量化策略開發第一步：數據源
開發量化策略的第一個重要環節：如何獲取數據？
開發量化策略所需要的數據，包括歷史數據和實時數據。特別指出，我們只介紹免費的數據源，以幫助大家降低成本。
先從股票開始，股票的歷史數據，我們可以借用三方平台回測（例如優礦、聚寬、米筐等），相當於借用了平台的歷史數據，但平台歷史數據有一個問題：往往不能將全量數據下載到本地。想要自己搭建股票回測框架的話，推薦用tushare的數據，如果你是學生，tushare是可以免費使用的；而如果你有寫blog的習慣，也可以寫一些tushare相關的技術文，向tushare申請免費的積分以獲取數據權限。
一個tushare獲取數據的小栗子
對於實時數據，目前新浪財經、騰訊股票可以通過爬蟲抓取實時數據，我們曾分享過如何通過新浪財經，以及Easyquotation（包含新浪、騰訊財經接口）獲取數據的文章，傳送門：
實時獲取股票數據，免費！——Python爬蟲Sina Stock實戰
股票數據爬蟲：進階免費、開源的股票爬蟲Python庫，親測真香
然后再看期貨，期貨數據根據數據周期可以分為K線數據和tick數據。期貨的三方平台例如tbquant，提供了tbpy的接口。我們可以通過Python將平台提供的全量歷史k線數據下載到本地，來進行本地的回測，可以說是極為友好了。此外，比如tqsdk（快期天勤的Py接口），以及上文提到過的tushare，也能提供期貨的k線的歷史數據接口。
對於高頻策略需要用到的tick數據，就只能通過自編軟件來收集了，目前我們沒有看到三方平台或數據商有這一類免費的數據源提供。期貨的實時數據，由於有ctp api這個完全免費、高度成熟的期貨接口，任何人都可以通過這個接口接收交易所推送的標准行情數據，與此同時，我們可以配合mysql或mongodb，將數據落地，就形成了本地的tick級數據回測來源。
tick數據落地范例
最后是數字貨幣，數字貨幣的歷史k線數據，可以通過cryptodatadownload網站獲取到。而tick數據，和期貨一樣，全量的數據，只能通過自編代碼收集。好在所有的主流數字貨幣交易所，都提供了api的接口，與期貨所不同的是，數字貨幣的api接口，不僅有websocket的實時行情推送，還可以通過rest api去查詢一定時間范圍內的歷史數據，可以將其落地，作為回測所需數據。關於數字貨幣歷史數據的收集，我們也曾經分享過實用的操作文章，傳送門
如何獲取免費的數字貨幣歷史數據
量化策略開發第二步：回測平台
開發量化策略的第二個重要環節：選擇合適的回測平台/框架
量化策略的回測，我們既可以借助成熟的三方平台，也可以用例如Python等語言自行編寫搭建回測框架。
先說三方平台，股票回測的三方平台，以聚寬、優礦、米筐這3個最常見，這3個平台都是Python API的結構，並且有完善的測試結果的可視化工具。
對於期貨的回測，K線策略同樣可以借助4大三方平台：tbquant、文華財經、金字塔、multicharts來實現，如果對於Python比較熟悉，也可以選擇天勤的tqsdk或者vn.py來回測，其中vn.py需自行對接歷史數據。
最后是數字貨幣，數字貨幣最出名的三方平台是FMZ，FMZ對回測來說是相對比較友好的，支持Python、JS、以及類似文華財經的易語言，但不建議用FMZ進行實盤，機器人托管費用實在是太高。除了FMZ，對於邏輯相對簡單的K線策略，我們也可以采用TradingView來進行測試，TradingView可以理解為是網頁版本的文華財經。TradingView的內置語言也比較簡單，適合初學者。TradingView回測數字貨幣策略，可以參考
三方回測平台的優勢與劣勢
然后，我們來分析一下三方平台的優勢、劣勢。首先是優勢，第一點，三方平台把回測的基礎框架都搭建好了，用戶只需要專注最核心的策略邏輯部分，而不需要關注其他的底層；第二點，三方平台往往回測和實盤代碼是同一套，回測、實盤的邏輯由三方平台自建的底層代碼來做切換，給予用戶編程最大程度的方便。
說完優勢，我們再來看一下劣勢，第一，三方平台封裝好了底層，是一個雙刃劍，在提供編程便利的同時，也把底層變成了黑盒，有些指標計算、開平倉價格的細節，無法通過代碼去定位是否有潛在錯誤，導致回測結果變得不十分可信。代碼控制的不好，很容易產生未來數據或偷價格等錯誤，導致回測出上帝視角的策略效果。第二，三方平台的回測速度，往往不如自編更快，因為三方平台需要兼顧許許多多客戶的不同需求，增加越多通用性的功能，往往意味着性能上的妥協。第三，使用三方平台會產生一定的費用，例如需要購買歷史數據、服務器磁盤空間、實盤權限等等（畢竟免費的三方回測，也不是做雷鋒，總有其需要變現之處）。
總結一下，如果有一定的Python編寫能力，或是對於策略的回測精度細節要求很高，基本上只能自己搭建框架來回測；而如果測試一些通用的策略，且編程是剛剛上手的，那么三方平台能盡快地幫助你去實現一些想法，並驗證這些想法在歷史上是否可行，以及是否有應用到實盤的價值。
我們在此前的直播中，分別分享了基於K線策略的自編Python回測框架，以及基於橫截面策略的自編Python回測框架，感興趣的朋友可以參考
【系列培訓第三講】魔改經典策略：變種肯特納通道策略（完整錄播版）
量化策略開發第三步：實盤平台
開發量化策略的第三個重要環節：選擇合適的實盤平台/API
首先是股票，股票目前監管較為嚴格，比較有名的像XTP，接入門檻在300萬-500萬起步；此外，市面上有一些類似外掛的接口，極不穩定，實盤請注意風險，不建議大資金使用，上述接口都是基於C++語言的。也有部分“科學家”用Python開發了類似按鍵精靈功能的偽接口，不算是完善的接口，實盤同樣需要注意風險。
再說期貨，期貨入門門檻最低的是4大三方平台：tbquant、文華財經、金字塔、multicharts，這4個平台采用編程極為友好的easylanguage，建議編程初學者使用，但有需要支付額外手續費、速度慢等缺點；再難一點的是vn.py，開源的python平台，對於熟悉python的同學比較友好；然后更為復雜的就是C++ API了，大家用的最多的是ctp，速度更快的還有ctp mini、盛立、艾克朗科、恆生等。對於平台的選擇，如果做的是中低頻的策略，優選4大平台或vn.py，但如果做高頻策略，C++是必須配置，ctp是起步要求，如果策略對於速度要求更高的話，選用盛立等以FPGA作為底層的平台更合適。FPGA為底層的交易系統（下圖是一個典型的FPGA通路），可以將交易系統的響應速度提升到極致。
最后是數字貨幣，數字貨幣的三方平台都需要收取不菲的手續費，不建議大家使用。幾乎所有數字貨幣交易所都提供了免費接口，而接口中Python又是最通用的語言。如果大家需要交易數字貨幣的策略，建議直接接入交易所的Python API，或借助三方Python庫CCXT來接入。CCXT接入數字貨幣交易所可以參考傳送門
對於數字貨幣來說，不論是中低頻還是高頻策略，物理位置的延遲都遠遠大於語言的延遲，所以不像期貨那樣一定要用C++語言。舉個例子，比如做火幣和BitMex之間的套利，一個服務器在日本，另一個在歐洲，傳輸的物理時間是主要延遲，語言的延遲與物理時間的延遲，不在一個量級。因此，Python作為一個數字貨幣交易所通用型接口支持的語言，具有開發相對便捷、擴展性高的優勢，是適合作為數字貨幣交易系統的實盤開發語言的。