2022年最全的量化交易软件解决方案

国内量化交易起步比较晚，大约在15年左右开始起步，20年开始爆发，21年量化私募规模暴涨，曾出现过某头部量化私募中性策略因为容量过大导致大幅回撤的问题。量化交易对于A股来说还是一个比较新的投资方式，监管自20年开始关闭了券商的外部接口，因此，想做量化交易就不得不用券商的软件和接口。今天就跟大家分享一下如何一站式解决不同的量化交易需求。

需求一：自编程量化交易

解决方案：极速交易策略终端

简介：

极速交易策略终端是一款基于Python语言的策略交易平台，是活跃交易者策略研究、自动化交易的投资利器。

①提供tick级数据，具备海量特色因子与完备财务指标

②回测精准、底层加速、 告详尽、自动交易、事件驱动、本地运行

③python策略开发语言易上手

④自带丰富策略快速上手，示例：多因子选股回测示例、机器学习回测示例、行业轮动回测示例等

量化交易全过程服务：

量化交易全过程服务模式

适合人群：初创私募机构、策略交易爱好者、高校师生等。

需求二：低频量化软件

解决方案：quant软件

简介：

DMA算法-可靠的接入方案

DMA算法母单自动导入

①DMA即DIRECT MARKET ACCESS,支持L2盘口行情

②可设置算法母单文件的目录

③策略程序生成DMA母单指令到指定目录

④策略程序读取回写文件，驱动策略继续运行

服务流程：策略程序执行后计算出母单-将母单处理并进行委托-券商柜台

适合人群：市场中绝大部分（一般是中等规模）量化私募

需求三：高频程序化交易

解决方案：提供1对1化的专业交易系统，策略托管平台

简介：

用户将自行编写的策略托管在服务器上，我们提供统一的客户端，管理托管的策略，包含：策略的启、停、参数修改、资讯等文件上传；L2行情；极速柜台。

①L2行情：AMA组播、镜像行情（未解码）、FPGA行情

发布频率：Level-1 3秒一次快照，Level-2 实时推送；

数据包含：十档行情、委托队列、逐笔委托（上海2021年5月上线，沪深齐全）、逐笔成交（沪深齐全）、委托总量等数据；

数据量：逐笔成交和逐笔委托数据，每天数据量达到1亿笔左右的海量数据；

②后端 单通道：

集中交易柜台：统一集中交易，支持品种多，每秒下单并发量最大40笔；

极速柜台：适合量化交易，每秒下单并发量最大800笔；

技术模式：单中心、双中心 单；免费提供十几种服务器配置； 络VPN+堡垒机。

全链路延时：

ATP上行时延均值为14us，下行时延均值为10us， 盘回路时延均值在2.7-2.8ms

从策略机发出委托到收到该笔委托产生的行情（非委托确认）时延（ A2-A1）2.69-4.86ms

MDGW的耗时：46us 镜像行情的耗时：1-2us

AMA组播行情的耗时：43us

需求四：PB交易

解决方案：通用PB解决方案

简介：

在投资交易过程中，主动管理型私募需要PB系统实现多角色流程化指令交易，保证投资职能分解，投资过程留痕以及投资风险控制。

①金证：交易品种全面、轻量版QT交易客户端，自由委托简洁

②迅投：内存交易、并行风控，下单快捷、多屏交易、多窗口自定义布局

③恒生：风控及交易平衡性更优、O32的简版、多样化的指标监控、清晰的风控触警展示

需求侧重与适应系统：

功能全面（交易+管理+风控+工作流）–恒生、金证、迅投

管理、风控要求高–恒生、金证

交易品种全面易上手–金证、迅投

委托 单速度快–迅投、恒生、金证+极速

工作流模式：实现交易指令产生、分派、审批、执行等业务流程电子化运作全过程；满足不同用户多样化的交易流程控制需求

风险控制：多类型风控监控模板、多样化的指标监控、清晰的风控触警展示。

需求五：个人底仓日内程序化T0

解决方案：智能自动T0算法

简介：

基于用户持有的股票通过算法抓取股票行情日内波动价差，全自动化高抛低吸降低持仓成本。适用于日内波动较大、成交量较活跃、持仓周期较长的股票

算法实例：运行算法用户的盈利占比约65.3%；坚持使用算法10-30天，盈利比例67.7%（实现整体胜率）；从成交量角度，10天及以内人均成交量约236万；10-30天人均成交约787万（实现均衡胜率）。

需求六：快速手工交易

解决方案：快捷手工交易终端

简介：

专为交易打造，注重客户交易体验，手工交易操作便捷，已上线T0、双向交易、股债联动交易等功能。对接极速交易柜台，独立席位 盘，后台穿透耗时不到200us，追求快速委托和成交

针对快速可转债和股票T0交易客户操作习惯，提供买入卖出窗口快速切换和买卖快捷键交易，支持高性能快速委托、撤单和查询回 。

结合高频T0模块特色，支持股与股、股与债等多种联动方式，发现最快15秒、30秒的异动机会，通过程序盯盘捕捉瞬间机会

需求七：手工ETF套利

解决方案：ETF套利管理人——高换手、稳收益

简介：

①资金冻结优化，极速柜台系统成交回 处理逻辑优化后使得客户资金冻结减少，资金使用效率提高。

②对账单优化，专门针对ETF套利客户需求情况定制化对账单

③行情优化，行情站点扩容，更加稳定、快速

以瞬时套利为例：当ETF二级市场价格高于基金单位净值时（不考虑交易成本）：

瞬时套利模式

需求八：大额交易、批量调仓换股

解决方案：智能主动型算法

简介：提供以成交为目的的自动化交易执行服务。超越传统被动算法的目标，追求更高交易绩效、获取交易环节的Alpha收益，可增强收益年化5-8%。

①订单拆分，日内交易较大数量股票时，需要自动拆分订单功能，分散成交量，减少市场冲击，满足监管要求。

②篮子交易，存在一篮子股票同时交易时，需快捷、便捷满足组合交易需求。

③公平交易（产品），多支产品交易同一支股票的时，需同时执行，实现公平交易。

案例展示：

以1亿资产规模，10倍换手率为例

人工交易成本：1亿 ×10× 60/10000 = 600万

被动式算法交易成本：1亿 ×10× 0.7/10000 = 7万

智能算法交易成本：1亿 ×10× -5/10000 =-50万

节约成本约650万元！

需求九：股东增减持

解决方案：算法交易

简介：

①合规交易：根据长期实盘经验设置算法策略参数，合法合规的进行交易

②价优：通过智能分拆母单，减少冲击成本

③省心：简洁的操作界面、自动化交易算法交易策略，相当于免费为客户聘请了个顶级交易员

根据上海证券交易所2020年市场质量 告：

一笔金额较大股票交易产生的冲击成本平均为52Bps，价差成本平均为19Bps。

案例展示：

大股东增持案例-L女士

需求：

3个交易日内增持X上市公司股票约9500万元；

期间股票每日成交额约2亿元；

尽可能减少对市场的冲击，以更低的价格成交

使用算法绩效

跑赢当期市场成交量加权平均价30.9bp，相比于手工交易减少平均冲击成本71bp，节约成本约96.8万元！

以上九种解决方案基本上涵盖了证券市场主要的量化交易需求，同时也可以提供1v1个性化定制需求。

文章知识点与官方知识档案匹配，可进一步学习相关知识Python入门技能树人工智能机器学习工具包Scikit-learn208568 人正在系统学习中