概念
股票的量化交易是人工投顾的一个分支，人工投顾主要基于顾问的个人经验和预判能力来衡量投资水平。相对而言，智能投顾基于Markowitz理论，理论认为给定投资者的风险偏好和相关资产的收益与方差，最优投资组合有唯一解。可见该理论的已知条件主要涉及投资者和市场，可以认为只要用户和市场两大维度的数据足够详实、计算模型足够合理，就可以找到针对当前市场和该投资者的投资组合唯一最优解，并且根据数据动态变化持续提供再平衡建议。
目标
简单来说，量化交易的目的就是获取分为α收益和β收益，α收益是与预期风险相比的超额收益；β收益是市场对系统性风险的收益补偿。
从我的角度来看，α收益就是通过模型去选股、择时、套利。而β收益，则更多体现在仓位控制上，比如如何选出自己的漂亮50，如何控制漂亮50的仓位
我们需要做什么
从上面的目标可以看到，对于工程师来说，我们要做的就是通过合理的数据方式构建模型，去选股、择时、套利、根据市场的环境来分析行情的优劣。里面设计的技术包括：爬虫、数据挖掘、实时计算、机器学习等技术。
技术栈
数据采集系统：爬虫、数据库、云端数据存储（用于备份和离线计算）
离线计算体系：回测框架、离线计算存储平台（各种大数据组建像spark之类、此类产品更多会采用使用云产品来降低成本）
在线计算体系：在线计算平台（类似于jstorm）、实时服务调度、消息队列等
dashboard：控制台，用于整体的产品化
计划
在未来一年内完成50篇blog，完成上述四个方面内的工作，使之能够体系化
