中国量化投资起步较晚，公认的可追溯到2004年公募基金涉足量化领域开始。不同于国外量化投资从学术界向产业界的发展路径，国内的量化投资一开始就是从行业内发展起来的，直接借鉴和吸收了国外学术界和业界多年的研究和实践成果，在短短十来年的发展过程中，可以划分为起步萌芽、稳步发展、快速发展、停滞分化几个阶段。
从2004年第一支量化基金开始，由于当时国内的股票市场缺乏对冲工具，期货市场规模比较小，因此这一阶段量化投资主要以套利策略为主。从2007开始，陆续有比较多的海归加入公募基金行业，多因子选股的概念开始普及，市场上可见指数增强类的量化多头策略。在起步阶段，量化投资整体发展缓慢，规模偏小，仅有2007年、2008年牛市期间有一波产品发行的小高潮，并且受限于国内投资工具的不足，量化投资策略比较单一。
这一阶段的标志性事件是2010年沪深300股指期货上市，从而为国内量化投资行业提供了一个切实可行的对冲工具，尤其是股票量化对冲策略得以实现，这一阶段是股票量化对冲基金长足发展的时代。同时，这种通过量化选股持有一篮子股票，结合股指期货做空的方式对冲一篮子股票系统性风险的量化投资策略，即所谓的阿尔法（alpha）策略、市场中性策略也逐渐为国内投资者熟知和接受。
这一阶段国内资管行业迎来了难得的发展机遇，首先，基金业协会推行私募基金管理人和产品的登记备案制度，推动了私募行业阳光化和规范化；其次，由于金融创新尤其是结构化资管产品的发行，满足了不同风险偏好投资人的需求；再次，随着国内金融市场交易量逐步攀升，股指期货成交额稳步上涨，各种投资机构入市制度不断放宽，吸引了大量的国内外量化团队；最后，牛市的开启，尤其是2014年下半年开始，指数大幅上涨，市场波动率明显提高，为量化投资策略创造了良好的环境。这些有利因素，使得阿尔法策略、量化多头策略等获得了很不错的收益，获得了市场的认可，量化投资行业迎来了黄金发展期。
从2015年股灾开始，市场交易量大部分时间处于相对低位，市场环境发生了重大变化，在中金所对股指期货的一系列管控措施下，导致其持仓量和成交量断崖式下滑、流动性大幅降低、价格长期处于深度贴水状态，这样的外部环境使得绝大部分阿尔法策略对指数的收益无法跑赢期货的贴水，市场的长期下跌也使得量化多头策略回撤巨大，所有这些，对量化投资行业产生了巨大打击，行业管理的资产规模下滑明显。
但与此同时，量化投资策略也开始出现了分化，为了在深度贴水的市场环境中盈利，量化投资策略也变得更加丰富，择时对冲、指数增强、日内回转、高频阿尔法等策略走向前台并扮演越来越重要的角色，新技术新方法的应用，也加剧了这种分化。
虽然中国量化投资的发展历史才短短十余年，但由于直接站在国外长期积累下来的投资理论和实践经验的基础之上，量化投资的策略起点相对较高，直接运用了当前国际上公认有效的策略，节省了大量的摸索时间和试错成本。这些先进的量化投资理念和策略引进国内后，与中国实际的投资环境和制度相融合，逐渐演变出了适合自身的量化投资策略。
无论国内还是国外，多因子选股都是最主要的策略，同时大部分量化策略以及目前应用规模最大的量化策略，都是以多因子选股为基础的，因此多因子选股也是应用最为广泛的量化选股模型。多因子模型常用的因子可以归为三个大类：基本面类、技术面类和特异类，且随着行业发展，因子侧重也从基本面因子逐渐向技术面、特异类因子倾斜。
早期的多因子选股主要聚焦于基本面因子，通过数理建模和统计方法，找出有效的有解释能力的因子，并进一步通过有效因子筛选出未来一定时期预期收益最大的一篮子股票，筛选方法一般是把股票按因子值排序，选取排名靠前的一定数量股票构成目标股票池。
这种方法在早期带来了不错的收益，但随着应用类似方法的投资者增加，主要依赖基本面因子也显现出不足，主要是由于基本面因子普遍趋同，当同质化竞争对手增加，策略的盈利空间开始下降，另一方面，基本面因子普遍随着企业财务报表变化而变化，更新缓慢且滞后，对股票短期波动缺乏解释能力，造成收益稳定性不足。因此，技术面因子被越来越多的量化投资从业人员应用，尤其是股灾后股指期货长期贴水的市场环境下。
技术面因子的数据来源丰富，从高频的tick级量价数据到低频的月k线量价数据，都可以通过适当数理模型和统计方法转换为具有一定解释能力的因子，理论上有无穷多，并且技术面因子普遍变化比较快速，也能容易的与机器学习、人工智能等方法结合应用，在当前阶段的多因子选股里，技术面因子占比越来越高。
特异类的因子是近期随着信息处理能力和技术的提高而挖掘出来的，通过捕捉新闻、社交媒体等非结构化数据加工处理而得，因子获得壁垒较高，由于使用的人少，一旦因子有效，很可能带来不错的收益，可以想见，未来这部分因子的比重将逐渐提高。
阿尔法策略，业界有人认为叫市场中性策略更加准确，不论名字如何，其目的都是通过一定的方法对冲掉市场的系统性风险，获取稳定超额收益。
最初的阿尔法策略比较简单，是单纯的在多因子选股的基础上，依据一定的标准做空股指期货。由于早期国内的股指期货品种只有沪深300，而多因子选股基本上在全市场获取，因此这种策略在早期基本都是暴露了一定的市值，赚取的是小盘效应的收益；即便后期使用中证500股指期货对冲，仍然避免不了这点。
众所周知，国内市场的小盘股在过去许多年整体表现不错，明显跑赢大盘，因此这类阿尔法策略也能获得不错的收益。但自从2014年底开始，尤其是2017年大盘股行情，这类策略回撤非常大，人们开始怀疑阿尔法策略是否真的能稳定赚取超额收益。在这样的环境中，一些很早就坚持严格中性化或者使用最优化手段严格控制因子暴露的阿尔法策略脱颖而出，并逐渐成为市场的主流。
但在现阶段，由于期货长期贴水，低频阿尔法策略获取稳定超额收益越来越难，高频阿尔法策略应运而生。这类策略需要积累更多的高频因子、使用了更为复杂的算法和更多的特异因子，因此技术门槛更高，同质化竞争情况得到较好的改善，在当前的市场环境下，仍有不少量化投资机构通过高频阿尔法策略获取了不错的收益。
套利策略分为无风险套利和统计套利，随着市场越来越有效，无风险套利的空间随之减小；统计套利则是通过对一个或多个投资品种进行数理建模和统计分析，找出最大概率的行为模式并依据该模式进行交易，这是一种有风险套利，一旦投资标的走势偏离了模型最大阈值，意味着策略失效。但总体而言，此类策略优点是收益稳健，风险较低，缺点则是容量较小，难以承载大规模资金。
刚才提到，中国量化投资的历史最初也是从套利策略开始，在那个对冲品种相对缺乏的时期，量化套利策略的市场表现稳健，为量化投资赢得了较好的口碑。但套利类策略的市场容量小，无法承载大规模资金的劣势，也使得这类策略难以成为主流，随着中国量化投资市场规模的扩大，套利策略大多处于辅助和从属的位置，配合其它主流量化策略增厚收益。
CTA策略属于量化投资里单独的分支，与量化权益类策略相关性较低，可以起到相辅相成，互相补充的作用。CTA策略聚焦于交易活跃、流动性好的期货品种，包括股指期货、商品期货、利率期货、汇率期货等。
中国的CTA策略大概从2010年开始，但当时正处于量化对冲策略发展和繁荣的时期，CTA策略募资困难，规模较小；直到2015年9月股指期货受限后，股指期货长期贴水，市场无法承载量化对冲策略庞大的资金，一大批资金转投CTA策略，当前市场上90%做CTA策略的管理人就是从这个时候出现的。恰逢国内商品期货市场在这段时间趋势明显，大大小小的CTA策略表现非常好，在量化权益类产品表现欠佳的时期，CTA策略起到了很好的补充作用，规模增长较快。
但CTA策略主要属于趋势交易，2016年底开始，国内商品期货市场的不规律波动加剧，一直没有出现较好的趋势，导致CTA策略表现普遍不好，这种影响一直持续到现在，使得CTA策略难以进一步发展。
可以看到，随着中国量化投资的发展，市场环境的变化，单一的量化投资策略很难稳定的获取收益，业内充分挖掘量化投资覆盖面广的优势，将多个互补的策略融合应用，进而在新形势下也能获得不错的收益，最常见的是量化权益策略与套利策略融合、量化权益策略与CTA策略融合。未来，这种多策略融合的趋势会越来越明显，应用范围越来越广。
当前中国量化投资策略占整个权益类资产的比重较低，未来应该会有很大的提升空间，但前提是，量化投资能给投资人带来长期的回报。从前文可以看到，随着市场环境的变化，量化投资策略也随之变化，目的就是通过策略的演进以适应市场，获得更好的回报，因此，可以预见中国量化投资策略将朝如下几个方面继续发展：
第一，分化与融合并行。各个策略将把自身的优势发展到极致，比如多因子策略将在因子挖掘、积累方面更进一步，将学术界、产业技术界的新成果不断转化为因子，增强策略的有效性和适应能力，套利策略将不断的往高频方向发展，捕捉市场瞬息的机会；同时，各个策略将进一步融合，以适应不同的市场环境，使得整体的投资策略更加稳健。
第二，机器学习、人工智能等方法不断渗透。在2015年之后，规模和业绩靠前的量化投资管理人，尤其是私募量化投资管理人，都或多或少的将机器学习、人工智能方法应用于自身的策略模型中，在公开的宣传资料看到，机器学习和人工智能方法已经较多的应用在多因子模型当中，在因子挖掘、因子融合方面贡献颇多。有了行业龙头的示范以及实际业绩的优异表现，未来，这些方法将不断的渗透到行业的各个角落，产出更多的策略。
第三，量化多头类策略将越发壮大。尽管随着国内金融市场的开放和产品创新，可用的衍生工具会越来越多，但衍生工具能对冲的部分，相对整体权益而言比例不高，无论是国外还是国内的经验都表明，量化多头占据了市场大部分规模；并且随着中国量化投资市场份额占比提高以及规模的增长，只有量化多头类策略能承载那么大的资金，这类策略有着广阔的市场空间。因此，以多因子选股为代表的量化多头类策略必定吸引更多的行业资源进入，越发壮大。
