一个量化系统，应该包含四部分，分别是数据、策略分析、执行、可视化四部分。
一、数据模块
数据模块，主要的功能是数据的采集和行情数据的实时传递。
很大一部分人做交易主要看K线，其实K线已经是2个世纪以来金融市场上最大的障眼法骗局。市场上所有的人都去研究K线，但是真正能通过K线赚到钱的只是很小一部分。因为K线本来是市场上原本不存在的东西，真正的市场由一笔一笔真实的交易组成，每笔交易包含时间、价格、买卖方向、成交量，把这些交易的点连接起来才组成的K线，而K线只包含开盘价、收盘价、最高价、最低价、交易量、红绿涨跌这些信息，但其实这些信息是严重被压缩过的，有无数种交易情况的可能可以形成同一条一样的K线，但是由K线却无法还原最原始的交易信息。
因此市场上的交易数据是底层数据，那些只依靠K线、指标这种大家都在研究的东西的量化或者交易者，等于是在降低层次的水平上做分析研究，因此很难超越市场水平去赚到钱。只有在数据的维度上更高一层，才有更多的胜率和把握。
目前链上资金情况、链上代币转移情况、持仓分布、搜索热度、社交网络热度、情绪指数等都是影响市场的变量，，数据模块，要采集足够多的原始数据，尽量的还原整个交易场景，才能给后面策略分析模块更多的胜率可能。
二、策略分析
策略分析，从整体来说，应该是一个机器学习的AI。功能上来讲，包含函数指标生成器、关联性数据分析、机器学习、回测系统。
本质上K线，是一种函数算法，把交易的原始数据转化成为一个简单的指标，从而方便参考和计算。同样MA线、MACD、KDJ等本质上都是一个不可逆的函数，从不同的角度量化和观察市场。
量化交易不能拘泥于单个指标，不能迷信指标，但是又不能不信指标。指标和函数需要自己去人工或者用机器学习的办法生成，形成一个函数指标库，然后去市场上发现相关性和校验，去实盘或者用实际数据回测。
同样量化策略的后期优化和变化，也是根据实盘的数据实时修正，让机器在量化中自我学习发现指标，自我学习调整指标参数，产生最大的盈利。同样也记录亏损的数据和情况，尽量减少亏损的发生。
三、量化执行
量化执行主要包含下单执行系统和风控系统。
下单系统全靠语言和底层架构，要从服务器到操作系统到语言框架再到算法都优化好，让交易执行速度和反应速度尽可能的快和稳定。
而风控系统，则要考虑从硬件环节到软件环节可能发生的故障，以及市场上的黑天鹅事件如何应对。量化最重要的能力不是盈利能力，而是风险控制能力。只有风控能力超过人的控制力的基础上，再去研发盈利能力才有意义。
四、可视化数据
可视化数据提供数据可视化、报表、人工决策辅助系统。
此处涉及到太多产品的秘密，暂时不会透漏太多。
最后
总之量化系统的未来交易的一个必然趋势。人与动物之间最大的区别是是否会制造和使用高级工具，弱国和强国之间的战争从80世纪一来已经进入武器工具水平和策略方面的竞争，未来金融行业的竞争也必然走向人工智能参与的量化策略之间的竞争。
网友评论