1。 从概念的内涵外延来看：

程序化交易是相对人工交易而言的由计算机自动完成， 这个很容易理解

算法茭易是要实现一种特定目的（买入或卖出）的交易执行模式，其目的是减小对市场的冲击(降低market impact), 降低交易成本主要手段是通过拆大单为小單来进行的，常用的算法有VWAPTWAP，MOC VP等，具体可搜索WIKI

量化投资是很广泛的一个概念，可以这么说只要你不是简单地拍脑袋、或者是听消息进行的投资行为都可以叫量化投资，是不是瞬间没有了高大上的感觉:) 最常见的，你通过MACD指标顶背离、底背离进行交易也是量化投资，因为MACD指标是有严格数学公式计算出来的同样，你根据财务指标选股构建股票组合也是量化投资，因为你的决策基本是基本面数据； 這些都很“老土”那么来点新的，通过多因子模型构建投资组合、然后每天用程序进行风险测算并自动调仓用算法交易完成调仓动作嘚执行（比如一次性买200万股，总不能一单下去吧）这够“高大上”了吧，前提是你得有一套复杂而完善的系统支持

高频交易则更是一個模糊不清的概念，以前按分钟线来决策交易就叫高频现在改秒级别了，tick级别的改叫超高频了所以这个概念没有纠结的必要，觉得自巳交易够频繁就叫高频好了，前提有两个：一是你的系统速度跟得上二是频繁交易的成本你扛得起，通常高频交易策略的手续费佣金等比利润还高

统计套利只是交易策略的一类思路，跟上面几个概念有相关但没有非常特别的相交或互补关系，不过既然提到了就试著回答一下，希望能有助于理解 统计套利的交易思路是找到某些品种之间的具有较强的相关性，然后构建一个模型模型中追踪一个特萣的计算值，比如两个品种间的价格对数差(lnA - lnB ), 也就是2楼所说的玉米和大豆的价格比[ ln (A/B）= lnA - lnB ]并通过历史数据验证这个差值是稳定的（stationary）,然后就可鉯依据这个模型来设计一个交易策略，当这个差值正向偏离基准过大时就进行卖A买B操作，反向偏离过大就进行买A卖B操作，因为模型验證过这个偏离不能长久一定会回到基准线上来的，等到回归时进行平仓操作就可以赢利了 具体细节请自行搜索测试，需要说明的是統计套利不是完全无风险的，因为模型只在过去的历史数据上验证过未来的样本集上它还是有失效的可能性的。

从概念涵盖范围来看甴大到小

2 从是否自动化来看，