量化选股是通过数量分析的方法去评价某一上市公司的发展前景，以及它的股票是否值得买入，一般采用多因子选股策略：假设有多种因子共同对股票资产收益产生了作用，且这些作用满足线性关系，那么我们就可以通过计算因子的值来确定股票的预期收益率。 

比较经典且常用的因子模型分别为ICAPM， Fama-French，其中ICAPM利用经济体的宏观经济状态作为变量，刻画目前的经济状态或者能够预测未来的经济状况，Fama-French模型通过市净率和市值将股票进行分类，并回归计算出与资产利润的关系。

股票择时则与期货择时类似，根据技术指标对买卖点进行确认，常用的有：双均线策略：利用两根均线的向上向下穿越构成买卖点；

MACD策略：金叉死叉构成买入卖出信号，背离构成反转信号；利用Hurst 指数的工具，可以在较大的时间刻度上判断出大盘的高点和低点。

量化选股后，查询可申购新股和下单的代码执行流程：

std::cout << "========== 查询可申购新股: category = 12 ==========\n";

category = 12;

QueryData(clientId, category, result, errinfo);

if (NULL != errinfo[0]) {

  std::cout << errinfo << std::endl;

} else {

  std::cout << result << std::endl;

}

std::cout << std::endl;

// 委托下单

// category:  0=>买入, 1=>卖出, 2=>融资买入, 3=>融券卖出 4=>买券还券, 5=>卖券还款, 6现券还券

// entrustType: 0=>限价委托(深/沪), 1=>对方最优价(深), 2=>本方最优价(深)

//              3=>即时成交剩余撤销(深), 4=>最优五档剩余撤销(深/沪)

//              5=>全额成交或撤销(深), 6=>最优五档剩余转限(沪)

// gddm: 股东代码, 区分沪/深

// quantity: 股数

typedef void (*SendOrderProc)(int clientId, int category, int entrustType,

                              const char *gddm, const char *zqdm, float price,

                              int quantity, char *result, char *errinfo);

const auto SendOrder = reinterpret_cast<SendOrderProc>(GetProcAddress(hDLL, "SendOrder"));

assert(SendOrder);

量化交易对于客户自身的专业能力和计算机知识要求较高，如果没有这方面的知识，用户也可以直接选择量化交易接口进来交易，会自动去执行一系列的操盘动作，实现实盘交易。有关更多量化交易接口，可联下方qq名片。