量化交易是量化金融中非常复杂的一个领域。要通过测试或者制定自己专属的交易策略，需要花费大量时间来学习期货、外汇等金融投资相关知识。

不仅如此，你还需要粗略会些编程技能，至少要会MATLAB，R语言或者Python其中一种语言。然而，随着策略交易频率的增加，技术方面相关性更强了，因此熟悉C语言或C++就更为重要。

今天跟艾云一起来了解下外汇EA策略识中第一条：寻找策略，利用优势以及决定交易频率 。

所有的量化交易过程都是在研究初期就开始了的。这个研究过程包括寻找策略，看看这个策略是否与你正在运行的其他策略组合相融，获取测试策略所需的所有数据，并试图优化策略以获得更高的回报和/或更低的风险。

如果你是以“外汇、期货等散户”的身份运行交易策略，还需要考虑自己的资金要求，以及每项交易成本是如何影响策略的。

与人们普遍认为的相反，通过各种公开渠道寻找可盈利的期货、外汇等策略是非常简单的。学术界会定期发表理论交易结果（尽管大部分是交易成本总额），很多外汇EA、智能量化交易的博客通常会详述其使用的策略，行业期刊也会概述基金采用的部分策略。

你可能会问，为什么个人和企业都这么热衷于讨论自己的盈利策略呢，尤其是知道其他人都想来“分一杯羹”的情况下，可能这个策略长期来看就未必还能盈利了。

原因在于，他们其实不会讨论他们使用的确切的参数设置和微调方法。这些优化手段是将相对平庸的策略转为获取高额收益的关键。实际上，创建自己独特策略的最佳方法之一，就是找到相似的方法，然后自己进行调优。

很多你接触到的策略通常都是划分到均值回归和趋势追踪/动量这两类里的。均值回归策略是一种希望利用“价格序列”（如两个相关资产之间的价差）上的长期均值的存在以及围绕该均值的短期波动终会回归的策略。动量策略试图利用投资者心理和大型基金结构，搭上市场趋势的顺风车，这种顺风车可以在一个方向聚集动量，并跟随趋势，直到趋势逆转。
定量交易的另一个非常重要的方面是交易策略的频率。低频交易（LFT）通常指持有资产超过一个交易日的策略。
相对应的是高频交易（HFT），通常指持有资产不超过一个交易日的策略。超高频交易（UHFT）指的是以秒和毫秒为单位进行资产交易的策略。作为散户，高频交易和超高频交易当然也有可能，但只在对交易的“技术栈”和订单动态有详细了解的情况下才可实现。因此在这篇介绍性文章中不会过多涉及。
一旦确定了某个或某套策略组合，就需要根据历史数据对其盈利能力进行测试，这就属于回测的范畴了。