本文主要面向两类读者，第一类是正在努力寻找一份基金管理公司量化交易员工作的求职者，第二类是期望尝试开启自己“散户”算法交易事业的人士。

　　量化交易是数量金融学（注1）中一个极其艰深复杂的领域。若要通过面试或构造你自己的交易策略，就需要你投入大量的时间学习一些必备知识。不仅如此，它还需要你在MATLAB、R或Python至少一门语言上具备丰富的编程经验。随着策略交易频率的增加，技术能力越来越重要。因此，熟悉C/C++是重中之重。

　　一个量化交易系统包括四个主要部分：

　　策略识别：搜索策略、挖掘优势（注2）、确定交易频率。回溯测试：获取数据、分析策略性能、剔除偏差。交割系统：连接经纪商、使交易自动化、使交易成本最小化。风险管理：最优资本配置、最优赌注或凯利准则、交易心理学。

　　我们首先来谈谈如何识别一个交易策略。

　　策略识别

　　所有量化交易流程都肇始于一个初期研究。这个研究流程包括搜索一个胜率差策略、检验它是否适合你可能正在运作的策略组合、获取任何测试策略时所需数据、努力优化策略使其收益更高且（或）风险更低。如果你是一个“散户”交易员，一定要清楚自己的资金是否充足，以及交易成本对策略的影响。

　　通过各种公开数据搜索可盈利的策略实际上十分简单，并没有大家想的那么难。研究学者会定期发表理论交易结果（虽然大多为交易成本总额）。一些数量金融学主题博文也会详细讨论策略。交易期刊还会简报一下基金管理公司使用的一些策略。

　　你可能会问，个人与公司怎么可能愿谈他们的可盈利策略，特别是当他们知道，如果其他人“复制相同的策略”，长期而言它终将失效。原因就在于，他们通常不会透露具体的参数以及他们所使用的调参方法，而这些优化技能才是把一个表现平庸的策略调成一个回报丰厚的策略所需的关键技术。实际上，若要创建你自己的、独一无二的策略，一个最好的法子就是寻找相似的方法，尔后执行你自己的优化程序。

　　你所看到的很多策略都可归入均值回归交易策略、趋势跟随或动量交易策略两类。均值回归策略试图利用这么一个事实：“价格序列”（如两个关联资产的价差）存在一个长期均值，价格对均值的短期偏离终将回归。动量交易策略则试图“搭上市场趋势的顺风车”，利用投资心理和大基金结构信息在一个方向积聚动量，跟随趋势直至回归。

　　定量交易还有一个重要方面，即交易策略的频率。低频交易（LowFrequencyTrading,LFT）通常指持有资产超过一个交易日的策略。相应地，高频交易（HighFrequencyTrading,HFT）通常指持有资产一个交易日的策略。超高频交易（Ultra-HighFrequencyTrading,UHFT）指持有资产的时常达秒级与毫秒级的策略。虽然散户可以进行HFT与UHFT交易，但也只是在你掌握了交易“技术栈”（注3）与订单簿动力学（注4）的详细知识后才有可能。本篇入门文章，我们不会对这些问题做任何深入探讨。

　　策略或策略集合一旦确定，现在就需要在历史数据上测试其盈利能力，这就进入了回溯测试的工作范围。

　　回溯测试

　　回溯测试的目标是提供证据，佐以证明通过以上流程所确定的策略，无论是应用于历史（训练）数据还是测试数据（注5）均可盈利。它可以反映该策略未来在“真实世界”中的预期表现。由于种种原因，回溯测试不能保证一定成功。这或许就是量化交易最为微妙之处，由于它包含了大量的偏差，我们必须尽尽力仔细审查并剔除它们。我们将讨论几种常见类型的偏差，包括先窥偏差（注6）、幸存者偏差（注7）与优化偏差（亦称“数据窥视偏差”，注8）。回溯测试中其他几个重要方面，包括历史数据的可用性与清洁度、真实交易成本及可靠回测平台上的决定。我们会在后续“交割系统”一节深入讨论交易成本。

　　策略一旦确定，我们就需要获取历史数据，并藉此展开测试，如有可能还可改进策略。现在卖数据的很多，所有资产类型的数据都有。通常，数据的质量、深度、时间间隔不同，其价格也不同。刚入门的量化交易员（至少零售等级）最初使用雅虎金融板块（YahooFinance）的免费数据就行。对于数据供应商，这里不再赘言。我想重点谈一谈处理历史数据时，时常遇到的问题。

　　对于历史数据，人们主要关心的问题，包括数据精度或清洁度、幸存者偏差、应对如分发红利、拆分股票等公司行为的调整。

　　精度与数据整体质量有关，无论数据是否包含错误。有时错误容易识别，比如使用一个窄带滤波器（注9），就可以找出时间序列数据中的“窄带”并更正它们。其他时候，错误又很难甄别，经常需要根据多个数据供应商提供的数据进行对比检查。幸存者偏差通常是免费数据集或廉价数据集的一个”特征“。对于一个带有幸存者偏差的数据集，它不包含已经不再交易的资产数据。不再交易的证券，则表示已经退市或破产公司的股票。如果数据集中含有此类偏差，策略在此数据集上的测试表现可能比在”真实世界“里表现的更好，毕竟历史”赢家“已经被预先筛选出来，作为训练数据使用。公司行为即公司开展的常引发原始价格阶梯形变化的”逻辑“活动，它不应该计入价格收益。公司分发红利和拆分股票行为是引发调整的两个常见行为，二者无论发生哪一种，都需要进行一个”回调“的流程。我们一定要留心，不要把股票拆分和真实收益调整混为一谈。许多交易员在处理公司行为时都碰过壁！

　　为了开展回溯测试，我们必须使用一个软件平台。你可以选择一个专门的回测软件如Tradestation，一个数值平台如Excel或MATLAB，或者一个用Python或C++完全自主实现的平台。对于Tradestation（或类似平台）、Excel或MATLAB，我不作过多介绍。我比较推崇的是创建一个内部技术栈。这么做的一个好处是可以实现回溯测试软件与执行系统的无缝集成，甚至还可以添加一些高级的统计策略。对于HFT策略，更应该使用自主实现的系统。

　　在做系统回测时，一定要量化表示系统性能。定量策略的“业界标准”度量为最大资金回挫与夏普比率。最大资金回挫表示一段时间（通常一年）内账户资金曲线从波峰至波谷的最大跌幅，常使用百分比表示。由于大量的统计因素，LFT策略比HFT策略的资金回挫更高。历史回测会显示过去的最大资金回挫，它能够较为贴切地反映策略的未来资金回挫情况。第二个度量指标是夏普比率，它被启发式地定义为“超额收益均值与超额收益标准差的比值”。这里，超额收益表示策略收益超出某个预定基准，如标普500或三月期短期国债（收益）的额度。注意人们通常不使用年化收益指标，因为它忽略了策略波动性的影响，而夏普比率却考虑到了这一点。

　　如果经过回测，策略的夏普比率很高且其最大资金回挫已经最小化，则可以认为它趋于无偏，下一步就是要搭建一个交割系统。

　　交割系统

　　交割系统是一个方法集合，由它来控制交易策略生成的交易列表的发送和经纪商的交割行为。事实上，交易可以半自动、甚至全自动生成，而执行机制可以手动、半自动（即“点击一次交割一项”）或者全自动。尽管如此，对于LFT策略，手动和半自动技术却比较常见；对于HFT策略，则必须创建一个全自动交割机制，由于策略和技术彼此依赖，还要经常与交易指令生成器紧密相接。

　　在搭建交割系统时，我们需要考虑几个关键因素：连接经纪商的接口、交易成本（包括佣金、滑动价差与价差）最小化、实时系统与回测时系统性能的差异。

　　联系经纪人的方法有很多，你可以直接电话联系他，也可以通过一个全自动高性能的应用程序接口（API）实现。理想情况，就是希望交割交易的自动化程度尽可能高。这样一来，你不仅可以脱开身集中精力进行深入研究，还能运行多个策略、甚至HFT策略（实际上，如果没有自动化交割，HFT根本不可能）。前面说过的几种常用回溯测试软件如MATLAB、Excel和Tradestation，对于LFT策略或简单策略都是不错的选择。但是，如果要做真正的HFT，你就必须要构造一个用高性能语言（如C++）编写的内部交割系统。说个我的亲身经历，以前受聘于一家基金管理公司，我们有一个十分钟的“交易周期”，每隔十分钟下载一次新的市场数据，然后根据这十分钟的信息进行交割。这里用的是一个优化的Python脚本。对于任何处理分钟级或秒级频率数据的工作，我相信C/C++更理想。

　　在一家大型的基金管理公司，交割系统的优化通常不在量化交易员的工作范围。但是，在小点的公司或高频交易公司，交易员就是交割人，所以技术面越广越好。你要想进一家基金管理公司，一定要记住这一点。你的编程能力不说比你的统计学和计量经济学禀赋更重要，至少也同样重要！

　　另外一个属于交割系统的重要问题是交易成本最小化。一般地，交易成本由三部分构成：佣金（或税收）、损耗与价差。佣金是向经纪商、交易所和证券交易委员会（或类似政府监管机构）支付的费用；滑动价差是你的预期交割价位与真实交割价位的差值；价差则是待交易证券的卖出价与买入价之差。注意价差不是常数，它依赖于市场当前流动性（即买单和卖单数量）。

　　交易成本是决定一个策略是高夏普比率且盈利丰厚，还是低夏普比率且极不盈利的关键。根据回溯测试正确预测未来的交易成本很具有挑战性，你需要根据策略频率，及时获取带有卖出价与买入价信息的历史交易数据。为此，大型基金管理公司量化交易的整个团队都专注于交割优化。当基金管理公司需要抛售大量交易时（原因五花八门），如果向市场“倾泻”大批股票，会迅速压低价格，可能都来不及以最优价格交割。因此，纵使遭受损耗风险，基金管理公式也会选择使用算法交易，通过“打点滴”的方式向市场出单。此外，其他策略如若“捕到”这些必要性条件，也能利用市场失效（获利）。这是基金结构性套利的内容。

　　交割系统最后一个主要问题关系到策略的实时性能与回测性能的差异。这种差异由多种因素造成，比如我们在“回溯测试”一节已经深入讨论过的前窥偏差与最优化偏差。然而，对于有些策略，在部署之前不易测得这些偏差。这种情况对于HFT最为常见。交割系统和交易策略本身均可能存在程序错误，回溯测试时没有显现却在实时交易时出来捣乱。市场可能受到继交易策略部署后的一场政变的影响，而新的监管环境、投资者情绪与宏观经济形势的变化也均可能导致现实市场表现与回溯测试表现的差异，从而造成策略盈利性上的分歧。

　　风险管理

　　量化交易迷宫的最后一块是风险管理程序。风险包含我们之前谈论的所有偏差。它包括技术风险，比如所有在交易所的服务器突然发生硬盘故障。它还包括经纪风险，如经纪商破产（此说并非危言耸听，最近引发恐慌的明富环球就是一个例子，注10）。总而言之，它覆盖了几乎所有可能干扰到交易实现的因素，而其来源各不相同。目前已经有成套的书籍介绍量化交易策略的风险管理，本人也就不再对所有可能的风险来源做详细说明。

　　风险管理还包括投资组合理论的一个分支，即所谓的“最优资本配置”，涉及到如何将资本分配给一组策略、如何将资本分配给策略内不同交易的方法。这是一个复杂的领域，依赖于一些高级数学知识。最优资本配置与投资策略杠杆通过一个名为凯利准则（注11）的业界标准建立联系。本文是一篇入门文章，我在此不详谈其计算。凯利准则对策略收益的统计性质做过一些假设，但是它们在金融市场中并不一定成立，交易员因此在实现时通常会有所保留。

　　风险管理的另外一个关键成分涉及到交易员自身心理因素的处理。尽管大家都承认，算法交易若无人为干涉，不太容易出现问题。交易员在交易时，稍不留神仍然可能会掺入许多认知偏差。一个常见的偏差是厌恶规避，当人发现损失已成定局，其所带来的痛苦，可能会麻痹人的行为，不能做到及时抛盘止损。类似地，由于太过忧心已经到手的收益可能赔掉，人们可能也会过早抛盘收利。另外一个常见的偏差是所谓的近期偏好偏差：交易员太看重近期事件而非长远地看问题。此外，当然不能落下“恐惧与贪婪”这对经典的情绪偏差。这两种偏差常导致杠杆不足或杠杆过度，造成爆仓（账户资产净值近乎为零或更糟）或盈利缩水的局面。

　　总结

　　由此观之，量化交易是数量金融学中一个虽趣味十足但极其复杂的领域。我对这个话题的讨论浅尝辄止，文章就已经这么长了！我在文中三言两句带过的问题，已经有大量的相关书籍和论文出版。因此，在你申请量化基金交易职位前，务必要进行大量的基础调研，至少应当具有统计学和计量经济学的广泛背景，以及使用MATLAB、Python或者R程序语言实现的丰富经验。如果应对的是更加复杂的高频端策略，你的技能组合可能还要包含Linux内核修改、C/C++、汇编编程和网络延迟优化。

　　如果你有兴致创建自己的算法交易策略，我的头条建议就是练好编程。我偏向于尽可能多地自己实现数据采集器、策略回溯测试系统和交割系统。如果你自己有投钱做交易，而你又了解系统是否已经通过充分测试，还知晓其存在的缺陷和特殊问题，你怎么可能夜里睡不踏实？如果把它外包出去，短期内也许节省了时间，但长期来看可能成本巨大。

　　译注：

　　（01）.数量金融学（QuantitativeFinance），也称金融工程学或金融数学，通过高级数学理论量化分析金融产品，为金融市场提供了多样性的金融衍生产品，在丰富投资选择的同时也带来了隐患，比如2008年金融危机。从事数量金融工作的人常使用“矿工”（Quant）自嘲，由于使用大量的高级数学技术也有人称他们火箭科学家。

　　（02）.挖掘优势（ExploitinganEdge）并无特别明确的上下文关系。如果以“边界”理解，也不恰当，毕竟常用于表达数学边界含义的是另外一个词‘Bound’。所谓挖掘优势，即对搜索到的多个策略进行对比，选择最佳的一个使用。

　　（03）.技术栈（TechnologyStack）实际上是提供应用服务的系统所使用的各种技术，若从分层角度来看，各种技术层叠相连、彼此分工协作，好像一个“栈”。如果有人对各种技术都有颇深造诣，那么他（她）就可称作是一名“全栈工程师”（FullStackEngineer），通俗点就是一多面手、全才，在业界绝对炙手可热。

　　（04）.根据交易机制，证券市场可以分成报价驱动市场（Quote-drivenMarket）、订单驱动市场（Order-drivenMarket）。订单簿动力学（OrderBookDynamics）则是根据订单驱动市场的信息，探索订单量、流动性与价格之间的动力关系。其主要目的是使用高频交易订单簿当前数据信息预测其短期状态，以辅助做出最佳投资决策。

　　（05）.量化交易中使用的每种投资策略实际上就是一个数学模型。在搜索投资策略时，存在各种各样的模型，如何选择呢？可以对投资策略做回溯测试（Backtesting），检测模型在历史数据中的表现。然而，这里就出现一个问题，模型中可能存在各种参数，选择不同的参数对于模型性能的影响也是不同的，为此就需要在测试之前进行一个模型参数调优的过程。典型的做法是将完整的历史数据分割成多份，最简单地是分成两份：一部分做训练样本，另外一部分作为测试数据。如果首先抽样得到训练样本，那么余下的数据就是测试数据（Out-of-SampleData）。

　　（06）.由于利用历史数据回测时，策略在实际运作中使用的信息与历史数据回测时使用的信息不同，比如策略“日均价达到10元卖出”在实时运作时，只能得到开盘至当前的价格数据，从而无从获得日均价的数据。它如同一部穿越剧，属于典型的先窥偏差（Look-aheadBias）。

　　（07）.用于回测的历史数据通常都会经历一个预处理的过程，将部分数据删除。比如，由于私有化或收购的退市股票，只存在部分交易数据，可能会从数据集中剔除，只使用那些一直处于交易状态的数据进行回测。这种只使用预先筛选的幸存者数据进行回测所产生的偏差称作幸存者偏差（SurvivorshipBias）。关于幸存者偏差，有个二战的故事读者可以读读。

　　（08）.优化偏差（OptimisationBias），亦称“数据窥视偏差”（Data-snoopingBias），从机器学习的角度来看，这即是过拟合，经过过度优化，策略虽然在历史数据测试集上表现不错，然而在实际应用时却差强人意。

　　（09）.窄带滤波器（SpikeFilter）主要用于处理时间序列数据的大幅波动。一般而言，时间序列数据的移动变化较为平缓，为了探测数据中可能包含的异常数据，可以使用一个滤波器，将波动变化异常（设定阈值）的数据进行变换，恢复到正常范围，反之则保持不变。由于异常数据呈现扁平长窄带状，窄带滤波器名称由此而来。

　　（10）.明富环球（MFGlobal）是全球最大的商品期货经纪商之一，数月之内在欧洲主权债券上的投资达到63亿美元，接近其资本的6倍，其杠杆率飙升至40:1。由于欧债危机，其信用评级跌至垃圾级，2011年10月31日向法院提交破产保护申请。

　　（11）.1956年，贝尔实验室的工程师约翰·拉里·凯利（JohnLarryKelly）在研究长距离电话通讯噪声问题时推导出的一个公式，由于意外在21点、赌马等博彩游戏中获得成功，后来广泛应用于证券投资领域，即凯利准则（KellyCriterion）。由于长距离通话存在随机噪声，凯利研究如何传输信号，从而保证传输速率最大。如果将其应用于赌博，就可以确定每次的赌注大小从而赢的最多。