大数据文摘出品
来源：quantstart
编译：LYLM、笪洁琼
本文作者是一位从事量化交易的实战者，他将他的实战心得写成一个量化交易系列，本篇则是系列的第一篇，从文中你会对整个量化交易的框架、流程、以及策略思路的来源地都有相应地说明。接下来就和文摘菌一起来看看量化交易应该如何入门吧！
在此文中我将为你们介绍一些端对端量化交易系统的基本概念，希望借此帮助到两类读者：一类是希望在基金公司中找到量化交易相关工作的人，另一类是那些希望能自行利用算法进行交易的“散户”。
量化交易是量化金融中非常复杂的一个领域。要通过面试或者制定自己专属的交易策略，需要花费大量时间来学习相关知识。不仅如此，你还需要粗略会些编程技能，至少要会MATLAB，R语言或者Python其中一种语言。然而，随着策略交易频率的增加，技术方面相关性更强了，因此熟悉C语言或C++就更为重要。
量化交易系统由四个主要部分组成：
策略识别-寻找策略，利用优势以及决定交易频率策略回测-获取数据，分析策略性能以及消除偏差执行系统-与经纪（开户）公司对接，自动化交易以及最小化交易成本。风险管理-最优资本配置，“押注规模”/凯利公式以及交易心理。
我们先来看看如何确定交易策略。
策略识别
所有的量化交易过程都是在研究初期就开始了的。这个研究过程包括寻找策略，看看这个策略是否与你正在运行的其他策略组合相融，获取测试策略所需的所有数据，并试图优化策略以获得更高的回报和/或更低的风险。如果你是以“散户”的身份运行交易策略，还需要考虑自己的资金要求，以及每项交易成本是如何影响策略的。
与人们普遍认为的相反，通过各种公开渠道寻找可盈利的策略是非常简单的。学术界会定期发表理论交易结果（尽管大部分是交易成本总额），量化金融的博客通常会详述其使用的策略，行业期刊也会概述基金采用的部分策略。
你可能会问，为什么个人和企业都这么热衷于讨论自己的盈利策略呢，尤其是知道其他人都想来“分一杯羹”的情况下，可能这个策略长期来看就未必还能盈利了。原因在于，他们其实不会讨论他们使用的确切的参数设置和微调方法。这些优化手段是将相对平庸的策略转为获取高额收益的关键。实际上，创建自己独特策略的最佳方法之一，就是找到相似的方法，然后自己进行调优。
以下是可供各位寻找策略的网址列表：
社会科学研究网