一、文献综述
传统交易模式已经无法满足如今的交易需求，而电子化交易模式的出现恰巧迎合了这一市场需求，而且随着这一技术的逐渐成熟，其也逐渐被应用到实际的交易操作中，而且被越来越多的人所关注，国内外都有不少关于这个方面的研究，而量化交易平台也为这个研究方向提供了有力的支持，虽然我国证券市场起步较晚，但基于这些研究成果，加之量化交易模式的发展，相信其对我国证券市场的发展将起到重大的推进作用。
量化交易是将金融学与数学、计算机等知识结合起来，通过程序建立数学模型来代替人的主观判断进行交易决策的一种投资方式，但其不仅仅是这么简单地结合，它还包含许多其他的环节，比如选股、择时、成本控制、风险控制以及仓位分配等，这些环节都是保证搭建模型的准确性和稳定性所不可或缺的，量化交易的获利来源于市场的无效性，这牵扯出一个基本假设，市场在一定程度上市无效的，市场上的交易具有跟随性，单纯的价格序列中存在大量的获利机会，现在的金融市场上，60%以上的指令是由程序发出的，80%以上的美国大型基金都在使用量化投资策略，另外，我国的许多公司也已经将量化分析运用在投资产品上，可以说，量化交易已经逐渐成为了金融领域的未来投资趋势。
对量化交易研究的相关文献一般主要集中在模型的构建，优化，以及模型的特点这几个方面进行讨论和研究的，例如文献[1]中谢鑫基于神经网络的量化选股模型研究，其利用神经网络构建了两种预测A股未来一周涨跌的量化选股模型，并且两种模型都比技术指标选股模型要好的多，风险低，而且能带来超额收益；孙林科则通过以GRACH模型代表计量模型和以SVM模型代表的机器学习算法以及量化交易策略实现了对沪铜期货价格的预期；
由此可见，量化交易可以应用的领域极为宽泛，而且在新兴市场上也有着一席之地目前，全球范围内可在二级市场交易所内交易的数字货币币种达到上千个，而人们参与数字货币的模式通常为矿机挖矿，相比于矿机挖矿，量化投资从投入、收益、维护和风险等四个当面都占有优势，量化投资的资金流动性更强，而且收益更高，并且量化投资可以在币价下跌时进行风险对冲以减小交易带来的损失。
量化交易是通过一系列方法找到市场中的大概率事件，基于此发挥计算机相比人快速、精准且客观的优势去重复多次交易以获得稳定收益的过程。股票市场上所有股票的涨跌似乎是完全随机的，但两个各支维度都十分接近股票在大多情况下涨跌情况都是相近的，可以据此进行配对交易，这也为量化交易模型的实践提供了现实基础。
构建量化交易模型需要数学模型的设计和程序的实现，这也是大多数研究者所在做的，通常一个完整的量化交易模型需要数学模型（随机算法、线性回归、时间序列等）和IT技能的支持（面向对象的编程、数据库等）、这些技术支持在参考书目中也各有体现。
例如文献[3]和文献[5]及文献[6]中，阐述了模型对于量化选股的重要性，并使用模型对市场进行了回测，而且都取得了不错的成绩，虽然模型能够涵盖的信息远不及现实生活中股市的实际信息，但模型能够提供反复操作的可能性，能够为金融机构进行投资做一定的参考。文献[11]则对不同的交易策略进行了分析，并构建了基于趋势的交易策略，证明了遗传算法的可行性，并且利用了统计思想构建了交易策略，然后利用模型进行了预测，达到了非常高的套利成功率。
另外，由于我国证券市场起步较晚，所以量化交易项目也未能赶上发达国家水平，通过诸多文献可知，19世纪70年代量化基金就已经在美国的市场上出现了，从1985年至今，美国量化基金产品数量就在不断地增长，量化投资也在美国的金融市场上占据了一个相当重要的位置；
美国的量化交易传奇詹姆斯·西蒙斯，他是运用量化投资最为成功的代表，他运用数学模型在全球各种市场上运用数学模型进行短线交易，1989年至2009年的二十年期间内，他操盘的大奖章基金平均年回报率高达35%，比同期标普500指数年均回报率高20多个百分点，而他的秘诀就是用数学模型捕捉市场机会，然后由电脑作出交易决策；
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
