量化交易平台的挑战有哪些？

2355

收藏 2015-09-15

量化交易平台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。
其他数据：
财务、基本面、研报数据提供者较多，巨灵财经、新浪财经等都有。舆情数据我们目前也没有找到比较好的提供方，目前舆情用在股票方面也是有很大的技术门槛的。

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。
我简单举两个例子：
大额市价单：当交易量大到一个程度时，就会影响后期的价格，导致后续模拟失真。目前还没有已知很好的方法能够完整的模拟。
涨停打板：这里需要借助TICE级Level-1的数据，判断下单时涨停封单的数量，再根据后续的成交量完成是否能够购买成功，大家知道股票的历史数据量是比较大的，这里面就有一个性能的难点。

3：实盘
这个在国内比较难的是政策问题。最近对量化的监管压力比较大，券商基本都停止了量化账户的新开以及第三方业务系统的接入，很多老账户也都被停了。在技术层面，中信、国信、华宝、兴业、光大、华泰等等都有比较好的交易接口，有的是CTP，有的是LTS等，恒生推出了一款ITn系统，如果不愿意跟券商打通，可以直接购买。还有一个是资金量的问题，目前券商对资金量都是有一定要求的，100W~1000W不等。

4：安全
安全在交易平台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。
因为量化交易平台是用户可编程的，和其他的站点不同。我们选用的是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。

推荐一个免费的A股量化交易平台JoinQuant.com