1. 趋势跟踪 / 动量策略（Trend Following / Momentum）
核心假设：价格具有惯性，“强者恒强、弱者恒弱”。
细分：
时间序列动量（Time-series Momentum）：单一资产过去一段时间的收益预测未来收益（如海龟交易法则、唐奇安通道突破、均线交叉、MACD）。
截面动量（Cross-sectional Momentum）：在一篮子资产中，买入近期表现最好的、卖出最差的（Jegadeesh & Titman 经典研究）。
残差动量：剔除市场/行业因子后的特异性动量。
因子动量：对价值、质量等因子的近期表现进行动量交易。
典型持仓周期：几天到几个月（中低频为主）。
适用市场：趋势明显的商品期货、外汇、股票指数、加密货币。
优点：简单、容量大、在趋势市中表现突出。
缺点：震荡市容易连续亏损，回撤较大。
2. 均值回归 / 反转策略（Mean Reversion）
核心假设：价格偏离长期均值后会回归。
细分：
单资产均值回归（布林带、RSI、Stochastic 超买超卖）。
配对交易（Pairs Trading）：两只高相关/协整股票，价差偏离时做多低估、做空高估。
篮子套利 / 统计套利（Statistical Arbitrage, Stat Arb）：多资产间统计关系偏离后回归。
短期反转（Short-term Reversal）：日内或隔夜的过度反应修正。
典型持仓周期：分钟到几天。
适用市场：高相关性资产、震荡市。
优点：胜率较高，回撤相对可控。
缺点：趋势市中容易被“趋势击穿”，需要严格止损。
3. 统计套利与相对价值（Statistical Arbitrage / Relative Value）
核心假设：相关资产间存在可预测的统计关系（协整、相关性、PCA 等）。
细分：
股票配对/篮子套利。
ETF 与成分股套利。
期现套利（期货与现货基差）。
跨市场/跨交易所套利。
可转债套利、固定收益套利。
特点：通常市场中性或低 Beta，依赖数学建模与高频数据。
典型机构：文艺复兴、Two Sigma、Citadel 等早期核心策略。
4. 因子投资 / 风险溢价策略（Factor Investing / Risk Premia）
核心假设：某些可识别的特征（因子）能长期获得超额收益。
经典因子（Fama-French 等）：
价值（Value）：低 PE、PB、EV/EBITDA。
动量（Momentum）。
规模（Size）：小市值溢价。
质量（Quality）：高 ROE、低杠杆、稳定盈利。
低波动（Low Volatility）：低 Beta 或低波动率。
其他：盈利、投资、流动性、ESG 等。
实现方式：多因子打分选股、Smart Beta、指数增强、市场中性多空。
持仓周期：月度到季度再平衡。
优点：有学术支撑，容量大，可解释性强。
缺点：因子拥挤、周期性失效。
5. 市场中性策略（Market Neutral）
多头组合 + 空头对冲（股指期货或融券），剥离市场 Beta，只赚 Alpha。
常与多因子选股、统计套利结合。
目标：绝对收益、低回撤。
6. 事件驱动策略（Event-Driven）
核心：围绕可预测或半可预测事件交易。
细分：
财报/业绩公布后的漂移（Post-earnings Announcement Drift）。
指数调仓（Index Rebalancing）。
并购套利（Merger Arbitrage）。
分红/分红再投资、股权激励、政策公告、宏观数据发布。
新闻/舆情 NLP 驱动。
特点：信息时效性强，常与高频或中频结合。
7. 波动率策略（Volatility Strategies）
核心：交易隐含波动率 vs 实现波动率的差异。
细分：
波动率套利（Vol Arb）。
做空高 IV 期权 + Delta 对冲。
波动率曲面交易、VIX 相关产品。
跨品种波动率套利。
典型机构：Optiver、SIG、Akuna 等做市与期权专长机构。
8. 做市与高频策略（Market Making / HFT）
核心：提供流动性，赚取买卖价差，管理库存风险。
细分：
纯做市（双向报价）。
延迟套利（Latency Arbitrage）：利用微秒级价差。
订单簿不平衡、微观结构信号。
跨交易所/跨品种极短时间套利。
持仓周期：毫秒到秒级。
门槛：极高（共址、FPGA、微波网络），零售几乎无法参与。
9. 宏观量化 / CTA / 全球资产配置（Systematic Macro / CTA）
CTA（Commodity Trading Advisor）：趋势跟踪为主，交易期货、外汇、商品。
量化宏观：结合宏观数据（利率、通胀、增长）与价格信号，跨资产配置。
风险平价（Risk Parity）：按风险贡献而非名义金额配置资产。
Carry 策略：持有高收益资产、做空低收益资产（利率 Carry、货币 Carry）。
10. 机器学习与人工智能策略（ML / AI）
核心：从大量特征中学习非线性模式，而非人为设定规则。
细分：
监督学习（回归/分类预测收益或方向）：LightGBM、XGBoost、神经网络。
强化学习（RL）：直接优化交易决策。
无监督/异常检测。
NLP 情感分析、另类数据（卫星图像、信用卡数据、供应链）。
端到端深度学习（价格序列直接预测）。
特点：适应性强，但容易过拟合，需要严格样本外验证与持续重训练。
现代趋势：FreqAI、深度学习预测、多模态融合。
11. 其他重要类型
季节性策略：日历效应（“Sell in May”、月度/周内效应）。
技术指标组合策略：多指标确认（RSI + MACD + 成交量等）。
执行算法（不完全是 Alpha 策略）：VWAP、TWAP、Implementation Shortfall，用于大单降低冲击成本。
加密货币特有策略：资金费率套利、永续合约基差、链上数据（地址活跃度、鲸鱼动向）、DeFi 套利。
多策略组合：将上述多种策略按相关性低的方式组合，平滑收益曲线。