不想错过精彩课程？一键“订阅”，轻松学习！
大家好，欢迎来到金十交易学院《智能量化交易》课程。
摘要：一个完整的量化交易生命周期，不仅仅只是交易策略本身。它至少由六个环节构成，包括：策略构思、建立模型、回测调优、仿真交易、实盘交易、策略监控等。
一、策略构思
首先，做量化交易必须先回到交易市场，要在市场中多观察价格，理解市场波动的规律，并尝试推断每一个交易逻辑，最后总结出交易策略。这里并没有捷径，你可能需要阅读经典的投资书籍，或者不断的坚持做交易，在失败中总结经验。
对于量化交易初学者来说，刚开始开发交易策略最好的方式就是模仿。直接利用现成的技术分析指标构建策略逻辑，写入买卖规则，这样就可以得到一个简单的策略了。假如你的交易策略是这样的：如果价格高于最近10天的平均价格就买入，如果价格低于最近10天的平均价格就卖出。那么它的架构是这样的（如下图）：
当然，随着策略经验的积累，形成自己的交易方式后，逻辑的选择会越来越多样化，再进阶到更加系统的量化交易。如果能做一个有量化思维的交易者，无论是在股票还是期货市场上，这都是一件值得庆幸的事，因为这样的人，不管在哪个交易市场都有持续稳定的获利能力。
二、建立模型
其次，你需要掌握一个量化交易工具，用来编写交易策略，实现你的交易想法。市面上的常用软件都可以。但是如果你想成为一名高端的量化交易者，就需要学会一门计算机语言，这里推荐大家使用 Python，因为它是科学计算的权威语言，并且提供各种开源的分析包，文件处理，网络，数据库等。
如果你的编程能力较弱，相信这也是大多数初学者的软肋，推荐使用相对简单的可视化编程语言或麦语言，它可以提高学习量化交易的兴趣，并使你专注于策略，高效的完成策略开发。如下图：利用麦语言，开发一个上述的交易策略，双击图片可以看到策略代码中的详细注释。
上图的策略代码，是利用发明者量化工具的麦语言演示，其集成很多可直接使用的功能模块，并且支持回测和实盘交易功能，是一个不错的快速入门方式。
三、回测调优
然后，当编写完策略模型后，下一步就是对策略进行回测，以及参数的筛选和优化。可以利用不同的参数对策略进行回测，观察该策略的夏普比率、最大回撤、年化收益等。通过对策略的不断调试和修改，最终得到一个完善的量化交易策略。
比如，我们把2017年的历史数据作为样本内数据，2018年的历史数据作为样本外数据。先用2017年数据优化出几组表现好的参数，再用这些参数对2018年的数据回测。一般情况下，样本外的回测结果没有样本内的回测结果好，但是如果样本外与样本内的结果大相径庭，那么这个策略几乎是无效的，就要观察分析，判断策略失效的原因。
假设，发现策略失效由于是样本外数据，某几次极端行情导致的大幅亏损，那么就可以增加一个固定止损条件来规避这种风险；如果发现策略失效是由于交易次数过多，那我们可以将交易逻辑稍微收紧，降低交易频率。
需要注意的是，如果一开始交易逻辑本身就是错误的，再怎么修改也很难得到一个赚钱的策略，这个时候就需要重新审视自己的策略思路了。另外，在参数优化中，可用的参数组越多越好，说明策略的适用性广泛。在回测时，交易次数太少的策略其回测结果可能是幸存者偏差。如果回测的结果是一个超级赚钱的资金曲线，很多情况下是你的逻辑写错了。
四、仿真交易
接着，当你拿到一个交易逻辑正确，样本内外都赚钱的策略时，先不要急着在真实账户上交易。尤其对于初学者来说，一定要先用仿真账户运行至少3个月，如果是中低频隔夜策略，则需要更长的仿真交易时间。
在未来一段完全未知的仿真行情中，观察策略在仿真交易中表现，仔细核对回测信号与仿真交易信号是否吻合，下单时的价格与成交时的价格是否有偏差，如果表现与预期相符合，那么说明策略有效。
五、实盘交易
终于，通过一段漫长的时间检验策略之后，就可以将策略放入实战中进行交易了。当然在量化交易的过程中我们也要保持警惕，防范极端行情。在实盘中，策略的期望一般都要打折扣的，达到预期的50%就是合格。
六、策略监控
最后，需要提醒大家的是，随着交易进行，我们也要观察策略的有效性，当发现策略出现超出预期的亏损时，就要重新评价这个策略。因为市场特征是会变化的，我们当下形成的策略主要是针对过去的市场特征。一旦市场特征发生变化就要对策略模型及时调整，或者暂时中止这个策略。
下节预告：整个量化交易生命周期中，最核心的还是交易策略。下节我们将从交易策略架构的角度，详细阐述一个完整的交易策略要素有哪些？这将帮助你更加全面的搭建你的交易策略，将量化交易提升到一个新的水平！
课后习题：
1. 试着用麦语言编写本节中的交易策略。
2. 量化交易回测中最重要的绩效指标是什么？
最后给大家一个温馨小提示：在课程和直播页面，点击“订阅”按钮，就可以及时接收提醒，不错过课程和直播的精彩内容！
金十交易学院，8点准时更新
