对于二级市场的量化交易，无论是传统金融二级市场还是数字货币二级市场，对于量化交易系统而言，框架基本一致。

一、量化交易系统平台架构设计

从输入和输出两端来说，任何交易系统都是通过两条路径和交易所发生交互：

1、接收交易所公布的市场数据

2、发送买卖订单并接收交易所应答系统从交易所或者行情提供商获取最新的行情报价，包含信息有当前成交价格、成交量和委托订单队列。通常，量化交易策略需要参考历史行情数据、其它数据信息等做出决策。所以交易系统一般有历史数据库来存储非实时市场数据，也方便金融工具使用数据库。交易系统的分析回测还将涉及策略的历史交易，所以系统需要数据库用以存储交易决策。

二、量化交易系统组成

u 交易所 - 柜台

u 服务端

Ø 实时行情数据分发器

Ø 非实时数据库

Ø 事件处理引擎和策略池

Ø 订单管理、风控模块

u 应用端

Ø 系统设置和运行监控

Ø 账户管理、资金管理，风险管理等

如下图所示：

三、事件处理引擎(Complex Event Processing System，CEP)

一个复杂事件可以看作一组收到的事件，包括价格走势、市场波动和其它数据。复杂事件处理即在短时间内对复杂事件进行计算分析，包含检测复杂模式、分析事件之间的相关性、时序关系和因果关系。

事件处理引擎实时处理事件，这是交易系统的主要特点之一。事件的处理速度越快，系统的性能越好。举个例子，如果交易系统设计用于检测交易机会发生后一秒钟内的获利机会，但系统的处理时长却超过了该阈值，结果将无法获利。

四、量化交易系统中的订单管理

算法交易系统生成的信号可以手动执行也可以自动执行。

当信号以自动方式执行时，我们将整个系统称为"自动交易系统(Automated Trading System)"。 订单的自动化执行由"订单管理(Order Management)"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。

五、自动交易系统的风险管理

因为自动交易系统无需任何人工干预，所以需要借助风险检查来确保交易系统不出差错。风险检查过程的缺失或风险管理失当将对量化交易公司造成无法挽回的损失。因此，风险管理系统(Risk Management System，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着作用︰

1. 应用端—— 确保交易员经手的参数不会出错。风险管理会帮助系统排除异常值和交易员的手误。

2. 订单管理系统生成订单之前 —— 在订单离开系统之前，确保订单已通过风险管理系统的检验。这一步的风险管理检验十分关键。

六、多账户和多策略管理

当策略池足够丰富，同时账户数量非常多的时候，对于量化交易的系统管理就会存在挑战：
Ø 服务器的效率导致影响下单速度

Ø 多账户同时进行风控

Ø 对于异常的处理

Ø 多策略间的持仓独立性

因此，面向多账户多策略的管理，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，同时在多账户管理上也会提高很高的效率，而对于多策略管理，则需要有统一计算的策略管理系统以及在系统下单时利用交易所柜台交易的机制则可大大提高效率以及节省交易成本。

七，数字货币市场的量化交易

数字货币市场独有的特性决定了量化交易是最优的交易方式，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在不断完善中，因此面向数字货币市场的量化交易系统开发存在机遇和挑战。

目前数字货币市场主流量化交易策略为趋势跟随和统计套利，随着数字货币市场的市场有效性变大，投机收益也会逐渐变小，在保证交易系统对市场系统性风险有足够容错的基础上，应该以更稳健的量化交易策略最为适宜。

2018年前后，互联网上的随处可见的量化APP广告随处可见，但是真正以人工智能量化为技术基础的公司却并不多见。

笔者调研了数十个数字货币自动化量化交易软件APP，认真分析了交易节点和交易胜率，
好多钱NiceMoney(参见微信公号)上的数据还是比较真实的。

交易的本质是“价+量”，合理的胜率是自动化量化交易的基础，智能化分配资金是收益成长的动力，合理控制回撤是稳健收益的保障，更匹配的数理模型和方法是交易成功的根基。如果市场上的人都用技术分析，那技术分析也会加剧市场波动。