量化投資并沒有一個精確的定義，廣義上可以認為，凡是借助于數學模型和計算機實現的投資方法都可以稱為量化投資。那么量化投資包括哪些策略呢？

第一種：量化價值策略

量化價值策略側重于股票的價值，尋找預計會隨著時間的推移而增加價值的現被低估的股票。一般來說，價值策略的工作原理是劃掉“股票世界”中被認為有風險的，并使用估值倍數對股票進行排序，通過分析盈利能力和財務實力等因素來確定其增值的可能性。價值策略的成功取決于找對那些會隨時間推移而增值的現被低估的股票。

第二種：聰明的 Beta 策略

Beta 是衡量證券對市場變動的敏感性的指標。它是衡量資產相對于整個市場的表現，如按市值加權的指數所示。例如，波動性比市場大 30% 的股票的貝塔系數為 1.3。通過關注貝塔，投資者可以構建滿足其風險偏好的被動管理投資組合。
Smart Beta 策略旨在通過根據波動性、動量、規模或價值等因素重新加權的自定義指數跑贏市場。與 beta 基金一樣，smart-beta 基金與整個市場密切相關，它們包含根據策略規則進行主動選擇的元素。

第三種：因子投資策略

因子是與更高回報相關的資產的可量化屬性。因子通常分為宏觀經濟因素和微觀經濟因素。宏觀經濟因素包括通貨膨脹、流動性和經濟增長。微觀經濟因素包括股價波動、信用水平、股票流動性和質量。因子投資旨在通過投資具有可帶來卓越回報的因子的證券，創造一個領先于市場的多元化投資組合。

因子投資是一套廣泛的策略，其中包括我們在此討論的一些其他策略，例如聰明的貝塔策略。

第四種：統計套利

統計套利是一種定量投資方法，旨在創建高度多樣化的投資組合，其中的證券持有時間可能只有幾分之一秒。基本策略基于均值回歸分析。分析師確定成對或相關證券組的定價效率低下。他們開立被低估證券的多頭頭寸，并匹配被高估證券的空頭頭寸，期望價格會回到均值。用于關聯證券的方法可能很復雜，統計套利大量使用高頻交易技術、定量分析和計算機建模。

第五種：事件驅動套利

事件驅動套利旨在利用歷史和實時數據來識別可能對特定業務或市場中的事件做出反應的定價不當的證券。簡而言之，事件驅動的套利可能會導致投資者購買股票，預期其價值會在財報電話會議之前或之后上漲。但事件可能要復雜得多，包括監管變更、管理層重組、股東活動等。

第六種：人工智能/機器學習策略

量化投資策略通常依賴于分析師和程序員開發的數學模型和算法。他們對規則進行編碼，讓算法在現實世界的數據上測試。
人工智能策略將計算機模型的使用更進一步，部署機器學習技術來分析大量數據并識別可以在交易算法中編碼的模式。機器學習允許分析師自動化和加速分析，同時基于比其他方式更微妙和更復雜的模式開發模型。
量化投資本身并不是一把“金鑰匙”。實際上，很難有一種策略，在任何市場中都能持續賺錢。即使是很多夏普比率極高的高頻交易策略（比如，股災之前的股指高頻交易策略），也會面臨政策的不確定性。