許多系統(tǒng)化/量化對(duì)沖基金是由獨(dú)立的“內(nèi)部創(chuàng)業(yè)小組”組成，包括由量化研究員、量化交易員和量化開發(fā)人員所組成的小團(tuán)隊(duì)。所有這些頭銜的前綴都是“量化”，因?yàn)樗麄冊(cè)诤艽蟪潭壬隙己蛿?shù)學(xué)有關(guān)。系統(tǒng)交易的各個(gè)方面高度相互交織，因此，每個(gè)人都必須直面數(shù)學(xué)和算法。

對(duì)于量化基金，在交易正式啟動(dòng)之前，有三個(gè)關(guān)鍵方面是必須要落實(shí)的。一般來說，它們是：

價(jià)格/數(shù)據(jù)源：量化研究員和交易員需要根據(jù)證券價(jià)格時(shí)間序列開發(fā)自己的算法。因此，量化研究的一個(gè)重要方面就是獲取高質(zhì)量的證券價(jià)格信息。數(shù)據(jù)源類型多種多樣。數(shù)據(jù)需要被檢索、存儲(chǔ)、清洗，并以統(tǒng)一的格式提供給量化人員。這是量化開發(fā)人員的工作，也是我?guī)缀?0%的工作內(nèi)容。

信號(hào)/算法：這方面的工作涉及對(duì)獲取的價(jià)格數(shù)據(jù)進(jìn)行統(tǒng)計(jì)研究以識(shí)別交易機(jī)會(huì)。對(duì)沖基金所采用的策略是非常多樣化的。對(duì)于量化基金，他們通常會(huì)采用趨勢(shì)跟蹤、均值回復(fù)、統(tǒng)計(jì)套利或高頻/做市商策略等。所有的基金都會(huì)保好自己的底牌，因此，好的策略很少會(huì)透露出來。這一塊就是量化研究員或交易員的工作。

執(zhí)行/訂單：一旦交易策略通過任何必要的回溯測(cè)試，并獲得足夠的理論性能，接下來就是針對(duì)交易執(zhí)行的建模，將訂單以最優(yōu)的方式發(fā)送到交易所，同時(shí)不至于造成太大的滑價(jià)或交易成本。正如定價(jià)一樣，博士團(tuán)隊(duì)通常會(huì)研究有效執(zhí)行下單的算法，事實(shí)上，交易執(zhí)行和信號(hào)有明顯的重疊。一旦執(zhí)行算法設(shè)計(jì)好，接下來就是執(zhí)行量化開發(fā)人員的工作——建立與主要經(jīng)紀(jì)商的接口以實(shí)現(xiàn)交易。此外，投資組合管理和調(diào)整工具需要完全自動(dòng)化，以按需生成快照?qǐng)?bào)告。后者約為我20%的工作內(nèi)容。

遺憾的是，我不會(huì)談?wù)撐覀兯褂玫木唧w算法，因?yàn)檫@篇文章是不能夠泄露交易策略的！不過，我將討論作為一個(gè)量化開發(fā)人員在數(shù)據(jù)源方面的工作。

主要包括四個(gè)方面的工作：連接到數(shù)據(jù)源和獲取數(shù)據(jù)，將這些數(shù)據(jù)以統(tǒng)一的格式進(jìn)行存儲(chǔ)，數(shù)據(jù)清洗以避免錯(cuò)誤，將數(shù)據(jù)以簡(jiǎn)單、易于使用的方式提供給量化研究員。

我們基金的主要交易機(jī)制是利用股票多/空模型。我們主要關(guān)注以下資產(chǎn)類別：全球股票、固定收益宏觀和衍生數(shù)據(jù)、外匯現(xiàn)貨數(shù)據(jù)（期貨）、商品（期貨及期權(quán)）和指數(shù)如標(biāo)準(zhǔn)普爾500指數(shù)、富時(shí)100指數(shù)、VIX指數(shù)等。頻率主要為日開高低收價(jià)格數(shù)據(jù)到其他特定來源的10分鐘民意調(diào)查數(shù)據(jù)。

構(gòu)建這種類型的證券數(shù)據(jù)庫(kù)的第一步是創(chuàng)建所謂的證券主列表。它將在單一的、非復(fù)制的數(shù)據(jù)庫(kù)列出可能感興趣的每一個(gè)證券/資產(chǎn)。如此主列表的其中一個(gè)關(guān)鍵問題是，同一證券的不同數(shù)據(jù)源使用的是不同的代碼。因此，有必要構(gòu)建一個(gè)證券映射列表為每個(gè)證券提供獨(dú)特的價(jià)格數(shù)據(jù)。

我們的價(jià)格數(shù)據(jù)通過專有通道和免費(fèi)渠道獲得，通常是通過應(yīng)用程序編程接口（API），因此，可以通過可重復(fù)、自動(dòng)化的方式執(zhí)行。我們構(gòu)建了一個(gè)系統(tǒng)來檢查錯(cuò)誤并標(biāo)記缺失數(shù)據(jù)或是與其他數(shù)據(jù)源同一證券不匹配的數(shù)據(jù)。我們的數(shù)據(jù)被存儲(chǔ)在一個(gè)關(guān)系數(shù)據(jù)庫(kù)管理系統(tǒng)（RDBMS），廣泛微調(diào)性能和我們的用例。

一旦數(shù)據(jù)被下載，我們將運(yùn)行三個(gè)主要類型的數(shù)據(jù)分析并修改腳本。首先確定對(duì)于不同數(shù)據(jù)源的同一證券數(shù)據(jù)是相同的。其次，確定數(shù)據(jù)中不存在無法解釋的異常值（即顯著偏離正常范圍），通常來說是錯(cuò)誤值。第三個(gè)是根據(jù)公司行為（股息、股票分割、份額問題等）調(diào)整價(jià)格，這樣我們的輸出值返回的是一個(gè)價(jià)格變動(dòng)百分比序列，而不是絕對(duì)價(jià)格。然后，這些數(shù)據(jù)通過內(nèi)部編寫的APIs和數(shù)據(jù)庫(kù)復(fù)制技術(shù)被其他軟件包所調(diào)用。

這整個(gè)過程最終是完全自動(dòng)化的。僅有的手動(dòng)任務(wù)就是，檢查錯(cuò)誤日志和修復(fù)數(shù)據(jù)源，添加新的數(shù)據(jù)源和調(diào)整APIs以增加額外的功能。

在我的工作之上，我也會(huì)創(chuàng)建基于網(wǎng)頁的報(bào)表工具、組合調(diào)整工具和其他針對(duì)某些任務(wù)的各種各樣的“管家”腳本。所有這些軟件都是通過Python（80%）和C++（20%）來編寫完成的。當(dāng)需要急劇提高某些算法的運(yùn)算速度時(shí)，我通常會(huì)用C++；Python主要用于數(shù)據(jù)收集和存儲(chǔ)。我們還會(huì)大量使用Matlab和Excel進(jìn)行策略開發(fā)和分析。