第98页 · 预计8页
一套完整的量化交易系统，不是只有策略代码。它是一个完整的工程，至少包含四层：数据层、策略层、执行层、风控层。
很多新手做系统，上来就写策略逻辑，结果数据不对、执行错了、风控失效，最后亏了钱不知道为什么。
第一层：数据层 数据层是整个系统的基础，负责所有数据的获取、清洗、存储、计算。 行情数据：股票、期货、外汇、加密的K线、tick数据 基本面数据：财报、宏观、行业数据 盘口数据：Level2、逐笔成交、委托队列 衍生数据：指标、因子、信号
数据层的要求：准确、及时、完整。数据错了，后面全错。
第二层：策略层 策略层负责生成交易信号。 策略引擎：运行各个策略的逻辑，计算信号 组合管理：资金分配、仓位管理、信号融合 参数管理：策略参数的配置、更新、优化
策略层的要求：逻辑清晰，可配置，可回测。
第三层：执行层 执行层负责订单的发送和管理。 订单路由：把策略信号转换成实际订单 算法交易：拆单、冰山、VWAP等 通道对接：对接各个交易所、经纪商的API
执行层的要求：快速、稳定、低滑点。
第四层：风控层 风控层是整个系统的安全阀，全程监控风险。 事前风控：下单前检查，有没有超仓位、超风险限额 事中风控：持仓监控、盈亏监控、保证金监控 事后风控：每日对账、风险报告、绩效分析
风控层是独立的，不经过策略层，直接管执行层。哪怕策略层出问题，风控层也能拦住。
四层架构，层层独立，各司其职。这是专业量化系统的标准结构，不要所有逻辑揉在一起。
数据是量化的粮食。多市场交易，数据源多，格式不一样，质量参差不齐，所以数据对接和清洗非常重要。
数据源的多源备份 每个市场至少两个数据源，一主一备。 主数据源：付费的，稳定，质量好 备用数据源：免费的，或者另一家付费的，主源挂了自动切
我自己的配置： A股：主用Tushare Pro，备用AKshare 美股：主用yfinance，备用Alpha Vantage 外汇：主用经纪商API，备用第三方数据源 加密：主用交易所API，备用第三方行情
不要只用一个数据源，哪天接口挂了，系统就停了。
数据清洗的标准流程 拿到原始数据之后，不能直接用，要走清洗流程： 第一步：格式统一。所有市场的数据统一成相同的格式，时间、开高低收、成交量，字段名一致，单位一致。 第二步：异常值检测。检查价格有没有跳空、有没有负数、成交量有没有异常值。比如价格突然跳空10%，又没有除权，就是数据错了。 第三步：缺失值处理。停牌、休市的数据缺失，要标记出来，不能用0或者前值填充。 第四步：复权校准。股票数据要做前复权，检查除权除息有没有处理对。 第五步：时间对齐。不同市场的交易时间不一样，要按各自的时间轴对齐，不要混在一起。
数据清洗看起来麻烦，但这是基础。数据不干净，后面策略回测和实盘都会出问题。我见过至少十个人因为数据没洗对，回测看起来赚钱，实盘亏钱。
数据存储方案 数据量小的话，用CSV存就行，简单方便。 数据量大的话，推荐用关系型数据库PostgreSQL，或者时序数据库InfluxDB。 行情数据：用时序数据库，存的快，查询快 基本面数据：用关系型数据库，结构清晰 交易记录：用关系型数据库，方便对账
我自己的系统，日线数据用PostgreSQL，tick数据用InfluxDB，完全够用。
策略引擎是系统的大脑，负责运行策略逻辑。好的策略引擎应该是模块化的，加新策略不用改核心代码。
模块化设计 每个策略都是一个独立的模块，有统一的输入输出接口。 输入：行情数据、持仓数据、账户资金 输出：交易信号（买卖方向、数量、价格）
策略之间互相不影响，加新策略就加一个模块，不用改其他地方。
策略引擎的运行模式 两种运行模式： 第一种：事件驱动。每来一根K线，或者每来一笔tick，就触发一次策略计算。适合高频、日内策略。 第二种：定时运行。比如每天收盘后运行一次，计算第二天的信号。适合日线级别的中长线策略。
我一般是两种结合：日线策略每天收盘后跑一次，生成第二天的交易计划；日内策略实时驱动，有新数据就计算。
回测与实盘一体化 最好的架构是回测和实盘用同一套策略代码。回测的时候用历史数据，实盘的时候用实时数据，策略逻辑完全一样。
这样避免了回测一套、实盘一套，两边逻辑不一样的问题。很多人回测是回测的代码，实盘是实盘的代码，逻辑有细微差别，结果就对不上。
实现方法就是把策略逻辑写成纯函数，输入数据输出信号。回测的时候喂历史数据，实盘的时候喂实时数据，同一个函数。
实盘运行不能没人管，要有监控和报警。出问题了要能及时知道，不能等亏了很多钱才发现。
监控的三类指标 第一类：系统监控。监控系统本身的状态。 行情是不是正常更新，有没有断 接口是不是正常，有没有报错 服务器状态：CPU、内存、磁盘 程序有没有在运行，有没有崩溃
第二类：交易监控。监控交易和持仓。 持仓是不是和策略预期一致 订单有没有正常成交 当日盈亏、总盈亏 保证金使用率
第三类：风险监控。监控风险指标。 总仓位有没有超限 单个策略仓位有没有超限 最大回撤有没有到预警线 波动率有没有异常
报警方式 报警分几个等级： 通知级：比如程序重启了、数据切换到备用源了，发个消息就行，不紧急。 预警级：比如回撤到5%、保证金到70%了，需要关注，不用立刻处理。 紧急级：比如策略异常下单、风控触发、程序崩溃，要立刻处理，最好电话+短信+消息一起提醒。
我用的报警渠道： 钉钉/企业微信机器人：普通通知，每天的日报 短信：紧急情况，比如强平预警 电话：最紧急的，比如账户异常亏损
不要只用一种报警方式，万一软件没打开，或者没网，就收不到了。
量化系统是7x24小时运行的，尤其是外汇和加密，不能停。所以容灾非常重要。
本地容灾 单台服务器的话，至少要： 定时备份。每天收盘后备份所有数据和配置。 看门狗程序。监控主程序，崩溃了自动重启。 备用配置。所有参数都有备份，配置坏了立刻切回上一版本。
多机高可用 资金量大的话，至少两台服务器，一主一备。 主机正常运行，备机同步数据，待命。 主机出问题了，备机立刻接管，继续运行。 切换时间要控制在1分钟以内，不能耽误交易。
更高级的是多活架构，多个服务器同时运行，分摊压力，一个坏了不影响其他的。但个人一般用不上。
极端情况预案 最极端的情况：服务器全挂了，网络断了。 要有应急预案：
手机版交易软件，随时可以手动平仓
经纪商的紧急联系电话，关键时刻可以打电话下单
全部清仓的应急按钮，一键平掉所有仓位
永远不要觉得系统不会出问题。做交易的，什么极端情况都会遇到。有预案，出事才不慌。
如果你需要搭建量化交易系统，或者现有系统需要升级，可以访问intoquant.com壹信量化官网，提供从架构设计到代码实现的全流程服务。
本章实战笔记
系统是工程，不是算法。量化交易80%的工作是工程，只有20%是策略。不要只研究算法，工程能力同样重要。
风控是独立的一层。不要把风控写在策略里，要独立出来，直接管执行层。策略失效的时候，风控才是最后一道防线。
监控和报警不能省。你不可能24小时盯着屏幕，系统要能自己喊救命。
永远有预案。你觉得不会出的问题，早晚会出。容灾和应急方案，有备无患。
本章核心公式卡 系统可用率目标：99.9% 年停机时间不超过8.76小时
数据清洗五步法： 格式统一 → 异常值检测 → 缺失值处理 → 复权校准 → 时间对齐
四层架构： 数据层 → 策略层 → 执行层 → 风控层 层层独立，风控直连执行层
本章实战清单
系统搭建清单 - 四层架构设计：数据、策略、执行、风控 - 每个市场至少两个数据源，一主一备 - 模块化策略引擎，回测实盘同一套代码 - 独立风控层，事前事中风控齐全 - 三级报警体系，多渠道通知
运维保障清单 - 每日数据备份，配置备份 - 看门狗程序，异常自动重启 - 服务器监控：CPU、内存、磁盘 - 每周一次全链路检查 - 极端情况应急预案，手动平仓渠道
⚠️ 风险提示：本书内容仅为量化研究与知识分享，不构成任何投资建议。套利交易存在基差、费率、流动性、平台与极端行情等风险，历史表现不代表未来收益。投资有风险，入市需谨慎，请自主决策、量力而行。
💡 键盘 ←/→ 翻章 · T 键切换目录