1、到底什么是量化交易？对成交量有何影响，具体怎么操作？
谢邀，这个我可以回答你。
量化交易，一般来说都是指通过严谨而复杂的数学或统计学模型，借助计算机辅助，通过对大量历史数据进行分析，选择大概率上具有超额收益的投资方法。
虽然量化交易在执行层面具有很强的客观性，但本质上，其策略思想、投资逻辑、市场选择，甚至何时启动何时停止等，都是由投资者事先选定的，所以简单来说，量化交易也是一种很强的主观性策略。
最前沿的机器学习策略思想，有望改善这一点。
具体怎么开发量化交易系统？分为以下三大步骤：
第一步：寻找策略思想
寻找成功的量化交易策略，是构建量化交易系统的基础。
策略思想大致来源于：经典理论、逻辑推理、经验总结、数据挖掘、机器学习。
1、经典理论
技术分析的理论基础、道氏理论、图标简介、趋势的基本概念、主要反转形态、持续形态、交易量和持仓兴趣，长期图标和商品指数、移动平均线、摆动指数和相反意见、日内点数图、三点转向和优化点数图、艾略特波浪理论、时间周期等等。
2、逻辑推理
主要来源宏观基本面信息研究：行业轮动量化策略、市场情绪轮动量化策略、上下游供需关系量化策略等。
3、经验总结
量化策略团队和经验交易者合作，将交易者丰富的实战经验以量化的思路发展到量化策略中，这类是目前市场的主流。
4、数据挖掘
通过对高纬度的数据进行分析整理，把量化思路提升到一个应用层次，将一些隐藏在高纬度数据中的规律和信息挖掘出来，最终形成量化交易系统。
挖掘模型：分类模型、关联模型、顺序模型、聚类模型等。
挖掘方法：神经网络、决策树、联机分析处理、数据可视化等。
这个不适合一般人。。
5、机器学习
这是神仙级别，研究计算机怎样模拟或实现人类等学习行为，以获取新的知识或技能，重新组织已有的知识结构，使之不断改善自身的性能。
第二步：所需数据的获取
数据库所需数据主要包括：基本面/财务数据、交易数据、以及行业/板块/市场相关的指标数据等。
1、收集数据：
确保数据的准确性和一致性。
2、数据库架构的设计：
数据库的广度和深度决定了量化策略的丰富程度，也决定量化交易系统的可靠性。
3、算法函数的集成
使用的函数包括：简单通用函数、数值分析、统计、数据访问等；还包括到端数据库搭建集成等人工智能类算法：遗传算法、蚁群算法、支持向量机算法等。
第三步：量化交易的实现
至少需要四个模块：
1、数据输入模块
负责引入外部的任何可以作为决策依据的数据，并按照投资分析和决策的需要，按照固定的格式组织起来，构建成可以支持投资决策的数据集合。
2、策略实现模块（量化交易的核心）
策略实现模块内部分为：策略思想的确立、交易模型的构建、交易模型的检验、交易模型效果的历史回测与外延测试、交易模型的上线交易、交易模型一致性评估和效果评估等。
3、交易处理模块
负责交易的组织和交易结果的反馈
4、风险控制模块
负责全部量化交易过程中的监控和管理。
对交易量会有什么影响？
成熟的量化交易团队越多，交易量就越大；但如果大家主观交易思路一致，会让市场波动趋于平坦，套利机会越来越少。
量化交易的操作频繁人为失误，会出现多多的乌龙指事件。
所谓“量化交易”产品，通常就是由基金管理人制定一个选股模型和交易策略，然后交给AI机器人执行该策略并自动进行操作的私募产品。各家的策略基本上大同小异，选股锚定“热门高成长赛道+高成交量龙头+技术趋势向上”，每天盯着分时线买进卖出，执行“高抛低吸”赚取微小差价。这一万亿规模的私募产品，哪怕每天只有五分之一仓位进行交易，一买一卖都有4000亿了。如果半仓滚动操作，“打出万亿成交量”也并非不可能。事实上，排名前10的个股，成交均突破了百亿，而成交前20个股就消耗掉千亿资金，这样的个股成交额，绝非散户和公募所为，主力都是量化私募。近期成交量明显放大，因为“量化私募”产品发行开始加速了。以前的银行理财用户，本来都是去买公募基金的，但这半年，除了新能源等少数主题，绝大部分公募基金产品表现不佳，尤其是那些重仓医药大消费的，有的甚至亏损超过20%。这对风险厌恶型的固定理财用户来说，是不能接受的。而量化私募产品的出现，恰恰满足了这部分用户的需求。量化产品，普遍执行稳健保守的“指数增强”交易策略，紧盯高成交量赛道龙头，盘中看到机会就上去咬一口，止损止盈坚决迅速，稍有风吹草动就跑。因此回撤较小，在当前整体牛市趋势的情况下，年收益率超过10%或者20%，也比较容易实现。尤其是今年这种赛道股行情，量化产品收益都很不错，媒体报道称某头部量化私募的一款产品，今年收益率超过了40%。回撤较小+收益稳定”的特性，吸引固定理财用户抢购；由于每天都交易，佣金可观，券商营业部也乐于推荐给散户购买；部分有实力的基民（百万门槛），也开始赎回公募基金，转投量化私募的怀抱。主流资金赎回白马公募，抢购量化私募，是平安格力跌跌不休，以及赛道龙头涨上天际的主因。量化策略，最讲究顺势而为，是不会购买下降趋势股票的（平安这种，视之为草芥）。而上升趋势一旦形成，机器人就会沿着5日线10日线滚动出击，比如特变电工，爱康科技和西藏矿业近期的K线图形。量化基金的策略同质化很严重，带来的结果就是趋势被超级强化。
量化私募的火爆发行，近期有加速的趋势，这也是成交量急剧放大背后的推手。因为对比公募产品，短期的赚钱效应更佳，而散户历来都是喜欢追涨杀跌的。但令人意外的是，这几天有多家百亿量化私募，曝出封盘拒客的消息，旗下量化产品也不再接受申购。这些百亿私募，是主动闭门谢客，还是受到了监管层的窗口指导？
中国式监管，向来是“稳定”优先，“防范系统性风险”优先的。成交量大是好事，有利于扩大直接融资。但凡事过犹不及，1.7万亿尚可接受，2万亿呢？若2万亿成为常态，肯定会有人坐不住了吧？机器人执行量化交易，已经被证明能强化向上趋势，但向下呢？谁能说的清楚？
2、A股有些量化交易已经变了味，量化交易的陷阱，你知道吗？
量化交易，不过是欧美市场多少年来的陈芝麻烂谷子，没什么新鲜。它只是程序编制者依据技术指标，交易者心理行为和统计数据等等编制的一套指令交易程序。目标就是割跟风短线交易者和技术短线交易者，当然有一些还有趋势交易设计。当市场或者个股，触发各个阶段买卖点时，程序会自动启动买盘，或者卖盘。
普通投资者交易，是根据基本面、市场交易环境（获利可能性与下跌可能性）、技术指标、成交量、风险程度（指数高低、系统风险）、政策、经济及个股活跃度交易。事先设计好个人的风险承受、补仓和止损、盈利止赢，然后根据自己经验下单。
由于，人具有人性，比如对下跌的恐惧（自己的血汗钱，怎么不怕，国内国外都一样），对连续下跌认为会反弹，会补仓。对上涨兴奋，会买入，会加仓，再加上技术指标显示，就会人性买卖。而程序设计则是依据人性弱点、大数据、概率设计的，是针对性的，也是他们盈利依据。它们基本上是反人性化操作，下跌你补仓就还会跌，上涨你不买还会涨，当大家买入时它就开始跌。
但是，任何程序都有适合阶段和环境，并不能一直使用，震荡阶段的就不能用于趋势阶段。我们散户对自己的血汗钱是非常在乎的，机构眼中的钱就是数字，这就是散户上涨时拿不住，下跌时恐慌而输给机构的原因，而程序更是完全没有感情的、机械的执行程序，这就彻底的屏蔽了人性的弱点，同时也减轻了操盘手的劳动强度和加快了下单速度。
但是，有很多指标并不是量化交易能解决的。比如，不管上涨，还是下跌，当指数进入成交密集区，它也只能按照一般人的操作规律设计。同时当政策变化，量化机构也只能关上程序，或者更换程序，当出现地缘政治事件时，它也不能应变。总之，量化交易并不能改变趋势，也不能改变基本面，而且当大家都用时就会冲突、失效，对中长线投资者没有影响，对经验够、心态好、严格遵守自己的操作纪律的投资者影响也不大。
这是个人根据过去做原油期货时的一些感受，仅供参考。
量化交易系统无脑顶一字板秒板，无脑摁一字跌停板秒跌停，客观上枯竭了流动性，加剧了股票价格的极端波动，使市场失去了应有的合理的价格形成机制！
量化交易现下是个热门话题，引起市场所有人的关注。有些心怀鬼胎之人，马上又向散户推荐他的量化交易软件：请广大散户擦亮眼睛，千万别上当。量化计算机不是一般人能做出来的？需要投资上千万到几千万元投资，需要专家团队研发计算机程序语言。只有实力雄厚的大机构，主力，公私募基金才能做到的。所以劝那些心怀鬼胎的人，别忽悠老百姓了，骗人要短寿命的。散户已经很可怜了，别再雪上加霜了。量化计算机通过目前的通达信或者其它交易软件，自动统计股市大数据平台，根据专家团队编制的个股买卖点数据，自动搜索寻找符合要求的股票和卖买点，利用T+1机制，预先自动小单大批买入一定仓位，隔天再拉高待散户跟进时分小单大批卖出，剩余小仓位第三天甚至砸停板卖出。散户由于T+1限制，当日没法卖出，往往隔天深套。量化交易虽然赚点不高，但时间短，可以频繁交易，长期算起来收获巨大。而散户就是收割对象，9月以来诡异行情就是量化交易引起的。往往看上去调整后要回弹上涨了，散户跟进也涨停了，但第二天却下杀深跌甚至跌停。这和以往的市场股票走势严重不符，散户损失惨重。量化交易计算机散户做短线是根本无法抗衡的。唯一的办法是：散户看好股票买入后，躺倒不动，任凭量化交易如何兴风作浪，稳坐钓鱼台，中长线持有。当然这样的选股逻辑应该注重基本面和行业，不要去追热度！
3、在股票市场里，量化交易与基本面交易哪个风险更高？哪个更安全稳固？
两种方式风险都不高，没啥明显的优劣。但从市场表现来看，我认为基本面更好，量化交易更适合双向市场，我们国家的投资市场还不完善，量化交易可选择的市场标的不够丰富，自然成绩表现也一半。
此两种均是交易策略只是驱动因素不同而已，量化交易是指以先进的数学模型替代人为的主观判断，利用计算机技术从庞大的历史数据中海选能带来超额收益的多种“大概率”事件以制定策略，极大地减少了投资者情绪波动的影响，避免在市场极度狂热或悲观的情况下作出非理性的投资决策。此种策略主要依机器的算法即程序化套利风险为主动型。
基本面交易主要以标的公司各种财务数据为，依靠人作出决策，风险为被动型。
不同的模式有不同的风险点，但风控绝对是最关键的