CTA量化交易的优势：以大数据推导和程序化策略代替人为的主观判断，客服人性的弱点，如贪婪、恐惧和侥幸心理，也可以客服认知偏差，借助系统强大的信息处理能力，极大地减少投资者情绪的波动影响，避免在市场上极度狂热或悲观的情况下做出非理性的投资决策。

CTA量化交易根据数据来源和原理不同，可分为技术面量化、基本面量化和另类数据量化
技术面量化
技术面量化：
数据来源：价格、持仓量、 成交量等交易所场内数据
主要原理：运用趋势、波动率、流动性、跨品种跨月价差、基差、模式识别、统计套利等产生交易策略，大多采用程序化交易
代表性案例：海龟交易（上世纪80年代）、光大证券错单事件（2013.8）、伊斯顿公司事件（2015.7）

Principle One: A Trend Has Higher Probability of Continuation than Reversal.
                       趋势更易于持续而非反转 （趋势跟踪策略）

Principle Two：Momentum Precedes Price.
                       动量先于价格 （动量策略）

Principle Three：Trends End in a  Climax.
                        趋势终结于高潮（反转策略）

Principle Four：The Market Alternates Range Expansion and Range Contraction.
                        波动率交替出现收敛与放大（波动率策略）

                                                                                        Linda Bradford Raschke

技术面量化案例：趋势跟踪策略（Trend Following Strategy)

趋势定义：道式理论（Higher high，Lower low）

趋势拐点识别：1-2-3法则  2B法则等

优点：截断亏损，让盈利奔跑；高盈亏比；资金容量最大

缺点：低胜率，净值波动较大

技术面量化案例：动量策略（Momentum Strategy)

什么是动量

收益动量与价格动量

追涨杀跌

落井下石与锦上添花

基本面量化：分析宏观数据与产业供需数据，寻找存在供需错配的品种与时机
基本面量化：以黑色系品种为例，影响期价的有五大类因子约170个指标，其中产业相关数据取自钢铁行业数据提供商如My Steel，宏观相关数据取自Wind

基本面量化策略原理：判断交易机会和方向; 提高交易胜率