王东润 王双庆 石伟华

摘 要：随着国内证券市场的发展以及金融科技的不断创新，许多投资机构和普通投资者对量化交易的需求越来越多。本文通过搭建一个基于复杂时间处理技术（Complex Event Processing，CEP）的量化交易云平台来为量化投资者提供策略的编写、研究、回测等功能，节省大量数据分析、投资策略考量和人工交易的时间，用大数据和人工智能优化后的策略进行理性的投资，克服人性的弱点以及认知偏差。同时，量化交易云平台通过全面、系统地进行扫描来捕捉市场中的错误定价和错误估值所带来的机会，从而发现估值洼地，帮助投资者获得盈利。

关键词：量化交易 证券投资 云平台

中图分类号：TP319 文献标识码：A 文章编号：1672-3791（2018）10（b）-0009-02

近年来，随着人工智能、大数据、云计算等互联网科技的迅猛发展，“互联网+”新业态不断涌现，金融业通过大数据、云计算、人工智能、区块链等最新IT技术，推动了“金融科技3.0”时代的到来。正是在这种产业变革大背景下，再加上2010年4月股指期货的出台，我国的量化投资市场发展潜力逐渐显现，无论是普通投资者还是各类机构都开始将研究方向及资金投入转向量化交易。量化交易目前处于起步阶段，且在未來几年随着人工智能等的进一步发展，将逐渐进入它的兴盛阶段，而量化交易平台也随之进入一个爆发期。

1 量化交易云平台的优势及创新点

（1）量化交易能引进各种复杂因子，完成人工不能完成的策略开发和优化，确保复杂的交易及策略得以快捷的实现。通过筛选出来的最优策略运用于不同的市场和不同的品种，减少市场冲击成本，提高盈利。同时量化交易便于验证制定的交易策略，可以更深层次的长周期检验策略是否有效，从而得到令人信服的结论。

（2）相对于人工交易来说，程序交易的时间几乎为零，程序化比人工下单更容易成交到即时的价格行情，同时能避免人的情绪干扰以及减少劳力成本和时间成本。

（3）云平台相对于传统平台稳定性更好、安全性更高，在服务器出现故障的情况下能自动转移到其他机器上，避免投资者的交易受到影响，对于用户不愿分享自己编写的源码进行加密处理，不泄露源码，以确保策略的版权和安全。同时云平台不再局限于一台或者几台服务器之间，其存储能力和容量大大提高，投资者的各种操作记录以及前期的行情资讯数据等都可以存储，避免丢失。

（4）由于金融行业的量化交易平台具有异构以及松耦合等特点，目前国内比较流行的传统的系统架构难以满足这类系统的实际需要。复杂事件处理将数据库过程颠倒过来，将查询条件进行索引存储，让事件流经过查询条件来触发动作。通过这种方法大大提高了事件处理的实时性和处理复杂事件的能力，满足了金融行业量化交易平台的特殊需求。

2 量化交易云平台的功能实现

通过拟设计实现的基于复杂事件处理的量化交易云平台，可以有效地帮助各类投资者根据模型的运行结果进行决策。在平台交易规则约束下既可以克制人性中贪婪而引发的投资冲动，并且可以跟踪资金的使用和收益，从而实现多层次、多角度、多数据的去分析投资品种。无论对于个人还是机构投资者，都能以更小的人力成本去获取更多的收益，减少交易的摩擦和成本，促进更加高效的风险对冲，增加盈利。本文所介绍的云量化交易平台能提供策略编写、运行、管理、个人研究以及多种功能，具体包括模型计算、策略开发和行情资讯等功能。

2.1 模型计算

支持输入各种模型参数，通过具体的行业模型、投资品种模型、算法交易模型等进行深入计算，深入挖掘历史行情和历史资讯进行多维度的智能量化分析，支持多种技术指标和算法体系快速的进行综合分析与判断。

2.2 策略开发

投资者可以根据自身的需求，结合基本面以及个人的风险偏好，运用技术指标进行策略开发，通过不断地优化提高策略交易的效率和实用性。整个平台支持各种主流开发语言以及拥有强大的开发库，投资者可以运用自己所熟悉的语言进行策略编写，同时可以对自己编写的策略源码进行权限控制，提供加密和分享和功能，将所有的操作以及策略编写都能保存日志，避免丢失。

2.3 行情资讯

量化交易云平台支持实时行情、历史行情，同时也支持各种行情数据以及最新资讯等外部数据转化为内部事件。行情数据及资讯不仅可以为策略运行开发者提供服务，也可以作为独立的服务项目提供给其他订阅用户。平台支持不同市场、品种以及频率的行情数据和资讯，实时提供用户各种信息。

3 云平台的技术架构

这个量化交易云平台没有采用传统的数据处理方式，而是采用了一种基于内存计算的面向数据流的实时数据分析技术——CEP，主要用于高速的复杂数据模式识别，在国外并广泛应用于资本市场的量化交易和风险控制领域。倘若采用传统的数据处理方式，由于在交易时间系统需要不断采集各种新事件数据，系统必须从保存了静态数据的数据库中不断查询来判断新的海量数据是否满足系统设定的条件，在一些极端情况下很容易读取错误的数据或者系统做出错误的判断，从而对用户在短时间内造成极大的损失。

CEP应用提供的实时智能处理能够帮助企业借助数据修改当前的操作，而不仅仅是修改未来的操作。CEP主要分为8个比较关键的部分，分别为：EPL解析器、规则管理、事件接入、预处理、CEP引擎、数据模型、事件发派、行动模块。预处理模块会将事件送进CEP引擎之前预先做处理，包括字段过滤、字段填入、事件过滤、事件分流等，采用内部采用管线的架构方式，使用上会更灵活。通过CEP技术实现量化交易平台高速处理海量信息的功能，可以将证券公司内部原有的各个业务系统有机地结合起来，屏蔽各个系统的异构性，通过企业服务总线实现了量化交易平台与企业原有各业务系统之间的数据通信和消息传递，在不影响原有业务系统运行的情况下，实现了一个异步、松耦合、大数据量的、高速运行的量化复杂事件处理量化交易云平台。

4 展望

量化投资是以数理模型来实现投资理念，通过程序来实现交易策略的一种投资方法，以大数据云计算等技术支持的量化交易云平台为量化投资提供了强大的运算和存储能力，对推动市场参与度，提高金融机构创新能力具有非常重要的意义。目前国内的金融行业的量化交易云平台相对于国外还处于一个起步的水平，大多数平台仍然运用传统的系统架构，难以满足市场各种用户机构的实际需要。通过CEP技术打破传统的事物处理方式，极大地提高了数据处理的速度以及精确性，更好地满足金融市场的特定需求，提升用户的体验。量化投资将促进市场的有效性，优化资源的配置，减少证券交易市场中的不平等，保持证券交易市场的平稳波动，运用量化投资的方法和机理将成为中国市场未来投资策略的一个重要发展趋势。

参考文献

[1] 彭蕾.中国证券市场程序化交易研究[D].西南财经大学，2005.

[2] 刘家红，吴泉源.一个基于事件驱动的面向服务计算平台[J].计算机学报，2008（4）：588-599.

[3] 陈琦.对我国期货市场程序化交易的探讨[D].首都经济贸易大学，2012.

[4] 焦延超.基于复杂事件处理的量化交易平台的设计与实现[D].复旦大学，2013.

[5] 熊熊，张博洋，张永杰，付琳惠.程序化交易系统的检测与优化体系[J].科学决策，2013（8）：1-15.

[6] 薛辉.基于量化投资管理的系统设计[J].金融电子化，2016（10）：64-66.