量化交易的功能一般包含三大块:研究、模拟、实盘。转化到技术层面为:数据、回测、实盘、安全等等。基于国内市场,我们遇到的挑战如下:1:数据数据包含两类,一类是行情数据,一类是财务、基本面、舆情、研报等其他数据。行情数据:目前市面上分钟级的数据比较精准,可以用于中低频的交易回测;历史、实盘TICK级的Level-1、Level-2数据需要自己找渠道去获得,较容易找到的渠道很容易出现漏数据、不精确等情况,需要工程师专门结合了多家数据源进行核对修复。2:回测回测最难的在于如何确定成交量,同时要考虑复权、停牌、ST*等问题,这里面有很多细节3:安全安全在交易的开发中是重中之重,如何保证策略的安全性,不被外部、内部人员所窃取,分为2部分。一部分是WEB安全,一部分是策略的编译安全。因为量化交易是用户可编程的,我们量化选用的是PYTHON语言,因为有强大的科学计算库和高性能,导致用户可以调用很多系统级API,在这上面我们下了很大的功夫来保证用户的策略安全,做到理论级的策略隔离。只能大概讲一下,这里面每一个部分都可以延伸出来成为一个话题。