是从策略开发也好还是从量化IT 的支持角度来讲，都是挺多的。
量化交易目前在国内前景还是很好的，因为它是用另一个角度去看待交易问题，这个角度要利用到计算机的很多知识，是有一定门槛的，所以还是有比较优势的。
其实，编程／计算机是一项基本功，其次数学会培养大家一个非常清晰的思维。但没有硬性门槛，关键你所掌握的东西跟用人单位的需求匹配就可以了。 没有编程基础也是很容易去学量化交易的其实，包括我认识的50多岁的人去学编程去学量化交易的，做的也不错。最重要的是要对自己有信心，要有坚持。有的时候我认为坚持更重要一些。
书籍。因为量化投资在国内起步很晚，书籍基本都是出自美国作家之手，这里列举TOP 5书籍榜单，此榜单可以认为是量化交易的金融基础知识，至于软件程序方面，都是机器学习和大数据相关的通用技能，故不再列举。
量化交易本身客观讲是一个很有意思的事情，就是你不要把它当成是挣钱而去做的一个交易策略，这个是效率不高的。你要把它当成一个追寻，找出问题本身的一个过程。希望正在看的你，也能明确未来的目标，努力并且坚持！
