量化交易入门
策略开发流程
从策略想法到可运行代码的完整路径
一个量化策略通常会经历从想法到代码、从回测到实盘的过程。理解这个流程，可以帮助你更准确地向 EasyQuant 描述需求，也更容易判断生成代码是否符合预期。
1. 提出投资想法
投资想法即我们认为可能会盈利的投资方法、理念，比如熊市时期银行股是潜力股、复制基金经理的增强指数、金叉买入死叉卖出等等。
投资想法可以来自交易经验、技术指标、基本面逻辑、统计规律或市场观察。
一个好的策略描述通常包含：
- 交易标的范围
- 买入条件
- 卖出条件
- 仓位管理方式
- 风险控制规则
- 运行周期，例如日频、分钟级或 Tick 级
2. 完善策略想法，形成明确的、可执行的交易策略
策略需要从自然语言变成可以执行的条件。比如「趋势变强时买入」需要具体化为「5 日均线上穿 20 日均线，且成交量大于过去 20 日均量的 1.5 倍」。
3. 编写策略代码，把交易策略转成可执行的代码程序
选择一个量化平台，基于该平台的 API 规范把交易策略编写成可执行的策略代码。
不同量化平台有不同的 API、运行环境和事件函数。EasyQuant 平台能够基于 AI 生成符合各平台规范的策略代码。
如果您是
- 代码小白：可以使用 EasyQuant 将您的策略想法落地，不需要编写一行代码
- 有代码基础：可以使用 EasyQuant 提升您策略开发和更新的效率
有关 EasyQuant 平台的使用，请查看 EasyQuant 使用文档 章节。
4. 回测验证
回测使用历史数据模拟执行策略，用于观察策略在历史数据中的表现，包括收益、回撤、胜率、换手率和交易次数等指标。
回测举例说明：
- 策略环境：设定初始虚拟资产100万元；选择一段历史时间区间：2019/01/01 到 2020/01/01
- 回测执行：在指定的时间区间内，基于历史真实的市场数据，执行我们编写的策略程序
- 策略评估：回测结果包含收益、回撤、夏普率等指标，根据此评估策略的好坏
5. 模拟盘运行
在模拟盘中试运行策略，可以帮助你观察策略在接近真实市场的环境中是否稳定运行，尤其是数据获取、下单逻辑和异常处理。
6. 实盘交易
在实盘中运行策略，实盘前需要重点检查权限、账户、风控、交易成本、下单频率和异常情况处理。任何自动交易策略都应先小资金验证。