許多系統(tǒng)化/量化對沖基金是由獨立的“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)人員所組成的小團隊。所有這些頭銜的前綴都是“量化”，因為他們在很大程度上都和數(shù)學有關。系統(tǒng)交易的各個方面高度相互交織，因此，每個人都必須直面數(shù)學和算法。

對于量化基金，在交易正式啟動之前，有三個關鍵方面是必須要落實的。一般來說，它們是：

價格/數(shù)據(jù)源：量化研究員和交易員需要根據(jù)證券價格時間序列開發(fā)自己的算法。因此，量化研究的一個重要方面就是獲取高質量的證券價格信息。數(shù)據(jù)源類型多種多樣。數(shù)據(jù)需要被檢索、存儲、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/算法：這方面的工作涉及對獲取的價格數(shù)據(jù)進行統(tǒng)計研究以識別交易機會。對沖基金所采用的策略是非常多樣化的。對于量化基金，他們通常會采用趨勢跟蹤、均值回復、統(tǒng)計套利或高頻/做市商策略等。所有的基金都會保好自己的底牌，因此，好的策略很少會透露出來。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試，并獲得足夠的理論性能，接下來就是針對交易執(zhí)行的建模，將訂單以最優(yōu)的方式發(fā)送到交易所，同時不至于造成太大的滑價或交易成本。正如定價一樣，博士團隊通常會研究有效執(zhí)行下單的算法，事實上，交易執(zhí)行和信號有明顯的重疊。一旦執(zhí)行算法設計好，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)紀商的接口以實現(xiàn)交易。此外，投資組合管理和調整工具需要完全自動化，以按需生成快照報告。后者約為我20%的工作內(nèi)容。

遺憾的是，我不會談論我們所使用的具體算法，因為這篇文章是不能夠泄露交易策略的！不過，我將討論作為一個量化開發(fā)人員在數(shù)據(jù)源方面的工作。

主要包括四個方面的工作：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)一的格式進行存儲，數(shù)據(jù)清洗以避免錯誤，將數(shù)據(jù)以簡單、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制是利用股票多/空模型。我們主要關注以下資產(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）和指數(shù)如標準普爾500指數(shù)、富時100指數(shù)、VIX指數(shù)等。頻率主要為日開高低收價格數(shù)據(jù)到其他特定來源的10分鐘民意調查數(shù)據(jù)。

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

我們的價格數(shù)據(jù)通過專有通道和免費渠道獲得，通常是通過應用程序編程接口（API），因此，可以通過可重復、自動化的方式執(zhí)行。我們構建了一個系統(tǒng)來檢查錯誤并標記缺失數(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)被存儲在一個關系數(shù)據(jù)庫管理系統(tǒng)（RDBMS），廣泛微調性能和我們的用例。

一旦數(shù)據(jù)被下載，我們將運行三個主要類型的數(shù)據(jù)分析并修改腳本。首先確定對于不同數(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），通常來說是錯誤值。第三個是根據(jù)公司行為（股息、股票分割、份額問題等）調整價格，這樣我們的輸出值返回的是一個價格變動百分比序列，而不是絕對價格。然后，這些數(shù)據(jù)通過內(nèi)部編寫的APIs和數(shù)據(jù)庫復制技術被其他軟件包所調用。

這整個過程最終是完全自動化的。僅有的手動任務就是，檢查錯誤日志和修復數(shù)據(jù)源，添加新的數(shù)據(jù)源和調整APIs以增加額外的功能。

在我的工作之上，我也會創(chuàng)建基于網(wǎng)頁的報表工具、組合調整工具和其他針對某些任務的各種各樣的“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。當需要急劇提高某些算法的運算速度時，我通常會用C++；Python主要用于數(shù)據(jù)收集和存儲。我們還會大量使用Matlab和Excel進行策略開發(fā)和分析。