量化对冲交易系统：D-Alpha—策略分析流程

在D-Alpha系统中，一个有效的策略从开始到最后实际交易，需要经过四个步骤：历史数据统计后验、历史高频数据后验、实时高频数据模拟交易和实盘交易，具体流程见图18-2。

历史数据统计后验

历史数据统计一般以收盘价或者日均价作为买入卖出的交易价格，交易成本的考虑一般是事先设定一个固定的数值，比如千分之三。然后根据设定的交易价格计算出在某一段时间内的收益率、超额收益、夏普率等结果。

历史数据统计后验的优势是效率高、简单方便，一般十年左右的数据后验，几十分钟就可以程序跑完。缺点是不够精确，尤其不能考虑资金量对市场的影响。因为有的策略和市场容量之间有很大的关系，例如高频交易策略，在资金量大的情况下，很多有效的策略就会失效，因为其冲击成本会吃掉所有的收益率。

因此历史数据统计后验只能作为筛选策略的初步方法，更加精细的方法需要历史高频数据后验实现

历史高频交易数据后验

历史高频交易数据后验的核心在于根据历史高交易频数据进行模拟撮合，撮合算法主要是判断在某个时段的成交量的成交比例。例如某个股票在历史上5.0-5.1价位之间成交了10000股，其中的挂单量为50000股。那么在后验的时候，可以设定成交股的A%和挂单量的B%中最小值，为模拟撮合的成交量。

如果想严格一些，将A和B的值设的小一些即可，如果宽松一些，将A和B的值设大一些。在本量化投资系统中，A和B的值一般取为10%和30%。

高频数据实时模拟

策略后验可以解决一个策略在样本内的效果问题，但是无法检验其在样本外的效果。解决这个问题的方法是进行高频数据的实时模拟交易。

实时模拟交易也有全自动化和手工两种方式，全自动化是将策略写成一个DLL，放在模拟平台上自动运行，手工就是利用机会监控的消息提示，进行人工交易。

高频数据实时模拟和实盘交易已经非常接近，对冲击成本的考虑，市场容量的考虑基本上和实盘已经一致，唯一不能解决的就是对市场的影响，因为模拟交易不能影响市场价格，这个就只有在实盘交易中实现。

实盘实时交易

前面三个步骤的目的都是为了最后进行实盘交易，实盘交易对市场的影响会体现出来，只有通过了实盘实时交易，一个策略才能被证明是有效的。