1. 统计分析

在一开始收集标的数据进行分析的时候，工作量是非常巨大的，比如我们想看看宏观经济环境和股票的表现有没有相应的规律，我们就要研究政府政策、货币供应，还有各类宏观经济的指标，以及股票走势、板块走势之间的关系。如果我们发现其中有某些规律，那么之后还要进行回测，看看这个规律是不是具有代表性，然后才能进行下一步数学建模。而通常能做这样大型的量化分析的主要是一些量化基金管理团队，几个人甚至几十个人一起用计算机检验收集的数据是否有效，是否能成为建模的对象，从众多的数据中找出一些逻辑上会影响到股价走势，或许预示股价走势的数据。这是我们在茫茫的量化分析大海中一个简单的而有效的思路。

2. 数学建模

近年来量化投资作为一种投资方法不断的被人所提到，因为公式之所以能够赚钱的背后通常是一些很简单、很常识的东西：而数学建模就是把收集到的合格的数据用数学的语言表达出来。

3. 虚拟操盘

再好的理论也要通过实践来检验效果。所有建成的模型都要放于虚拟盘中模拟一段时间才能真正为投资服务。而这个模拟期少则半年多则几载。因为模型在模拟的过程中还需要不断的更新和修正才会使其更加的完美。任何一个模型都不可能是完美的，测试模型是否能够达到80%以上的正确率，如果达到了就说明这个模型是成功的。如果没有证明这个模型在某些地方还是须要改进一下，或许根本不成立。这又是一个循环往复的过程，也一个通向成功必须的过程。