常见的机器学习算法包括支持向量机、随机森林、神经网络等。常见的深度学习算法包括卷积神经网络、循环神经网络、长短期记忆网络等。常见的强化学习算法包括Q-learning、深度强化学习等。
股票行情预测的量化模型和算法有很多种，以下列举了一些常见的模型和算法：
1. 基于时间序列的模型：这类模型假设股票价格的变动是随时间推移的，通过对历史股票价格进行建模和分析，预测未来价格的走势。常见的时间序列模型包括ARIMA模型（自回归综合移动平均模型）、GARCH模型（广义自回归条件异方差模型）等。
2. 基于统计学的模型：这类模型通过对资本市场相关统计数据的分析来预测股票价格的走势。常见的统计学模型包括线性回归模型、逻辑回归模型、卡尔曼滤波器等。
3. 基于机器学习的模型：这类模型通过大量的历史数据和特征变量，利用机器学习算法进行模型训练和预测。常见的机器学习算法包括支持向量机（SVM）、随机森林（Random Forest）、神经网络等。
4. 基于深度学习的模型：这类模型是机器学习的一种延伸，利用深度神经网络进行模型训练和预测。常见的深度学习算法包括卷积神经网络（CNN）、循环神经网络（RNN）、长短期记忆网络（LSTM）等。
5. 基于强化学习的模型：这类模型通过建立一个智能体与环境的交互过程，通过试错学习来预测股票价格的走势。常见的强化学习算法包括Q-learning、深度强化学习等。
需要注意的是，股票市场的复杂性和不确定性使得股票行情预测仍然具有很大的挑战性，以上列举的模型和算法只是供参考，具体选择还需根据实际情况和需求进行综合考虑。