1. 计划一个策略

每当我们需要解释一种自然现象时，会出现三种不同的概率情况：

1. 规律（Law）： 定期的（Regular）、重复的（Repeatable）、可预测的（Predictable）
2. 运气（Chance）： 不规律的（Irregular）、不稳定的（Unsteady）、随机的（Random）
3. 设计（Design）： 不可预测（Unpredictable）、特定的（Specific）

量化策略的开发围绕的是规律可预测的特征。

只有科学的过程才能开发出一个有效的量化策略

假设： 市场长期是称重机，短期是投票机。
如果做短期策略，我们需要更多关注市场参与者的情绪与行动。
1. 观察（Observation）： 观察市场数据特征
2. 思考（Thinking）： 思考事件原因
3. 公式假设（Formulate Hypotheses）： 做出公式的假设
4. 发展可测试的预测（Develop Testable Predictions）： 设计编写回测策略
5. 收集数据测试预测（Gather Data To Test Prediction）： 收集数据用引擎跑回测

OK? 不行就要返回第四步做调整，或拒绝原假设

Quants 现代化的工作流程与工具

1. 资源库（Git）： 收集工具包与学习使用代码
2. 数据库（fxdayu_data）： 收集数据
3. 图形库（Matplotlib）： 观察数据特征
4. 因子库（Alphalens）： 设计有效的算法
5. 回测引擎（rqalpha）： 回测量化策略
6. 风险绩效（Pyfolio）： 获得绩效评估
7. 优化器（fxdayu_opt）： 优化策略参数
8. 实盘接口（VNPY）： 接入实盘模拟

如何计划一个简单策略？

观察某一只股票，发现当短期均线大于长期均线，价格随之会上涨一定幅度。
思考是否代表最近买方力量增强，可以跟进？
计算短期均线与长期均线，编写策略条件，设置进出场，最后用引擎回测策略。