量化投资始于上世纪80年代初,迄今已有30余年的历史,它主要对资产的历史数据进行量化分析,并借助程序化交易手段,从而实现自动识别投资机会并触发交易系统的目的。其中程序化交易可以克服人性的弱点、迅速捕捉交易信号而备受投资者的青睐,这种交易方式使用软件下单来代替人工委托,解决了机构批量下单,减少冲击成本等许多问题。由于程序化交易是一种将交易策略程序化进而实现自动下单的行为,因此,交易策略成了量化投资领域非常具有研究价值的一个课题。本文主要研究量化交易策略的构建及其应用问题。主要结合计量经济学相关理论构建了两种不同风格的量化交易策略:一是基于协整理论构建配对交易策略,即根据两个具备协整关系的资产的相对价差的偏离来捕捉套利机会,当残差超出某个范围时,做多一个资产并同时做空另外一个资产,利用对冲机制来规避资本市场的系统风险,从而获取稳定的Alpha绝对收益,具体在实证中通过协整检验选取了大连商品交易所的豆油、豆粕期货品种为测试对象,并根据模拟结果,通过合理的分析,采取延后开仓的改进措施,有效地提升了策略的盈利表现。二是根据唐奇安通道的思想构建日内高频交易策略,并在螺纹钢期货品种1分钟频率的数据上进行了测试,然而结果不尽人意,由于直接改造通道的意义不大,因而本文尝试引进计量经济学中的格兰杰因果检验方法,借助该方法寻找能够引起螺纹钢价格变化的期货品种,经过多次试验,发现存在由铁矿石到螺纹钢的单向因果关系,为此,利用铁矿石价格信息来指导螺纹钢交易并进行实证分析,结果表明:改进后策略的绩效表现与未改进相比有很大提升,进一步说明了格兰杰因果检验在交易理念及策略设计的巨大应用价值。然而,上述两种量化交易策略都是根据相关的理论基础所构建的,本文末章从数据驱动的角度尝试设计新型的交易策略,即利用机器学习中的K最近邻与朴素贝叶斯两个监督学习算法构建一个分类器,用以预测未来短期期货价格涨跌方向,从而确定择时信号,为量化交易策略的设计提供了新的思路。本文主要创新点如下:一是引进格兰杰因果检验方法,应用该检验方法成功找到了能够引起螺纹钢品种价格变化的铁矿石,进一步利用铁矿石价格变化在时间上的优先性,来指导螺纹钢的交易,不仅拓宽了计量经济方法的应用范围,更是为改进期货交易策略提供了启发;二是利用前沿的机器学习方法,从数据出发,通过算法来理解数据,寻找数据集的内在规律并设计新的交易策略,其想法具有新颖性。