你好，请问你程序中 CloseShortForce(); OpenLong(); CloseLongForce(); OpenShort(); CloseAllForce(); ... 这些都是你事先写好的模块化程序吗？是怎么处理细节的呢？ 比如我调用OpenShort()（应该是开仓做空吧？），那么如果当时无法做空程序是怎么处理的呢？还有成交后的订单返回信息好像没有在你的代码中看到，都是市价委托吗？ 我在实施策略时发现将模型转化为代码的过程是非常漫长和痛苦的。一个并不复杂的模型，但是如果要考虑的全面一点，整个程序的编写、调试、纠错过程可能需要长达一两个星期。所以我也在思考是不是什么地方有问题。以前在某个地方看到过对冲基金里的quant似乎将模型转化为可以执行的策略程序整个过程只要一到两个小时。不知是真是假 谢谢！
都是模块化的程序，细节很多，不能简单说清楚。 你指的无法做空是指什么原因：资金？休市？限仓？... 策略简单,所以代码简单 ,都是市价委托．系统本身可以下限价单，撤单，处理订单汇报等． 如果不处理限价单的部分成交，撤单等状况，全部用市价委托．策略的编写还是比较简单的，只要你把底层的函数编好就可以了．常用的SetStopLoss, SetBreakEven, SetTraillingStop, SetTraillingStopPercent等函数，本系统都可以直接用．
感谢回复！ 如果都是市价委托，那么在要考虑执行成本的情况下，是不是就不能使用这些函数？请问如果在复杂些的情况下，比如，部分订单需要限价委托、或者跟随市价的限价委托（pegged order），而其他订单又需要根据这些订单的成交情况作出反应（比对配对交易就要求在限价委托成交的同时，对另外的证券发出市价委托）。那么你会如何处理这些情况呢？ 我的程序对于这些情况下只能分别考虑各种情形（没有成交、部分成交等等）；对需要实时反映的情况，就根据订单成交的事件作出反应，但是其实很多时候会涉及到线程的同步问题，个人觉得很多线程同步的细节问题在设计时也很难考虑全面，经常在测试的过程中才发现，因此有时候又需要作出大的修改。因此程序很难没有BUG，我就是想请教一下是否有什么成熟的方法。 谢谢！
市价委托基本上都是对价成交,只要频率不高,比如1min以上持仓周期, 影响不大. 每个委托都有自己的ID号, 该ID成交后在成交回报里面处理其他的委托. 你说的成熟的方法我不清楚. 线程同步等程序问题一般是仁者见仁,智者见智的地方, 我想每个人处理的方式应该都不会相同. 不客气, 互相交流学习.
策略开发可能还是matlab最好。 执行上如果追求效率的话，就用C++改写，绝大多数情况够用。 如果要求再高，就搞个FPGA。 脚本类的，我不知道用来干嘛。 用来研发策略不够强大，用来执行不够快。 除非对执行效率根本没啥要求。
其实策略研究还是专用的策略回测平台好，有买卖信号显示、有资金曲线，matlab恐怕是学院派用的多，学院派（尤其搞金融的）喜欢里面的金融工具箱，定价模型，神经网络、基因算法啥的，呵呵，放在实盘都是一塌糊涂。
我理解，这不是同一个阶段的工作。 策略的诞生，总是从一个理念开始，然后去验证，去实现，去回测，外测。后面都是技术性的工作，真正的核心还是理念。 什么是理念？ 打个比方，与盲人摸象的典故类比，市场行为就是那个像，无数投机者就是其中的盲人。除了上帝，没有人可以完全了解市场，但是每个人都可以了解自己所见的部分规律，因其不全知，故而没有确定性规律，只有统计性规律。 一个理念，就对应着一种统计规律，这是一切策略的原点。粗粗的看，有人看到长期上涨的统计偏向，发展了长期持有策略；有人看到厚尾偏向，发展出趋势策略；有人看到摆荡偏向，发展出价值投资策略或均值回归策略… 我 一个好的理念基于好的统计优势，它无需太多优化；反之不好的理念基于不强烈、不稳定、乃至不存在的统计优势，所以后面需要大量参数优化，要么不盈利，要么过度优化，要么生命周期很短，要么适应范围很窄。 我认为matlab最大功用，在于发现和验证统计偏向，为下一步的策略实现打好坚实基础。所以其实最需要的还是统计功能和数据展示功能，比如3D绘图、boxcox之类。这些功能，当今的策略回测平台可否做到我不太清楚，可能我out了，反正以前我是找不到这样的平台的。