本篇作为个人学习过程记录，从零开始，入门量化交易。
量化交易系统模块介绍
一般的量化交易系统包含如下的功能模块参考：
- 数据收集模块
数据是量化交易的基础，因此数据收集模块是整个系统的核心之一。它负责从各种数据源收集市场数据，如股票、期货、外汇等。这些数据可能包括历史价格、成交量、财务信息等。数据的质量和准确性对整个系统的表现有着至关重要的影响。 - 数据清洗模块
由于原始数据可能存在各种问题，如缺失值、异常值、重复数据等，因此需要进行数据清洗。这个模块负责对收集到的数据进行预处理，以确保数据的准确性和完整性。它通常包括数据筛选、异常值处理、缺失值填充等功能。 - 策略回测模块
策略回测模块是量化交易系统的核心之一，它负责对历史数据进行回溯测试，以评估各种交易策略的表现。通过这个模块，投资者可以分析不同的策略参数和交易条件，从而找到最优的策略组合。它通常包括数据拟合、参数优化、风险评估等功能。 - 风险控制模块
风险控制是量化交易中不可或缺的一环，这个模块负责对交易策略进行风险评估和控制。它通过设定止损点、仓位限制等措施来降低投资风险。在市场波动剧烈的情况下，风险控制模块可以及时发出警告或自动停止交易，以防止损失扩大。 - 指令执行模块
指令执行模块是连接系统与市场的桥梁，它负责将交易策略转化为实际的交易指令。这个模块通常包括订单生成、订单执行和订单跟踪等功能。它需要与交易所、券商等机构进行实时通信，以确保交易指令能够准确、快速地执行。 - 交易模型构建模块
交易模型构建模块是整个系统的起点，它负责设计和开发各种交易策略和算法。这个模块通常包括策略设计、算法开发、模型测试等功能。通过这个模块，投资者可以根据自己的需求和市场情况开发出适合自己的交易模型。 - 性能评估模块
性能评估模块负责对整个量化交易系统的表现进行评估和监测。它通过收集和分析各种性能指标，如收益率、回撤率、夏普比率等，来评估各种交易策略的表现。此外，它还可以提供可视化的图表和报告，帮助投资者更好地了解系统表现和做出决策。
开源量化交易框架
PyBroker
一个基于python的量化交易框架，重要特性：
- 策略回测模块：一个基于 NumPy 并通过 Numba 加速的超快回测引擎。
- 指令执行模块：能轻松地在多个金融工具上创建和执行交易规则和模型。
- 数据收集模块：可以轻松从 Alpaca, Yahoo Finance, AKShare, 或者从 自定义的数据源 来获取历史数据。
- 交易模型构建模块：可以使用 Walkforward Analysis, 来训练和回测模型，该方法模拟了策略在实际交易中的表现。
- 性能评估：使用随机 参考 来提供更准确的策略回测结果。
- 加速：缓存已下载的数据、指标和模型来加速你的开发过程。
- 加速：用并行计算来获得更高的性能。