量化价值策略侧重于项目的价值，寻找预计会随着时间的推移而增加价值的被低估的业务。一般来说，价值策略的工作原理是选择“投资世界”并消除那些被认为是高风险的。

使用估值倍数对股票进行排序以求便宜，并且通过分析盈利能力和财务实力等因素来确定其价值增加的可能性。价值策略的成功取决于正确识别价格会随着时间推移而增值的被低估的投资项目。 

Beta 是衡量证券对市场变动的敏感性的指标。它衡量资产相对于整个市场的表现，如按市值加权的指数所示，例如标准普尔 500。例如，波动性比市场大 30% 的股票的贝塔系数为 1.3。通过关注贝塔，投资者可以构建满足其风险偏好的被动管理投资组合。

Smart Beta 策略旨在通过根据波动性、动量、规模或价值等因素重新加权的自定义指数跑赢市场。与 beta 基金一样，smart-beta 基金与整个市场密切相关，但它们包含根据策略规则进行主动选择的元素。

因子投资是一套广泛的策略，因子是与更高回报相关的资产的可量化属性。因素通常分为宏观经济因素和微观经济因素。宏观经济因素包括通货膨胀、流动性和经济增长。微观经济因素包括股价波动、信用水平、流动性和质量。因子投资旨在通过投资具有可带来丰厚回报的因子的证券，创造一个领先于市场的多元化投资组合。

统计套利是一种定量投资方法，旨在创建高度多样化的投资组合，其中的项目持有时间可能只有几分之一秒。基本策略基于均值回归分析。专业分析团队识别成对或相关证券组的定价效率低下。他们在被低估的证券中开立多头头寸，并匹配被高估的证券的空头头寸，期望价格会恢复到均值。用于关联证券的方法可能很复杂，统计套利大量使用高频交易技术、定量分析和计算机建模。

事件驱动套利旨在利用历史和实时数据来识别可能对特定业务或市场中的事件做出反应的定价不当的证券。事件驱动的套利可能会导致投资者进行投资，预期其价值会上涨。但事件可能要复杂得多，包括监管变更、管理层重组、股东活动等。

量化投资策略通常依赖于分析师和程序员开发的数学模型和算法。人工智能策略将计算机模型的使用更进一步，部署机器学习技术来分析大量数据并识别可以在交易算法中编码的模式。机器学习允许分析师自动化和加速分析，同时基于比其他方式更微妙和更复杂的模式开发模型。