量化交易项目怎么做

**同学们前面两期量化交易内容：**

1. Python量化交易入门
2. 量化交易的历史

---

学习目标：

1、说明量化交易的研究流程
2、了解量化相关工作需求、开发要求

量化投资涵盖了整个交易过程，需要一个完整的作为研究的量化回测框架和实盘交易系统作为支撑。

---

1、 量化交易研究流程

量化回测框架提供完整的数据，以及回测机制进行策略评估研究，并能够实时进行模拟交易。为实盘交易提供选择。我们的研究一般在回测平台当中做

1.1 分析结果

我们最终想要的结果就是在回测当中表现的较好的分析方法和策略。比如：

1.2 什么是策略

量化策略是指使用计算机作为工具，通过一套固定的逻辑来分析、判断和决策。 量化策略既可以自动执行，也可以人工执行。其实策略也可以理解为，分析数据之后，决策买什么以及交易时间。

1.3 流程包含的内容

获取数据：
公司财务、新闻数据
基本行情数据

数据分析挖掘：
传统分析方法、机器学习，数据挖掘方法
数据处理，标准化，去极值，中性化分组回测，行业分布

构建策略:
获取历史行情，历史持仓信息，调仓记录等
止盈止损单，限价单，市价单

回测:
股票涨跌停、停复牌处理
市场冲击，交易滑点，手续费

策略分析:
订单分析，成交分析，持仓分析

模拟交易:
接入实时行情，实时获取成交回报
实时监控，实时归因分析

实盘交易:
接入真实券商账户

二、量化开发和研究岗位的要求

基于交易市场数据，研究、开发交易策略，进行基础建模
负责对交易策略进行回测、跟踪、分析、优化
定期对交易策略的运行结果进行总结，给出分析报告，评估市场适用度
负责数据挖掘、处理,数据统计分析，从数据中发现规律，为量化分析提供支持，开发量化模型策略
与基金经理合作跟踪优化股票市场量化策略在实盘的表现