目前,在不断变化的中国资本市场,量化投资作为中国市场的新兴投资方法,正在引起越来越多的关注。由于我国量化交易模式正处于初始阶段,如果重启“T+0”交易制度,那么这将推动我国量化交易投资的快速发展。因此,量化交易策略模型会成为我国证券市场投资研究的核心方向。本文基于数据挖掘的量化交易策略模型研究,选取训练集股票以及预测集股票,数据中包括3秒成交价格、成交量、买卖方向、成交时间等股票市场信息,并使用统计模型对预测集股票的量化交易进行策略分析。本文先利用Probit模型对预测集股票进行策略分析,得出:(1)该策略指出交易方向与市场价格变化方向为同向,即当股票市价上涨时,是买入信号,更偏向于买入交易,当股票价格下跌时,卖出信号,更偏向于卖出交易;(2)在高成交量的交易过程中,更偏向于做出买入交易的策略;在成交量低下时更偏向于外抛的策略;(3)量化交易策略对股价走势有严格的要求,对预测集进行预测后得出误判率。随后,为了探究不同统计模型对策略决定的影响,文章展示了贝叶斯网络模型和支持向量机(SVM)模型对制定量化策略的研究。之后,对比三种统计模型在量化交易策略中的应用,观察到这三种统计方法在对量化交易策略分析上各具优点。在实际分析应用中,经常会利用预测精度和解释性方面的对模型进行说明。我们发现根据实际情况选择不同的方法,将三种方法组合应用,会取得更好的预测效果。文章结尾结合对策略模型的分析,提出了完善量化交易制度的合理建议,并对支持向量机方法的选择提出了优化建议。