量化金融学主要是一门涉及量化投资的新兴金融学科，其目标是培养金融工程师负责衍生品定价模型的建立和应用、模型验证、模型研究、方案开发和风险管理。
投资者要想从事量化交易，必须是精通金融和计算机语言的复合型人才，金融、建模、编程缺一不可。 量化金融领域内容涉及基础数据采集与处理、量化交易策略编写与回测、真实程序化交易、衍生品定价、机器习、高频交易等模块。
传统的投资方法主要包括基本面分析和技术分析，而量化投资主要依靠数据和模型来寻找投资目标和投资策略，具体利用技术、数学、统计学、信息学等领域对投资对象进行定量分析和优化，从而进行精准的投资行为。
量化投资的关键是分析宏观数据、市场行为、企业财务数据、交易数据等，运用数据挖掘技术、统计技术、优化技术等科学的计算方法对数据进行处理，以获得最优的投资组合和投资机会。
量化投资以先进的数学模型代替人类的主观判断，借助计算机强大的信息处理能力，可以避免在极端市场狂热或悲观的情况下做出非理性的投资决策。
量化投资的核心内容是量化模型，它收集和分析大量数据，利用计算机筛选投资机会，判断买入和卖出的时机，通过特定指标和参数的设计，将投资理念体现在模型中，并据此对市场进行跟踪和分析，没有任何主观情绪。
量化投资模型最典型的两种类型是多因子选股模型和发现交易机会的时机模型。
1）多因子选股模型：其核心是选择和构建与收益最相关的因子，以及如何利用多因子综合得出最终判断。这其实就是数学建模中综合评价模型的总体思路。 这些因子还可以包括过去的收益，并用它来对多因子回归和回归进行建模，这是数学建模中的回归模型。
2）发现交易机会的时机模型：是判断**的涨跌，根据判断结果进行交易。一般来说，这也是数学建模中最好的模型，属于习数据挖掘机科学的分类问题。 许多机器习算法（如支持向量机、神经网络、xgboost）可以把早期的市场趋势、货币环境、经济指标、外部环境作为第一变量，以涨跌为结果变量，根据历史数据训练机器习模型，然后用于未来的涨跌。
此外，经典的马科维茨均值-方差模型可以说是投资组合理论的鼻祖，它深刻地改变了理论和实践的世界。 马科维茨于2024年获得诺贝尔经济学奖。 该模型是一个双目标优化模型，它考虑了最大收益和最小风险。
大国的科学技术在