计算机量化通常涉及以下几个步骤和概念：
量化分析基础
量化分析是利用计算机技术采用数学模型或机器学习模型去实践投资理念和投资策略的过程。
计算机体系结构量化研究
性能模拟：通过建立计算机系统的性能模型，利用计算机仿真技术对系统进行模拟运行，从而评估系统的性能指标。
基准测试：通过运行一系列标准的测试程序，来评估计算机系统的性能和特性，如运行速度、能耗等。
分析建模：通过建立数学模型和理论分析，对计算机系统的性能和特性进行分析。
实验测量：通过实际的硬件实验和性能测量，来获取系统的性能数据和特性。
仿真工具辅助研究：使用商业化的仿真工具进行系统设计、性能评估和优化分析。
数据挖掘和机器学习技术：用于揭示系统内部的运行机理和性能瓶颈，为系统设计和优化提供理论支持。
量化投资
量化投资是指通过数量化方式及计算机程序化发出买卖指令，以获取稳定收益为目的的交易方式。它使用专业的数据分析来选择收益较高的基金进行投资，追求平稳、可持续的回报。
信号量化
信号量化涉及在时间轴上对模拟信号进行切割，将其转化为离散样本，并将这些样本转化为计算机能够表示的数据范围（通常是0和1组成的数字信号）。
编程与交易策略
量化交易者需要学习编程语言（如Python、C++或Java），编写交易程序，将交易策略转化为计算机程序，并进行回测和优化，最终进行实盘交易。
建议
学习相关知识：了解量化分析、计算机体系结构、投资理论和编程技能是进行量化交易的基础。
选择合适的工具：选择合适的量化交易平台和编程语言，以便有效地执行量化策略。
数据与模型：重视数据的质量和模型的准确性，这是量化投资成功的关键。
持续优化：量化交易策略需要不断地回测和优化，以适应市场变化和提高收益。