Q是一个数据语言，目前被限定为一个数据定义语言(DDL)。Q采用JSON/XML模式，其配备了一个专用的用于定义数据的类型系统，和一个称为“信息合约”的理论，用于程序和数据交换语言之间的互操作。Q语言是专为量化投资和程序化交易开发的动态编程语言，兼具C++语言的灵活性和EasyLanguage语言的易用性，支持证券、期货、上海黄金交易所、渤海商品交易所所有指。标的历史数据、实时行情、程序化交易；支持恒生、金仕达、顶点、金证、易盛、CTP、国外FIX等几乎所有的交易接口；同时还支持C++，C#、JAVA、MATLAB、R等多种语言的调用。

为量化投资和程序化交易开发

面向对象，可以自定义类；

以一行代表一条完整的语句；

以Tab缩进实现结构化控制，使得程序可读性更强；

是弱数据类型的编程语言，能够实现变量、参数类型的智能化处理。

一个完整的Q语言策略程序由两个可选择使用模块三个必需模块构成：

1.两个可选择使用的模块

“引用”模块：在此模块可以声明想要引用的外部函数或类。

“外部参数”模块：在此模块中可定义全局性的静态变量，一般把策略的参数定义在此模块中。

Init()模块：仅在策略准备时运行一次。在该模块中，用户可定义全局变量，并对其进行赋初值。

Start()模块：由实时行情或后验数据流驱动循环调用，引擎每接受到一个新的数据就运行一次。策略编写者的策略思想主要在该模块中实现。每次执行完成后，在Start()模块中定义的局部变量会被释放，但在Init()模块中定义的全局变量以及在“外部参数”模块中定义的参数会保留，进入下一次Start()循环。

UnInit()模块：为程序全部执行完成结束后调用，为系统默认调用，一般地用户不需要在此模块中编写代码。

在Q语言中，变量可分为一般编程语言通用的“常规变量”和程序化交易专用的“特殊变量”，以下就是两类变量以及其定义和使用方法做简要介绍。

在使用变量之前，需要对变量进行声明和赋予初值。Q语言是一种弱类型的程序语言，变量类型不需要特别进行声明，变量声明和赋予初值可同步进行，变量类型由所赋予的初值的数据类型决定。变量名称可采用大写字母(A-Z)、小写字母(a-z)、下划线(_)以及数字(0-9)等，但首字母不能为数字。变量名称的长度基本没有限制。

示例：变量声明和变量类型的确定

i=5将i声明为整数(int)型变量，并赋予初值5。

Price=[0.1]将Price声明为长度为1的双精度型的动态列表变量，并赋予初值0.1。

Price=[0.1]*10将Price声明为长度为10的双精度型的动态列表变量，并把数值中每个元素的初值设为0.1。

DateTime类型为系统定义的一种类型，可通过构造函数DateTime定义，包括下表所列出的一些属性和方法。

相关联的一些同类型的数据可以以列表的形式来组织。在Q语言中，用户可以定义各种列表结构，包括：整型、双精度型、字符(串)型以及布尔逻辑型等基本类型；也可以是Q语言定义的结构变量类型；还可以是用户自定义的数据类型。

Q语言简化了列表定义的方式，采用简洁的直接赋值的方式进行定义及初值的设定，形式如下所示：

其中，Listname表示列表名称，init_valueN为赋予每个列表元素的初值，Length为列表的长度(即列表包含元素的个数)。列表元素的类型由其初值的类型确定，“*Length”为可选；如果不设定，表示列表的长度为1。

CharArray = [‘A’,’B’]定义长度为2 的字符列表变量CharArray，并给元素分别赋予初值’A’和’B’。

列表的取值操作通过“[]”符号完成，如下表所示：

Listname[1:4]取出列表从第2个到第5个之间的所有值

Listname[-3:]取出列表从倒数第3个到倒数第1个的所有值

Listname[3:]取出列表从第4个到最后一个的所有值

Listname[:]取出列表的所有值编辑操作

适用于列表的其他操作如下表所示：

Q语言中，字典(Dictionary)是由键(Key)和值(Value)一一对应所形成的基本单元的集合。

同样地，Q语言简化了字典定义的方式，采用更加简洁的直接赋值的方式进行定义及初值的设定。形式如下：

其中，dictname为构造的字典的名称，keyN为键N的名称，为字符串，valueN为键N对应的值;键keyN和值valueN均可为任意的数据类型，其值分别由定义时给定的值的类型确定。在定义好字典类后，我们可以通过访问字典的键获得该键对应的值。

根据程序化交易的特点，在开发策略代码时，可以直接调用系统内置的特殊变量来简化编码，提高开发效率。

持仓相关变量：变量名称释义

Pos.MarketPosition持仓状态。可取三种值，1,-1,0。如果多头持仓>空头持仓，该值为1；若多头持仓

Bar.Count当前Bar的全局索引。按照从左到右的顺序，全局第一根Bar的索引值为1，第二根Bar的索引值为2，以此类推。

以下两种写法是一致的：

Bar.CountIntra当前Bar在当前交易日的索引。按照从左到右的顺序，当前Bar所在交易日的第一根Bar的索引值为1，第二根Bar的索引值为2，以此类推。

Bar.CountDay当前的日Bar的索引。按照从左到右的顺序，第一根日Bar的索引值为1，第二根Bar的索引值为2，以此类推。

以下两种写法是一致的：

以下两种写法是一致的：

例如，系统日期为2013年8月1日，则Sys.Date = 资金相关变量：变量名称释义

Cap.Margin可用保证金品种相关变量：变量名称释义

BarList获取Bar数据序列信息。序号0为最新Bar。返回值为一个BarInfo类型的变量，参见BarInfo。

以下两种写法是一致的：

在“外部参数”模块中可定义全局性的静态变量，一般在整个代码中仅仅对其调用，不再进行修改，所以策略的参数可以很便利的使用“外部参数”进行定义。

Q语言提供了一些在策略开发中常用的枚举类型，各种类型的名称、取值、含义及使用范例如下表所示：

类型名称值注释使用范例

结构型的数据变量将一组相关的信息变量组织为一个单一的变量实体，其中各个信息变量的数据类型既可以是基本的数据类型，也可以是自定义的数据类型。Q语言定义了两类结构变量类型BarInfo和TickInfo，分别记录行情数据Tick数据信息和Bar数据信息，如表3和表4所示。其中，Tick数据信息是行情的最精确单位，是交易时间的最小颗粒；我国期货市场是500 毫秒推送一个Tick，股票市场是5~6 秒推送一个Tick。在一定时间段内的Tick 序列就构成了一根K 线，在Q语言中单根K线就称为一个Bar。

和枚举类型一样，除系统自带的结构变量类型之外，Q语言还不开放开发者自定义的结构类型变量。用户可以采用字典、类的方法实现结构变量的定义。

TickInfo结构类型属性介绍：

属性名称属性类型属性注释

BarInfo结构类型属性介绍：

属性名称属性类型属性注释

Q语言按照模块结构来组织程序，一个完整的模块包括函数、类、控制结构等，模块之间可以是并列关系，也可以是包含关系。

变量的作用域是指变量在各模块中的使用范围。按照作用域的范围，Q语言中变量可分为全局变量(global)和局部变量(local)。在量邦天语中

全局变量的声明在“Init()”中完成，在此模块中声明的变量自动默认为全局变量；每轮“Start()”模块运行时它都存在并一直保留至程序结束，期间可以对其进行操作。

在“Start()”模块内部声明的变量都是局部变量，作用域仅限于当轮运行的“Start()”模块；在当轮“Start()”模块运行过程中，局部变量必须先声明之后才可调用。

第1~13行构成了一个比较完整的Q语言程序。

第1~5行定义了程序的Init()模块，初始化模块。

第6~11行定义了程序的Start()模块，循环主体模块。

第7行定义了一个局部变量：addval (double型)，该局部变量的作用域仅局限于当轮运行的“Start()”模块中。

第9行也定义了一个局部变量temp，特别注意：即使一个局部变量是在“Start()”模块的子模块内被定义的，它的作用域仍然是整个当轮运行的“Start()”模块，所以temp可以在if语句之外(语句10)中被调用(即便它是在if语句内被定义的)。

第12~13行定义了程序的UnInit()模块，结束化模块。

上文聊到，通过走出「术的轮回」，我在投机交易上初步站住了脚跟。

但，我还是觉得自己的能力圈太窄了，希望能进一步扩宽自己的能力圈。

此时，我已经深刻理解了经过市场验证当下有效的系统，不能随便丢弃，更不能随便去改。所以，我已经不会犯傻地去重新打造一个新系统，而是一边严格按照当下系统实盘着，一边思考如何进一步拓展能力圈。两者严格区分开，互不干扰。

无意中，我在朋友圈看到几个晒量化策略的。当然，是很LOW的那种，就是天天晒收益，鼓吹躺赚，然后卖软件或者刷佣金的那种套路。

但这给了我一个思路，因为量化交易，在当下的市场上确实占据了不小的份额。

而量化交易的优点也极其明显：无需盯盘，躺赚，克服人性，这对交易员乃至所有想赚钱的人来说，都具备天然的吸引力。

当时，我的认知还在价格层面，而价格层面的交易系统，非常容易量化。所以，很自然的，我开始往量化这个方向着手研究。

量化交易就涉及到编程，这方面其实挺矛盾的，因为大部分交易员不懂编程，只能找程序员来编，而大部分程序员不懂交易，所以在沟通方面就存在很多的问题，效率方面也偏低。

但这方面对我来说，不是问题。花了一周左右把文华财经软件的麦语言和MT4软件的mql4语言看了一下，就直接上手了。

我先把当下用的系统尝试做了量化，但回测历史的成绩并不理想，包括实盘的这段行情，也是差别较大。

这是为何呢？我一下子就不淡定了。然后认真地找原因。

最后发现，量化交易和我自己手工交易，存在一些细微的差别，那就是程序的识别度和我眼睛的识别度不同。

对于量化策略来说，完全基于数学模型，识别精度非常高，很多在我眼睛看来还不符合进场时，但在数学模型上其实已经符合，所以量化策略就进场了。很多时候在我眼睛看来还没到出场的时候，在程序上其实已经触发了出场。

就这么一点点的差别，长期执行下来，结果就会相差甚远。

这就是主观交易和量化交易的区别，前者集成了交易员的主观经验，这部分说不清道不明，是长期交易后的经验沉淀，犹如手艺人的手上功夫，而后者完全基于客观数据。

然后，我尝试着是否能把当下用的系统剔除主观经验这部分，完全量化。尝试了很久，都不大满意，还不如主观交易的成绩好。

因为市场上除了纯量化的系统，剩下的都是主观交易系统，而主观交易系统天然就包含了交易者的主观经验和思维逻辑，这是主观交易系统很重要的一个组成部分。

所以，交易的传承才那么难。如果是纯量化系统，哪有什么传承问题，把程序一拷贝，再培养下风控，就搞定了。当然，量化策略的不断开发和迭代，那是另一维度，暂时不谈。

想明白了这个问题后，我就不再尝试把当下的系统完全量化了，而是做了个半量化系统。就是方向的识别和进场时机，手工完成，然后进场后的平保、止损和止盈等其余操作，量化执行。

这么做的好处也很明显，既让我自己的主观经验和思维逻辑发挥了作用，又让量化发挥了作用，比如进场后就不需要盯盘了，也进一步克服了人性拿不住单的问题，保障了知行合一。取了主观交易和量化交易的两者之长。

然后，我就不再优化这个系统了，开始着手研究纯量化策略。

马丁/反马丁策略、静网格/动网格策略、趋势策略、波段策略、刷单/剥头皮策略、套利策略、对冲策略，以及其他各种算法策略……

这个阶段，我看了很多的国外论坛，因为国内量化交易这块起步比较晚，交流也比较少，而在国外交易者论坛上就很普遍。这也和东西方的思维模式有关系，东方传承的是辩证思维，而西方思维更多的是偏量化的。所以咱们做菜，是用盐「少许」，而老外一般都是明确说「几克」。

所以，在国外交易者论坛上，我也算是大开眼界，各种稀奇古怪，且不乏奇思妙想的量化策略。

于是，我不断地学习，不断地编程，不断地回测历史，不断地优化参数，不断地研究新策略、再编程、再回测历史、再优化参数……

我在量化上，几乎把上个阶段「术的轮回」又走了一遍，但量化的反馈更快，数据样本也更丰富。这个过程，让我对价格层面的交易有了更深的认知。

同时，除了各种策略上的问题，也碰到过很多量化独有的问题，比如历史数据的精度差异导致的结果偏差，参数的过度拟合陷阱等。

回忆的时候可能一句话就带过了，但实际上，这个过程的精力付出和碰到的困难挫折，不经历过，可能很难想象。

同时，我还买过1个现成的量化策略，是在网上有交易业绩展示的，3万多带培训。虽然明知道量化策略光看业绩曲线是看不出问题的，因为会掩盖很多的问题，大概率是会被割韭菜，但还是忍不住想了解下别人的思路，是否有值得借鉴的地方。

说白了，还是想找「捷径」。像这种价格适中，简介上确实有吸引我的点，又有业绩展示的，就还是有点心动。

果不其然，深入了解后，这个在本身的量化策略上并无出彩的地方，甚至存在致命缺陷，展示的业绩也仅仅只是选的时间段好，行情配合，所以看着不错，迷惑性挺强。过了几个月后，正好遇到一波该量化策略的不利行情，我还专门去看了一下，发现他们的业绩展示已经删除了。

之后，经过一段时间的跟踪和考察，又付费参加了一个上海的量化交易的培训，5万的学费，三天两夜，量化软件包年付费使用。这个量化软件对我没什么吸引力，因为只要了解了详细的策略，我自己就可以做一个。报这个培训，主要是主讲人有十几年的量化交易从业经历，所以想从真正的量化交易从业者身上看看有没有值得学习的量化思路，以及做量化交易的经验。

说实话，这个培训收获还是挺多的，首先，验证了很多我对量化交易的已有认知，大幅缩短了我自己摸索验证的过程；其次，在量化策略的使用场景和使用经验上有了更多的认知。

之后，我不再执着于全自动量化策略的开发，更多的是把量化当成了「工具」，应用在各种交易场景上，更好地辅助交易。

比如开发了一些第三方指标，如外汇船说视频公开课里提到过的资金容量线指标等，用于行情的辅助判断。

比如开发了一些量化策略辅助盯盘，减轻盯盘的精力，降低人为错过的风险。

比如开发了一些量化策略辅助进场，并非是完全自动式进场，而是人为先判断到了进场区域，然后开启辅助进场策略，它会帮助我继续盯盘，从而在一个合适的位置把单子做进去，大幅减轻了进场盯盘的时间和精力。

比如开发了一些量化策略辅助持仓，比如符合条件后自动设置平保，让单子脱离风险等。

比如开发了一些量化策略辅助出场，这点上面就讲到过了。

比如开发了一些量化策略辅助风控等。

这部分可以观看视频公开课更多地了解。

总之，大的原则就是：对交易的核心把握，在于我自己的主观意识，剩下的没什么含金量的「苦力活」全部交给量化策略。

得益于此，我都不需要多大的交易团队，不需要下单员，不需要风控员，这些量化策略都可以搞定，甚至很多时候比人更靠谱。

这点在外汇交易这样的24小时不间断市场上尤其有用，在符合国内生活作息的期货市场上，相对还好。

同时，我也开发了几套全场景化的量化策略。所谓的全场景化就是，既可以全自动化跑，又可以半自动化操作，也可以当操盘助手使用，同时一套策略涵盖了马丁、网格、趋势、波段、剥头皮、对冲等很多策略，以及多套资金管理策略，可根据行情随意手动切换和任意组合使用。

此时，我对量化交易的理解就是，量化交易就是「量化的交易」，其中量化只是形容词，核心还是交易，交易的核心还是人，量化只是一种工具罢了，本质上和其他指标等没有什么不同，关键在于谁来用，怎么用。

比如，门徒计划中的德秀法师，我给了他其中的一套全场景化量化策略，德秀法师是佛医，我的本意是让他在行医天下没时间盯盘时，挂着轻仓全自动跑的，结果德秀法师自己在策略和参数设置里组合了一下，自己看盘判断行情，然后半自动操作，只做纳斯达克指数，每天只做1-2个小时，赚的不要不要的，几百万美金肯定有了，门徒计划群的小伙伴应该都见证过。

虽然，这套量化系统是我开发的，但我扪心自问，在使用的灵活性上，德秀法师远远超过我。所以工具只是工具，关键还是谁来用，怎么用。

经一些朋友的介绍，我也拜访过国内几个比较有名的专业量化团队，发现专业量化团队的处境也没想象的那么好。因为大部分量化模型，都存在生存周期短，迭代速度要求快，研发成本高等问题。

量化交易之路走到这里，我也没有了偏执，能深刻地认知到它有哪些优点，哪些缺点，也能坦然接受了，我要做的就是「取长弃短」。

后来当我的认知提高到原理层面时，也尝试过把原理系统量化，结果就是原理系统实在无法量化，我也找过几个在华为、阿里都已经是技术大拿了的老同学研究过，哪怕加入机器学习，也搞不定，所以，我也就很干脆的放下了。

毕竟，量化交易并不是我要走的唯一的路，而是我在投机交易上的一个探索方向，看看是否能走出一条更优的路。随着人工智能的不断发展，我也会一直关注这个方向。

量化交易之路就聊到这吧，下一篇咱们接着聊。

我是逍遥船长谢觉乐，心中有爱，交易不败！

公众号「落子天地间」原创首发