量化交易系统的四个组成部分
参考：https://zhuanlan.zhihu.com/p/83002088
量化交易系统的四个组成部分：
- 策略识别-找到策略，利用优势，决定交易频率
- 策略回测-获取数据，分析策略表现，修正偏差
- 执行系统-对接经济公司，实习自动化交易，将交易成本降至最低
- 风险管理-最佳资本配置，“下注规模”/凯利准则，交易信息
1）策略识别
策略识别在所有量化交易研究过程之初就开始了，目的就是为找到一个策略，通过获得一些必要的数据，试图优化这个策略以获得更高的回报/更低的风险
一般情况下，可以通过公共渠道找到有利可图的策略。对于这些公开的策略的机构或公司并没有讨论具体的参数以及他们在实时策略的调整方法。这些优化是将相对平庸的策略转变成高利润策略的关键。事实上，创造自己独特策略的最佳方法之一是去找相似的方法，然后按照自己优化程序去执行。
寻找策略想法的地方：
社会科学研究网http://-www.ssrn.com
arXiv量化金融http://-arxiv.org/archive/q-fin
寻找http://Alpha-www.seekingalpha.com
精英交易员-www.elitetrader,com
核能学社http://-www.nuclearphynance.com
量化交易网http://-quantivity.wordpress.com
会发现许多策略都属于均值回归和趋势跟踪/动量的种类
均值回归试图利用“价格序列”（如两个相关资产的差价）上的长期均值是存在的并且该均值短期的偏差最终会回落
动量策略试图利用投资者心理和大型基金组织中在市场上出现“搭便车”行为，来获得在一个方向上聚集动量，并跟随趋势直到他逆转
量化交易中的频率，分为低频交易（LFT）通常指持有资产超过一个交易日的策略；
高频交易（HFT）通常指当天持有资产的策略；
超高频交易（UHFT）指的是持有资产在秒和毫秒级别的策略。
一旦一个策略或一组策略被确定，那就需要根据历史数据对其盈利能力进行回测。这属于回测领域
2）策略回测
回测的目的是提供证据证明当应用历史和样本外的数据的时候，通过上文过程确定的策略使能够盈利的。但由于许多偏差的存在，回测效果好的，实盘交易并不一定好，常见的偏差包括预测偏差、幸存偏差、优化偏差（或“数据窥视”偏差）。回测中其他的重要领域包括历史数据的可用性和纯净度，考虑交易成本以及基于一个强大的回测平台。
一旦确定了策略，就有必要获取历史数据，通过历史数据去执行回测，这些数据可能还需要完善。
历史数据的主要关注点包括准确性/纯净度，幸存偏差和调整如股息和股票分割的公司行为。
准确性与数据的整体质量有关---是否包括任何错误。错误有时很容易识别，例如使用窄带滤波器，它将找出时间序列数据中不正确的“尖峰”并对其修正，而有时错误很难被发现，通常需要两个或者更多个数据提供方相互对照查看他们的所有数据。
幸存偏差 ---通常是免费或者廉价数据的“特性”。具有幸存偏差的数据集意味着它不再包含不再进行交易的资产。就权益类资产而言，它意味着退市/破产的股票。这种偏差意味着在这样一个数据集上测试的任何股票交易策略都可能比“现实世界”中表现的好，因为历史“赢家”已经被预选
公司行为包括公司的“物流”活动，这些活动通常会导致原材料价格的阶跃函数变换，同时不应该包括返还价格的计算。股息和股票分割的调整是常见的罪魁祸首。在每个这样的行为发生后都需要执行一系列的反向调整，千万别把股票分割和真正的收益调整混淆
回测一个系统时，必须能够量化它的表现。量化策略的“行业标准”是最大回撤还有夏普比率。
最大回撤是特定时期（通常是每年）账户权益曲线中最大的峰谷跌幅。它通常用百分比来表示。有序一些统计因素，LFT策略将比HFT策略有更大的最大回撤率。历史回撤率将显示过去的最大回撤，这可以很好的指示这个策略未来的回撤表现。
夏普比率：定义为超额回报的平均值除以这些超额回报的标准差。超额回报是指策略高于预期的回报基准，注意年度回报率通常不是一个常用的衡量标准，因为它没有考略策略的波动性（不同于夏普利率）
一旦一个策略通过了回测并且别认为是没有偏差的（尽可能的！），同时有较好的夏普比率和最小的回撤率，那么就是时候建立一个执行系统了。
3）执行系统
执行系统：策略生成的一系列交易的发送和经纪商的执行。
创建执行系统时考虑的关键因素是与经纪商的对接，最小化交易成本（包括佣金、滑点和差价）和回测表现的实时系统的性能差异。
与经纪商对接，到全自动高性能应用编程接口（API）。
执行范畴另一个主要问题是交易成本最小化。交易成本通常有三部分组成：佣金（或税），即由经纪公司，交易所和证券交易委员会（或类似的政府监管机构）收取的费用；滑点，想完成订单的价格与实际完成之间的差异；价差，即交易证券的出价/要价之间的差额，这个差价不是恒定的，取决于市场中当前的流动性（即买卖订单的可成交性）
交易成本可以区分用于良好的夏普比率的高利润策略和夏普比率差的低利润策略。
执行系统最后一个主要问题是策略的表现和回测表现的差异。行系统和交易策略本身可能存在缺陷，这些缺陷不会在回测实验中出现，但会在实时交易中出现。在你的策略部署之后，市场可能会受到政权的更迭而发生改变。新的监管环境，不断变化的投资者情绪和宏观经济现象都可能导致市场行为变化，从而影响你策略的盈利能力。
4）风险管理
最后一部分就是风险管理部分。风险管理也包括所谓的最佳资本配置，它是投资组合理论的一个分支，它意味着将资本分配给一系列的策略并按照这些策略进行交易。在行业里最佳资本配置和杠杆相关的策略被称为凯利准则。凯利准则对收益的统计性质做了一些假设，这些假设在金融市场中并不是经常成立的，所以交易者在执行时往往持保守态度。
风险管理的另一个组成部分是处理自己的心态。交易中有许多认知偏差。不可否认的是，不考虑整体策略的话而只考虑算法交易的话，那就没有这么多问题了。一个常见的偏差是损失厌恶，亏损的头寸不会因为你意识到损失的痛苦而消失。类似地，可能因为害怕失去已获得利润的恐惧太大，盈利可能被拿的太早。另一种常见的偏见成为近期偏见。当交易者过于强调近期事件而不是长期事件时，这一点就会显现出来。当然还有一对典型的情感偏见—恐惧和贪婪。这些通常会导致杠杆作用不足或者过度，从而导致急速亏损（即账户权益变为零或更糟）或利润减少。
