如何理解量化交易这样一份工作

• 量化交易

  作为职业发展方向，相信量化交易是一个光明的选择，我对量化的看法详见2018.12.18发表的《为什么要学量化，因为证券的黄金十年要来了》一文。自上文发表至今已经过去一年多，大方向的看法依然不变。

• 量化交易体系

  上文谈的是为什么要做量化，是对量化的一种宏观定性认知。从技术角度，对量化的解构如下。

  我个人构筑的量化交易框架包含以下几个关键字：时序数据库、回测框架、交易策略、预警系统、FPGA与实时操作系统。

  • 时序数据库

    数据是量化的原力，在没有数据或数据不准确的前提下谈量化都是耍流氓。此环节涉及到数据的采集、清洗、存储、调用等。

    与MySQL、MongoDB等数据库相比，我更倾向于选择时序数据库，综合下来，目前采用的是DolphinDB，选择原因参见《DolphinDB安装过程及学习向导（图示）》及《TSDB || DolphinDB || KDB+》。

  • 回测框架

    回测过程的准确性及鲁棒性决定了策略上实盘时偏差大小。

    回测思路主要有两种，一种是常用的逐行遍历历史数据，另一种是基于历史数据回放功能，完全模拟数据真实发生过程，最大可能去除回测偏差。详情参见《DolphinDB使用案例17：GUI回放BTC历史数据及replay/replayDS详解》。

  • 交易策略

    目前所研究的策略主要包括：

    1. Boll、Dual Thrust等单指标策略；
    2. HMM、SVM等机器学习策略；
    3. 文本数字化等NLP策略；
    4. 套利策略；

  • 预警系统

    此环节主要是为交互友好，通过钉钉、邮件、微信小程序实现预警、手动开平仓、在线查询历史记录等功能。

  • FPGA与实时操作系统

    执行环节，需要用到硬件加速。FPGA与实时操作系统。

• 作为一个工种

  量化交易这个行业，是个小众行业，不同于其他互联网大厂在做的事情，他们可以把行业工种划分的很详细，运维、开发、产品经理等等，但是对于量化交易来说，需要从业人员以全栈工程师的角度来打造自己。

  量化交易的最终目标是要赚钱，而赚钱是一个系统工程，整套流程下来，任何一个环节出错都是致命的，不同于其他行业每个环节都有缓冲地带，而量化每个环节的缓冲地带正是业内人士锱铢必较的战略重地。金融体系、计算机硬件、各类软件语言、运算加速、网络传输协议、服务器并发、服务架构、数据库、操作系统等每个环节都需要知道。

  这个行业真正高手并不多，很多人只是把“量化”二字作为一面新旗帜、新概念，填充一些乱七八糟的什么人工智能、自动化等等进去，把山泉水称为拯救人类的纯天然的富含矿物质的私人订制的无接触配送的一日不可缺的改善胃肠活动的聪明人都在选择的聚集优质同伴的让你体验非一般感觉的柔软小甜蜜，其实就还是水，随着这个系统的更新，交子取代现银、马取代驴、摩托车取代自行车一个道理。

  物质世界的改变，必然反作用于生产关系，进而提升生产工具的效能。

  简而言之，量化之所以发展，并不是因为量化比主观更赚钱，而是因为生产力的发展到了需要发展量化这种手段的时候。
  赚钱与否，和量化、主观无关。当然，现阶段量化普遍会优于主观是因为新型武器效果优于旧式兵器，也是新式之所以称为新式的原因所在。