量化投资的不同流派赚钱的方式通常与它们各自的投资策略和市场定位有关。以下是一些量化投资流派赚钱的方式：

1. 学院派模式：

   • 通过基于学术研究的多因子模型来选择股票，赚取市场未能充分定价的因子风险溢价。

2. 金融科技模式：

   • 利用先进的数据分析技术和算法，从大量数据中提取交易信号，赚取市场微观结构和行为偏差带来的利润。

3. 主动量化模式：

   • 结合量化模型和基本面分析，通过系统化的方式进行投资决策，赚取超越市场的Alpha收益。

4. 统计套利：

   • 利用统计模型识别价格失衡的证券对，并通过对冲操作赚取价格回归均衡时的差价。

5. 因子投资：

   • 通过识别并投资于那些历史上能够带来超额回报的因子（如价值、动量、质量等），赚取因子风险溢价。

6. 风险平价：

   • 通过平衡投资组合中的风险贡献，而不是资本分配，来赚取在不同资产间分散化投资的收益。

7. 机器学习和人工智能：

   • 利用机器学习和AI技术从复杂的数据模式中提取交易信号，赚取市场未能捕捉到的Alpha。

8. 量化价值策略：

   • 通过识别并投资于被市场低估的股票，赚取价值回归的收益。

9. 事件驱动套利：

   • 利用公司事件（如并购、重组等）造成的市场波动，通过量化模型捕捉事件前后的价格差异来获利。

10. 管理期货：

    • 通过量化模型在不同市场条件下进行趋势跟踪或反转交易，赚取期货市场的价格波动利润。

11. 系统性全球宏观策略：

    • 利用宏观经济分析和量化模型在全球范围内进行资产配置，赚取宏观经济趋势和市场效率不高带来的收益。

12. AI和大数据策略：

    • 通过分析大数据集，使用AI技术识别复杂的市场模式和趋势，赚取基于数据驱动的交易策略的收益。

13. 多资产策略：

    • 通过在不同资产类别之间分散投资，赚取不同市场和资产间的风险溢价和潜在的多元化收益。

每种流派都有其特定的赚钱逻辑，它们可能在不同的市场周期和条件下表现不同。一些流派可能在市场效率不高时表现更好，而另一些则可能在市场波动性较大时获得更高的收益。重要的是，每种策略都有其固有的风险，因此量化投资者需要仔细评估和平衡潜在的收益与风险。