技术分析可以包括价格图表模式、技术指标、趋势线等，基本面分析可以涉及公司财务报表、宏观经济数据等。策略可以包括多种因素，如趋势策略、均值回归策略、套利策略等。
量化交易系统通过历史数据制定有利益的交易策略的一般步骤如下：
1. 数据获取：获取股票、期货或其他金融资产相关的历史交易数据，包括价格、成交量等。
2. 数据处理：对获取的数据进行清洗、处理和整理，以便后续的分析和建模。
3. 市场分析：针对历史数据进行技术分析和基本面分析，以理解市场行情、趋势和驱动因素。技术分析可以包括价格图表模式、技术指标、趋势线等，基本面分析可以涉及公司财务报表、宏观经济数据等。
4. 策略开发：根据市场分析的结果，设计和开发量化交易策略。策略可以包括多种因素，如趋势策略、均值回归策略、套利策略等。策略的制定可以基于统计模型、机器学习算法等。
5. 参数优化：对策略中的参数进行优化，以提高策略的盈利能力和稳定性。可以使用回测方法和优化算法，对不同的参数组合进行测试和比较。
6. 回测测试：使用历史数据对策略进行回测，即模拟在过去的市场环境下执行策略进行交易，评估策略的盈利能力和风险。
7. 风险控制：制定有效的风险管理规则，包括止损、止盈和资金管理等，以保护投资资金并控制风险。
8. 实盘交易：在真实的市场环境中执行策略进行交易，根据实际情况进行调整和优化。
9. 监控与优化：持续监控交易策略的表现，并根据市场变化和策略的实际表现进行优化和调整。
总的来说，通过历史数据制定有利益的交易策略需要进行综合的市场分析和策略开发，同时结合风险管理和实盘交易的实践来验证和优化策略的盈利能力和稳定性。