策略识别、回溯测试、交割系统和风险管理
下面我们就各系统常见的概况进行说明
主要包括确认胜率差、检验是否适合运作的策略组合、获取测试数据、优化策略提升夏普率
策略或策略组合确定后，就需要通过历史数据进行回测，这就进入下一步回溯测试的工作范围。
回测的目的是证明策略的可盈利性。通过回测，大致能反映出策略在未来“真实世界”中的表现。但策略包含了大量的偏差，如先验偏差、幸存者偏差及过度优化。回测中还需要注意的，是历史数据的可用性与清洁度，金数源的历史数据经自身的回测，极大限度的提高了数据的质量。
策略确定后，就需要获取历史数据，并展开测试和改进。
如果经过回测结果较为满意，则需要搭建一个交易系统。
在建立交易系统时，主要考虑与经纪商的接口、交易成本、实时数据延时。
交易系统需要注意实时性能与回测性能的差异。对于一些策略，在部署前可能发现不了真实环境与回测环境 的偏差。这种情况对于高频交易最为常见。
风险管理涉及到如何将资金分配给一组策略、如何将资金分配给策略内不同交易的方法。这是一个复杂的工程，依赖于数学知识。
风险管理的另外牵涉到交易员自身心理因素的处理。“恐惧与贪婪”这对经典的情绪，是交易员在实战中经常暂停自动化交易转向人工交易的主因。
量化交易是计量金融学中趣味十足但极其复杂的领域。参与者至少应当具有统计学和计量经济学的基础，以及使用MATLAB、Python、Java或者R程序语言实现的丰富经验。如果面向更加复杂的高频端策略，你的技能还要包含Linux、C/C++、汇编编程和网络延迟优化等。