相對于本地化的投研平臺，基于Web的投研平臺具有先天的優(yōu)勢。
- 無需準(zhǔn)備基礎(chǔ)數(shù)據(jù)
- 標(biāo)準(zhǔn)化的編碼工具
- 足量的計算資源。
- ……
這些都會提高策略研發(fā)過程的效率。
可惜的是，現(xiàn)有在線投研平臺大都犯了一個錯誤（包括知名平臺），那就是“工程師的設(shè)計”。
這要從對于投研人員的要求說起。
對于一名量化投研人員，有哪些基本要求呢？
- 懂金融知識
- 懂開發(fā)語言（Java、Python、Matlab等）
而現(xiàn)有的大多數(shù)投研人員，是金融背景，金融知識了解的比較多，在校期間用Matlab比較多，程序開發(fā)基礎(chǔ)比較弱。但是，現(xiàn)有的SDK大多是程序研發(fā)人員制作的，因此，現(xiàn)有SDK的設(shè)計，更多是從功能出發(fā)的“工程師的設(shè)計”，而非從關(guān)注金融意義出發(fā)的設(shè)計。
什么是工程師的設(shè)計
舉個簡單的例子。
現(xiàn)有的SDK，基本都提供了標(biāo)準(zhǔn)的數(shù)據(jù)取用Function。在開發(fā)策略的時候，通過這些接口方法可以直接獲取到標(biāo)準(zhǔn)化的數(shù)據(jù)。通常，得到的數(shù)據(jù)是一個二維矩陣的形式。如果是基于Python的平臺，得到的數(shù)據(jù)可能是基于numpy包的Array，或者基于pandas包的DataFrame。
但是，這只是基礎(chǔ)數(shù)據(jù)。在編寫策略的時候，我們就需要對矩陣進行最基本的運算，如切片、轉(zhuǎn)置、相加、相乘等。至于這些操作，SDK通常是沒有提供標(biāo)準(zhǔn)化Function的，需要用戶自己學(xué)習(xí)numpy、pandas或者其他包來實現(xiàn)。
所以，以現(xiàn)有的SDK來開發(fā)策略，代碼邏輯基本是這樣的：
當(dāng)我們熟悉了這一流程之后，似乎整個過程行云流水，也符合功能的封裝要求，沒什么問題。
但是，問題就出在這里。如果你覺得單從策略的編碼實現(xiàn)考慮，整體流程很順暢，甚至沒有太多的學(xué)習(xí)成本，說明你的開發(fā)基礎(chǔ)很好，甚至本身就是技術(shù)研發(fā)背景。但是對于偏向金融背景的人員，雖然數(shù)據(jù)的處理對他們來說沒有太大障礙，可他們的開發(fā)能力沒這么好，不能很快把金融上的交易邏輯抽象為程序開發(fā)中的方法調(diào)用邏輯。
因此，現(xiàn)存SDK的問題就在于，將一個金融相關(guān)的過程，按照技術(shù)架構(gòu)拆解，從而形成了Function的封裝和調(diào)用邏輯。這樣做的一個最直接的惡果就是，代碼量翻倍增加。
優(yōu)化的SDK設(shè)計
前面已經(jīng)給出了基于技術(shù)封裝的大體模式。雖然不夠好，但確實是一種對于策略的基本封裝模式，可以算是對SDK探索的第一步。那更好的SDK設(shè)計應(yīng)該長什么樣呢？
更好的設(shè)計，應(yīng)該是在“技術(shù)封裝”的基礎(chǔ)之上，再進行“金融封裝”。封裝之后的SDK，應(yīng)該包含以下幾方面：
標(biāo)準(zhǔn)化的基本運算的標(biāo)準(zhǔn)化Func
例如：矩陣的切片、相加、相乘、轉(zhuǎn)置、求逆矩陣等等。常用的金融計算的標(biāo)準(zhǔn)化Func
例如：求MA、IC、IR，計算移動均線上穿，股票篩選等等。
這樣的設(shè)計，在大多數(shù)情況下，用戶不再需要自己組織代碼處理原始數(shù)據(jù)、計算基本指標(biāo)、做邏輯判斷等，可以用最簡練的代碼實現(xiàn)最核心的策略邏輯。其他的工作，交給SDK和背后的服務(wù)器搞定。
下面就來比較一下，優(yōu)化前后，策略代碼的變化是什么。
優(yōu)化前的策略是這樣的，這也是最簡化的形式了：
import numpy as np
import pandas as pd
# 更多的包引用
import sdk
def data_init(**args): # 數(shù)據(jù)初始化方法
# 數(shù)據(jù)處理代碼
return data
def buy(**args): # 買入方法
# 買入代碼
def sell(**args): # 賣出方法
# 賣出代碼
def handler(**args): # 處理程序，通常是回測時系統(tǒng)周期性的調(diào)用
data = data_init(init_args) # 初始化數(shù)據(jù)
if buy_condition: # 如果買入條件成立
buy(buy_args) # 調(diào)用買入方法
if sell_condition: # 如果賣出條件成立
sell(sell_args) # 調(diào)用賣出方法
但優(yōu)化之后的SDK，最簡單的形式應(yīng)該是這樣的（以MA5和MA10組成的雙均線策略為例）：
import sdk
def handler(**args): # 處理程序，通常是回測時系統(tǒng)周期性的調(diào)用
zongshangsufuncs.market.cross_up( \\ # 上穿
funcs.market.ma(data.market.close, 5), \\ # 用收盤價計算MA5
funcs.market.ma(data.market.close, 10), \\ # 用收盤價計算MA10
funcs.trade.buy \\ # 如果上穿，執(zhí)行買入
)
funcs.market.cross_up( \\ # 下穿
funcs.market.ma(data.market.close, 5), \\ # 用收盤價計算MA5
funcs.market.ma(data.market.close, 10), \\ # 用收盤價計算MA10
funcs.trade.sell \\ # 如果下穿，執(zhí)行賣出
)
不同的視角
綜上所述，這個平臺并沒有從實際使用者的角度去設(shè)計。
實際的用戶，開發(fā)和金融能力都處在入門水平，面對復(fù)雜的SDK和冗長的策略代碼，會望而卻步。也因此，這樣設(shè)計的最大壞處，其實是提高用戶的學(xué)習(xí)成本，也就削弱了產(chǎn)品的運營屬性。跟用戶溝通之后做了統(tǒng)計，當(dāng)簡單策略的代碼行數(shù)在5行以內(nèi)時，有73.45%的用戶愿意嘗試一下；當(dāng)行數(shù)增加到10行是，只有20.23%用戶愿意嘗試，并且這些用戶多少有一些開發(fā)的背景。當(dāng)代碼行數(shù)超過20行的時候，就沒人在愿意上手嘗試了。
約稿、合著等，請聯(lián)系laurieliyang@163.com
