对于二级市场的量化交易，无论是传统的金融二级市场还是数字货币二级市场，量化交易系统的框架基本都是一样的。

一、量化交易系统平台架构设计

从输入端和输出端来看，任何交易系统都通过两种途径与交易所进行交互:

1.接收交易所公布的市场数据。

2.发送购买订单，并通过交易所响应系统接收交易所或报价提供商的最新报价，包括当前交易价格、交易量和委托订单队列。通常情况下，量化交易策略需要参考历史市场数据等数据信息进行决策。所以交易系统一般都有历史数据库来存储非实时市场数据，金融工具使用数据库也很方便。系统的分析和回测也会涉及到策略的历史交易，所以系统需要一个数据库来存储交易决策。

二。量化交易系统的构成

u兑换柜台

u服务器

实时市场数据分配器

非实时数据库

事件处理引擎和策略池

订单管理和风险控制模块

u应用程序结束

系统设置和运行监控

账户管理、资金管理、风险管理等。

如下图所示:

三。复杂事件处理系统

一个复杂的事件可以看作是一组接收到的事件，包括价格趋势、市场波动等数据。复杂事件处理是在短时间内对复杂事件进行计算和分析，包括检测复杂模式，分析事件之间的相关性、时序和因果关系。

事件处理引擎实时处理事件，这是交易系统的主要特征之一。事件处理速度越快，系统性能越好。例如，如果交易系统被设计为在交易机会发生后一秒内检测到盈利机会，但系统的处理时间超过了阈值，结果就不会盈利。

四。量化交易系统中的订单管理

算法交易系统产生的信号可以手动执行，也可以自动执行。

当信号自动执行时，我们称整个系统为“自动交易系统”。订单的自动执行由“订单管理”模块完成。

订单管理模块包括不同的执行策略，这些策略基于预先定义的算法逻辑来执行目标买卖订单。

动词 （verb的缩写）自动交易系统的风险管理

因为自动交易系统不需要任何人工干预，所以需要检查风险，确保交易系统不出问题。缺乏风险检查流程或风险管理不当都会给量化交易公司造成不可挽回的损失。因此，风险管理系统(RMS)是所有自动化交易系统的重要组成部分。风险管理在算法交易系统的两个部分中发挥作用

1。应用端——保证交易员处理的参数不会出错。风险管理将帮助系统消除异常值和交易者的手工错误。

2。在订单管理系统生成订单之前——在订单离开系统之前，确保订单已经通过风险管理系统的检查。这一步的风险管理测试至关重要。

不及物动词多账户多策略管理

当策略池足够丰富，账户数量非常大的时候，对量化交易的系统管理会有一个挑战:
服务器的效率会影响下单速度。

多账户同时风险控制

异常的处理

多种策略之间的位置独立性

因此，对于多账户多策略管理，采用分布式技术开发的低延迟交易系统(DLTS)不仅可以解决交易速度的问题，还可以提高多账户管理的效率。对于多策略管理，需要有统一的计算策略管理系统，在系统下单时使用交易所场外交易的机制，可以大大提高效率，节省交易成本。

七。数字货币市场中的量化交易

数字货币市场独有的特点决定了量化交易是最好的交易方式。交易所的API设计比较简单，交易机制、风控机制等基础设施建设也在不断完善。因此，数字货币市场量化交易系统的发展机遇与挑战并存。

目前数字货币市场主流的量化交易策略是趋势跟踪和统计套利。随着数字货币市场市场效率的提高，投机收益会逐渐减少。在保证交易系统对市场系统性风险有足够容错能力的基础上，更稳健的量化交易策略应该是最合适的。

2018年前后，网络上随处可见的量化APP广告随处可见，但真正以人工智能量化为技术基础的公司却少之又少。

笔者调查了数十款数字货币自动化量化交易软件app，仔细分析了交易节点和交易胜率。
很多钱NiceMoney(见微信账号)上的数据都挺真实的。

交易的本质是“价格+数量”，合理的胜率是自动量化交易的基础，智能配置资金是收益增长的动力，合理控制回撤是收益稳健的保证，更匹配的数学模型和方法是交易成功的基础。如果市场上所有人都用技术分析，那么技术分析也会加剧市场波动。