随着电子化交易平台在全世界股票市场的逐渐成熟，量化交易成为各证券市场的新宠。在国外，量化交易被广泛应用于投资机构的实际操作中，近年来迅速兴起但饱受争议的高频交易就属于量化交易的新兴方式，因其具有程序化交易、巨大的交易量、极短的持仓时间、单笔收益率低而总收益高等特点，成为国内外投资研究领域关注的焦点。而我国证券市场起步较晚，电子化交易平台也在逐步完善，量化交易模式也处于发展阶段，加之我国T+0交易即将重启，这将对我国量化交易的推广起到重大的推动作用。因此，针对我国证券市场的量化交易模型研究具有非常重要的现实意义，是我国证券市场投资研究的一个重要方向。本文以量化交易策略模型为研究对象，选取了六只样本股票以及一只预测股票，涉及当日交易明细、量化交易明细，其中包括成交价格、成交量、买卖前三手数量、成交时间、量化交易成交量等股票市场数据，利用策略模型对预测股票的量化交易进行策略研究预测。首先，文章依先前对于股票投资策略的研究，首先对股票价格波动与大单投资策略之间的关系进行研究分析，利用列联表检验及独立性检验，发现量化交易策略与价格波动之间极有可能存在着一定的非独立的关系。其次，为深入探究这种非独立型关系，文章利用累积probit模型对样本数据进行拟合，并使用所拟合的模型对预测集股票进行策略分析，得出1）即期变量较前期变量对于投资决策有更为显著的影响，2）量化交易策略偏向于与市场价格变化做同向交易，3）在高成交量的活跃市场氛围下，量化交易策略更倾向于进行买入交易，而在成交量比较低迷的情况下量化交易策略更倾向于进行卖出策略，4）买入挂单和卖出挂单对量化交易策略交替产生影响，本期高卖出挂单量趋向于使量化交易策略进行卖出交易而使得下一期量化交易策略趋向于进行买入交易，5）量化交易策略的实施对于股价走势的具有较为严格的要求，随后对其预测集进行预测并观察策略误判率。再次，为了探究不同的模型方法对策略决定的影响，文章利用贝叶斯网络和支持向量机（SVM）对数据进行模型训练以及对预测集进行预测，并将其与累积probit模型的预测结果进行精度比较，得出三种模型对于交易策略的预测，各有优势，在预测精度方面SVM方法较好，而对于模型解释性，累积probit模型有较为明显的优势，而贝叶斯网络处于以上两种模型中间。最后，根据以上分析发现策略的制定实施与价格具有非常密切的关系，文章利用多元时间序列模型，对股票价格进行拟合分析与预测，发现VARX模型和状态空间模型都能够对股价进行很好的预测。文章结尾结合量化交易的特点，对我国证券市场面对新型交易方式在监管层面提出一些合理化建议。