从零开始做量化（1）

系列文章目录

从零开始做量化（0）—— 引言
从零开始做量化（1）—— 量化交易的框架

---

持续更新中。。。

---

前言

在上一节中为大家介绍了量化投资的概念以及本系列文章的主要内容安排。本节介绍量化交易的整体框架，在后面的程序实现中，将会以此框架为基础，往里面写功能需求，进而实现我们的投资策略。

1. 量化交易的整体框架

如下图所示，量化交易框架的核心是专家系统，其本质就是从大量的数据中推理出我们感兴趣的信息，围绕该核心还包括数据的输入、模型输出等。

1.1 专家系统

​专家系统就是一个数据处理中心，它包括但不限于量化策略、预测推理、选股/选基、复盘等功能。量化策略就是我们投资理念的程序化实现，比如你是按照MACD指标对买进、卖出的时机做出研判，那么就可以程序实现帮助你；预测推理主要根据当前的状态对未来进行推测，比如你可以根据政经新闻、时事热点对行业的短期影响对出定性判断，甚至说，当你的模型足够智能，你可以做出定量的预测；选股/选基很好理解，就是帮助我们快速筛选出有潜力或者自己感兴趣的目标；复盘就是对当日的结果进行总结，以便之后的能够做出更合理的推断或者操作。

1.2 数据源

数据源就是数据的输入，我们把它分为两大类：第一类是需要从云端获取的数据，包括基础数据(如股票/基金代码、名称、领域等)、实时行情数据(如实时涨跌幅、日线周线月线行情等)、辅助性数据(如财务数据、市场参考数据、行业信息、宏观经济、新闻资讯等)，最后这一类较为繁杂，原则上只要我们做决策有需要，就得获取这部分信息。第二类是我们本地缓存的数据，如历史行情、辅助控制参数等，使用策略进行推理时仍依靠这部分数据。

1.3 模型输出

模型的输出也有两类，即合理的建议和具体的交易行为，前者将我们的专家系统视为一个给出建议的“专家”，我们只是用来参考，具体操作还是由我们来执行；后者将我们的专家系统视为一个“管家”，由它做出决策并执行，后者对系统的可靠性要求极高，一般专业机构才有可能会选择用程序交易，所以使用前一点更要做合理的模拟与测试，否则一旦有BUG，后果不堪设想！

2. 总结与下文预告

本文首先介绍了量化交易的框架，主要包括数据处理、信息摄入、信息输出等。下文将会介绍开发环境的部署。

感谢您的耐心阅读，文章创作不易，转发请注明出处！系列文章首发于个人微信公众号“24K纯学渣” ，学习资源与源码将第一时间共享在该平台，欢迎关注！