本書的主要目的是爲量化交易策略的研發提供一個可以參考的流程框架。但是直到目前爲止，對於量化交易的界定，仍然存在着比較大的分歧。因此，爲量化交易策略給出定義，雖然是全書開頭一個不得不做的工作，卻也是一件會導致爭議的事情。爲了儘量減小一個明確定義受到質疑的可能性，本書採用了相對而言較爲穩妥的處理辦法，即貼近字面意思進行解釋。不過，出於一個研究人員的偏執，作者同時對策略的研發過程進行了着重強調，因此有了如下的定義:量化交易策略，就是採用數量化手段構建而成並進行決策的交易策略。
具體解釋起來，該定義包括兩層含義。
首先，在構建交易策略的過程中，數量化的手段應該佔主要成分。這裏的數量化手段，包括對整個交易流程和交易目標的數量刻畫、數學模型的構建、對量化目標的最優化、對策略結果的數量化評價等方式方法。但是在這一部分中仍然會有定性的或者人爲主觀的成分存在，畢竟策略的研發是一個人爲操作的過程。
其次，交易策略在構造完畢、用來進行交易決策時，必須具有明確的數量化規則，完全不存在主觀判斷的成分。這-特性使得整個策略可以在完全量化的設置下進行歷史數據下的回溯測試，以及準確無誤地指導交易操作，這些都是量化交易策略比較重要的特徵所在。
同時滿足以上兩個方面含義的限定，則能夠被稱爲量化交易策略。
在這樣的界定下，量化交易策略既可以藉助程序化的方式完成下單，也可以通過人工來執行。實際上出於成本和可控性等方面的考慮，一些交易頻率較低的量化交易策略有可能更傾向於採用人工下單的方式來完成。在作者看來，策略的執行手段並不是量化交易策略的核心特徵。
這種關注於數量化而非程序化的定義，也使得整個量化交易策略的歷史比許多人認知中的要更長一些。 因爲就實際情況面言，技術分析中的技術指標，在適當的情況下是可以形成量化交易策略的。雖然技術分析中的圖表分析手段，如“雙頭”“頭肩”等圖形形態的分類，相對而言太過主觀而且很難量化，但是技術指標這門類側重於價格和成交量的定量分析,通過公式化的計算得到一些用來參考的量化指標，進而指導交易，具有數量化的特徵。只不過在這些量化指標的使用上，交易者往往又歸於主觀，進一步造成了對技術指標是否是量化交易策略的爭論。
例如當某名交易員的交易策略是“移動平均線看起來很好時買人，看起來不好時賣出”，那麼就完全有悖於上文給出的量化交易策略的定義。首先，該交易策略在表述上較爲模糊，不是一個具有明確數量化規則的決策手段，因此交易員需要在交易過程中通過主觀判斷來完成買賣行爲。其次，正是由於缺乏明確的數量化決策規則，交易員在形成這樣的交易規則時很難定量化地描述整個交易策略和交易過程，也就難以使用最優化之類的數量方法。在多數情況下，交易員可能更倚重於覆盤等人工形式來完成這一類交易策略的構建。
但是當交易員基於一些定量的規則來使用技術指標進行交易時，這些交易策略就可能會符合量化交易策略的特徵。例如，把上面的策略改換爲“價格線從下向上穿過移動平均線時買入，從上向下穿過移動平均線時賣出”，那麼策略就既可以通過量化手段完成構建，又具有明確的數量化交易規則了。其他典型代表還包括大部分的技術指標，如理查德.唐奇安( Richard Donchian)所開發的通道規則，其以過去特定天數內的最高價和最低價爲邊界形成一個通道，當目前價格超出通道範圍時，形成買賣決策。
理查德，丹尼斯( Richard Dennis) 的“海龜交易法則”是一個非常著名的例子，因爲丹尼斯招收交易員並傳授該法則而爲外界所熟知。這一交易策略正是在唐奇安通道指標的基礎上構建而成的，除了通道突破的買賣規則外，海龜交易法則還包括倉位大小的選擇、隨時間的調整、止損等多個組成部分,更接近於一個構架完整的交易策略。
當然，就本書的定義而言，海龜交易法則是否算作標準的量化交易策略仍然有待商榷。首先，被披露的規則只是交易決策部分，具體的構建過程我們無從得知，因此也難以判斷。更重要的是，其執行過程中存在人爲主觀的成分,這也直接導致了交易學員在使用同樣規則的情況下獲得了不同的交易結果。但這並不妨礙大量的從業者將海龜交易法則作爲一個量化交易策略的範木來進行研究和使用，作者本人也非常認同其在量化研究中的指導地位。
業內較爲認同的量化交易策略的開端，可能是哈里，馬科維茨( HarryMarkowitz)的最優投資組合理論這一學術性創新。 在1952的論文當中，馬科維獲開創性地引入了均值和方差這兩個統計學上的概念，用來定量地描述投資者在投資組合上所獲得的收益和承擔的風險。基於投資組合中資產的收益情況之間的協方差矩陣，採用最優化的方法，就可以得到投資組合的最優配比方式，從而帶動投資者在風險一定的情況下獲取最大收益，或者在收益固定的情況下使得風險最小。整個過程通過明晰的數量模型進行了表述，優化結果也能定量地指導投資組合的構建行爲，是比較契合本書關於量化交易策略的定義的。
在此之後，經濟學家和金融學家開始越來越多地通過定量的數學模型來研究金融市場和投資交易。威廉，夏普( William Sharpe)等人於1964年前後在馬科維茨的工作基礎上，發展出了資本資產定價模型。該模型將股票在無風險收益之上的超額收益分解爲兩個部分，即市場部分和殘餘部分，股票的風險也相應地分爲兩個部分，對應起來分別是系統風險和非系統風險。模型證明了在資本市場完全有效等前提假設下，殘餘部分的期望值爲零，也就是說，非系統性風險是沒有風險補償的,股票的超額預期收益僅與其承擔的系統風險大小有關。
之後，斯蒂芬.羅斯( Stephen Ross)從另外- -些假設條件出發，得出了與資本資產定價模型在一定程度上具有相似性的套利定價理論。該理論同樣認爲股票的超額預期收益僅與其所承擔的風險有關，只不過除了最主要的市場系統風險外，理論模型還能夠包含其他一些存在風險補償的風險因子。
在資產收益源於對風險的承擔等思想的推動下，尤金.法瑪( Eugene Fama)提出了著名的“有效市場假說”，即在一個有效的證券市場中，價格完全反映了所有可以獲得的信息，再結合資本資產定價模型的主要結論，認爲所謂的消極型管理，即僅持有市場組合和無風險資產,纔是真正明智的選擇。隨着這種思想在學術界的逐漸主流化，學術研究中對主動型交易的關注開始減少。
然而有趣的是，羅斯的套利定價理論和法瑪的另一項著名研究卻間接地發展出了一些行之有效的量化交易策略。在1992年的一篇論文中， 法瑪基於套利定價理論的形式，發現股票的兩個當前特徵(市值和賬面市值比),可以有效地預測未來的股票收益。簡單來說，就是市值越小的股票或者賬面市值比越大的股票,在統計意義上會產生更高的未來收益。在次年的論文中，法瑪將這兩個特徵構造爲兩個風險因子，再結合市場因子，從風險補償的角度對實際數據進行了研究和解釋，這項工作一般被稱爲“三因子模型”。
暫且不論市值和賬面市值比這兩個股票特徵的風險化解釋，1992年的論文中它們所表現出的顯著預測能力，已經讓逐利行爲關注於此了。克里夫.阿斯內斯(Cifford Asness)是法瑪在芝加哥大學指導的金融博士，其博士畢業論文在三因子模型的基礎上加入了動量因子，以四因子模型的形式完成了一系列的實證分析。博士畢業後阿斯內斯進人高盛，成爲一名量化交易分析員，隨後在高盛組建了全球阿爾法基金，主要從事以量化爲導向的交易工作，業績不俗。1997 年他離開高盛創辦了自己的AQR資本管理公司，目前該公司是全球頂尖的對沖基金之一。 雖然沒有直接的證據證明阿斯內斯在工作中採用的是多因子模型基礎上的股價預測技術，但是可以想見的是，市值、賬面市值比、動量因子和因子模型應該與其量化交易策略存在一定的關聯。 阿斯內斯在一些訪談 和學術論文中也時常談到價值、動量/趨勢、低風險、套息等相關概念,是爲佐證。
由學術研究進入量化交易實業領域的一個更爲極 端的例子，應該是文藝復興科技公司的詹姆斯，西蒙斯( James Simons),這也是中國讀者較爲熟悉的一個量化交易從業者。西蒙斯於1961年在加州大學伯克利分校取得數學博士學位，年僅23歲，並在30歲時就任紐約州立大學石溪分校數學學院院長。他在1978年離開學校創立了文藝復興科技公司，該公司因爲旗下的量化旗艦基金——大獎章基金傲人的業績面聞名。關於西蒙斯所使用的量化交易策略，坊間一直有諸多猜測。許多人認爲其所使用的應該是基於隱馬爾科夫模型的量化交易策略，原因在於西蒙斯的早期合夥人倫納德，鮑姆( Leonard Baum)是隱馬爾科夫模型估計算法的創始人之一，同時文藝復興科技公司招聘了大量的語音識別專家，隱馬爾科夫模型正是語音識別領域的一個重要技術工具。作者無法判斷這一說法的真實性，不過不管怎樣，從文藝復興科技公司比較另類的人員構成來看，這應該是一個比較純正的使用量化交易策略進行運作的對沖基金公司。
雖然大部分的量化對沖基金對其所使用的交易策略都或多或少地進行保密，但是仍然有一些量化交易策略在多年的應用後開始慢慢爲外界所熟知，統計套利就是其中之一。這個策略的概念最早產生於摩根土丹利，當時的做法也被稱爲配對交易，實際上就是使用統計的方法選取一對歷史價格走勢相似的股票，當兩隻股票之間的價格差距變大、超出一定數值之後，就分別做多和做空這兩隻股票，依靠該價格差在隨後的時間裏迴歸到正常水平來獲取收益。由於這種量化交易策略既源於統計分析又存在等待價差迴歸的套利特性，因此被稱爲統計套利。而隨着對這類交易策略的進一步深入研究，統計套利策略目前已經遠遠超出了配對交易的範疇，變得更加複雜和多樣化。