量化交易不仅仅是机构交易者可以进行的；零售商人也参与其中。如果您想生成算法，建议您使用编程技巧，即使这些技巧也不总是必需的。程序和服务可以根据您提供的输入为策略编写编程代码。程序/服务生成的代码随后**交易平台，交易开始。但在这一切发生之前，想要成为算法交易者的人需要经过几个步骤来决定他们想要用算法完成什么，以及如何完成。

时间框架和限制

虽然一个经过良好编程的算法可以自己运行，但还是建议人为地进行一些监督。因此，选择一个时间框架和交易频率，你可以监测。如果你有一份全职工作，并且你的算法被编程为在工作时每天在一分钟的图表上进行数百次交易，那可能并不理想。你可能希望为你的交易选择一个稍微长一点的时间框架，以及更少的交易频率，这样你就可以随时关注它。

算法测试阶段的盈利能力并不意味着它将永远继续产生这些回报。有时，如果结果显示交易算法不再正常运行，您需要介入并修改它。这也是任何从事算法交易的人必须接受的时间承诺。

财政拮据也是一个问题。在高频交易策略下，佣金会很快累积起来，所以要确保你的经纪人成本最低，而且每个交易权证的潜在利润都会支付这些佣金，可能一天支付很多次。启动资金也是一个考虑因素。不同的市场和金融产品需要不同数量的资本。如果一天交易股票，你至少需要25000美元（建议更多），但交易外汇或期货，你可以用更少的钱开始。

市场约束是另一个问题。不是每个市场都适合算法交易。选择具有充足流动性的股票、etf、外汇对或期货来处理算法将产生的订单。

制定或微调策略

一旦了解了财务和时间限制，就可以制定或微调可编程的策略。你可能有一个策略，你手动交易，但它很容易编码？如果你的策略是高度主观的，而不是基于规则的，那么为策略编程是不可能的。基于规则的策略最容易根据可量化的数据或价格变动，用分录、止损和价格目标对策略进行编码。

由于基于规则的策略很容易被复制和测试，如果你没有自己的想法，就有很多可以****的策略。Quantpedia就是这样一种资源，提供各种定量交易方法的学术论文和交易结果。可以对概述的规则进行编码，然后根据过去和当前的数据测试其盈利能力。编码一个算法需要编程技巧或软件的使用权，或是能为你编码的人。

测试交易算法

最重要的一步是测试。一旦一个交易策略被编码，在它被测试之前不要用它来交易真正的资本。测试包括让算法在历史价格数据上运行，展示算法在数千笔交易中的表现。如果历史测试阶段是有利可图的，并且生成的统计数据对于您的风险承受能力是可以接受的，例如，最大提取率、胜诉率、破产风险，那么继续在演示帐户的实际条件下测试算法。同样，这个阶段应该会产生数百笔交易，这样您就可以访问性能。

如果该算法是盈利的历史价格数据和交易一个实时演示帐户，使用它交易的实际资本，但要有一个警惕的眼睛。实际情况与历史测试或演示测试不同，因为算法的订单实际上会影响市场，并可能导致下滑。在验证算法在实际市场中的有效性之前，就像在测试中一样，请保持警惕。

持续维护

只要算法在测试期间建立的统计参数范围内运行，就不要使用算法。算法有没有情感交易的好处，但一个不断修补算法的交易者正在抵消这种好处。不过，这个算法确实需要注意。监控性能，如果市场条件变化太大，导致算法不再正常工作，则可能需要进行调整。

底线

算法交易不是一个让你一夜暴富的一成不变的努力。事实上，定量交易的工作量和手工交易一样大。如果您选择创建算法，请注意时间、财务和市场限制可能会如何影响您的策略，并相应地进行计划。将当前的策略转换为基于规则的策略，这样可以更容易地编程，或者选择一种已经过测试和研究的定量方法。然后，使用历史和当前数据运行您自己的测试阶段。如果这是真的，那就在监视下用真钱运行算法。如果需要的话，调整一下，否则就让它完成它的工作。