在不断发展的证券市场上,如何去投资已经成为人们讨论的关键问题,而如何从众多品种中选出合适的品种,如何选择恰当的时机进行买卖,如何在适当的位置退出市场以实现收益最大化或者亏损最小化,如何在不同的市场行情下选择不同的交易策略,如何从大堆历史数据中挖掘出规律,如何去有效地组合交易品种或者交易策略。这些问题已经成为传统的主观交易无法回答的问题,这个时候量化交易的思想开始闪现在众多投资者的脑海,投资者可以借助计算机实现自己的想法,确实如此,就是计算机使得投资者变得更加理性,收益变得更加稳定。本文构建了两个交易策略,一个是简单地构建了一个趋势交易策略,然后用改进后的遗传算法去寻求最优的交易策略,对最优的交易策略进行跟踪得到稳定可观的收益和较小的回撤。另外一个交易策略是基于统计的方法进行跨期套利,利用统计学中的GARCH模型来发现套利的时机。本文选取的期货品种是股指期货主力合约和其他合约,原因在于对股指期货相对较熟悉,而且股指期货相当活跃,可以为市场带来很大的流动性。本文的创新之处在于:(1)对遗传算法进行了适当的改进,对交叉算子中的交叉概率,以及变异算子中的变异概率采取了动态变化的思想,这样做合情合理,因为优秀的个体确实应该能有较大的概率进入下一代,相对较差的个体应该具有很大的变异概率,使得个体(染色体)能够朝最优方向进化;(2)构建的交易策略为完整的一个交易过程,而不是简单地选择几个技术指标,从品种的选择来看,突破了不可以做空和T+1的限制条件,采用股指期货主力合约,而不是股票。利用技术指标CCI和MACD进行入场,利用K线进行过滤,最后采用了动态止盈和固定止损的出场方式,保证了收益的最大化和回撤的可控性;本文遗传算法的适应度函数由收益率和最大历史回撤率组成的二维向量,当对回撤率设置不同的值将会体现出投资者对风险的偏好程度,这样就克服了采用单一衡量因子的弊端,但是衡量一个交易策略的优劣的因素有很多,这也是本文下一步需要改进的地方之一;(3)构建套利交易策略的时候,不是利用历史成交数据计算出套利区间,然后发现超出套利区间的时候进行套利,而是利用统计模型来捕捉套利机会,这样打破了传统套利思想要求价差满足正态分布的局限性。而且最后的实证结果显示本文构建的套利交易策略可以取得可观的收益。