量化投资也分成主动和被动类型，主动类型追求绝对收益，通过承担各类风险因子，从而追求在任何市况下都可以获得超额稳定收益的结构，数字货币的量化投资策略也大部分是以主动投资为主。
被动投资量化策略主要是追求和各类指数相似的回报，承担的是大盘系统性风险以及各类细分行业或风格风险，以获得配置回报，近年来加入因子分析的指数增强型量化策略获得青睐，交易员可以增加某一类风险的暴露从而获得超越指数的回报。
然而由于缺乏行业认可指数的存在，数字货币的被动量化投资非常少见，量化交易策略13z开4z77发z558，因此也是未来一个潜在的发力方向。
2.2主动量化策略
1趋势类策略
趋势判断主要是要判断目前是什么样的市场，是向上还是向下，以及什么样的标的更适合这样的市场。如果判断错误则风险非常之高，但是对应的判断正确的收益也极大。
量化选股（币）
量化择时
量化选币，就是构建一系列标的（多空）组合，无论是股还是币。量化选股（币）有很多种类型，最广泛应用的就是多因子模型，其基本原理在于拆解可以构成标的物上涨和下跌的因素，也可以说是因子分析。
即在构建投资组合的时候，不是以标的物本身进行分类（比如某行业分配多少权重），而是按照因子进行分类，某一类因子给予多少权重。当然股票和数字货币也有不同，股票的因子会更多，因为涉及到很多基本面的因素，数字货币情绪面（如推特的讨论）或者事件驱动类型（减半、重大升级、合作）的因子更多，但是关键在于，找到合适的因子进行模拟和回测。
容易犯的错误比如，把一些看似重要、但实际并不重要的因子，分配过多的权重，而增加了风险，所以还需要对因子的有效性进行检验。
数字货币常见因子包括：市值、成交量、动量、社交平台（讨论数、follow量）、特殊事件（升级、Coinbase上币等）、宏观流动性等。
量化择时起初就来源于比较简单的技术分析手段（如均线、量能等）分析，一般分成趋势择时指标、市场情绪择时指标、牛熊线指标、市场异常指标、以及一些根据特殊指标进行调整的方法（时变夏普比率、分形方法等）。
2波动类策略
波动类策略是试图不承担系统性风险的做法，无论系统是向上，向下还是波动，希望把系统风险排除在外。比如著名的阿尔法策略，就是把系统风险贝塔，通过衍生产品对冲掉，剩下的只是个股、个券，个币的收益。波动类策略在牛市中仍然跑不过长仓基金，熊市和波动市则可以获得超额收益，属于长期稳健型的方法。
统计套利
统计套利是指通过对相关投资标的的历史统计规律进行研究，发现其相对应的长期均衡关系（协整关系），当某一对品种的价值偏离到一定程度后，开始买入向下偏离的，卖出向上偏离的，甚至只进行单边操作，在长期均衡关系回归以后获利了结。统计套利的标的可以从最简单的配对交易(两个标的之间)，到一系列标的投资，关键在于寻找出标的之间的协整关系。
比如对于数字货币市场，有人曾作过莱特币/比特币，以太坊/比特币之间的配对交易，就是计算出一对数字货币比值的长期历史均值，然后买入低估的那个，如果可以做空，在衍生品市场卖出，最后以求得价值的回归。
在量化交易初学者指南（上）中，我们讨论了在构建您自己的交易策略时派上用场的数学编程、数据和机器学习技能。希望您已经是这方面的专家，并准备好开始构建您自己的自动交易系统。
自动交易系统由几个元素组成。您需要决定要交易的市场，创建特征来识别交易逻辑并制定策略来实施该逻辑来买卖货币。您的系统应该决定何时进入和退出交易，考虑交易成本并通过回测（但不是过度拟合）进行优化。
首先要先确定量化投资组合研发的框架：
一、图表和数据：利用第三方网站或者软件的数据下载后建立组合。
二、策略和回测：利用第三方平台建立组合，对策略进行优化和调整。
三、智能投资：公司自己购买数据，建立自己的底层平台，拥有自己的核心算法
第二步我们要知道正期望的交易系统需要满足哪些条件？
一个交易系统，假设胜率是P，赢亏比是R=W/L，系统期望值为M。
M=P*W-（1-P）*L
正期望系统一共有三个
一、高盈亏比及高胜率
二、低盈亏比及高胜率
三、高盈亏比及低胜率
正期望值系统：
给大家分享两种常见的盈利系统：
1、操作方式是盈亏比放大，运用趋势跟踪交易，靠放大盈亏比获利。
模型：海龟趋势交易系统
2、盈亏比为1：1的趋势交易，止损适当放大，靠胜率优势来获利。
