本书将在后面的章节中，通过流程化的说明和一些中国市场上的实际例子来介绍量化交易策略的具体研发框架。通过整本书的内容，读者将遵循一定的逻辑来具体了解量化交易策略是怎样构成的以及是如何被研发出来的。
在本章中，作者在精炼量化交易策略基本研发结构的基础上，通过介绍有限的几个组成部分,对一个较为完整的量化交易策略进行了初步说明。希望读者通过阅读体量不大的文字内容之后，对量化交易策略的研发形成一个大致的概念和逻辑上的了解。图2-1 给出了一个最为基本的量化交易策略研发流程，这是一个较为松散但同时相对典型的研发流程，对于本节中的基础性介绍而言较为合适。
在整个量化交易策略的研发流程中，买和卖是最为基本的量化交易策略组成部分，而这个部分的设定主要与收益情况相 图2-1量化交易策略的基本研发流程关。这里所说的相关，具体分为两种不同的情形，一种是总体的关联性，即基于买点、卖点的选择，买卖策略应该得到一个正的整体收益。另一种则来自对交易资产未来收益的判新或者说预测，即判断交易资产的未来收益为正时，就买入资产;判断交易资产的未来收益为负时，则卖出或卖空资产。
实际操作中，这两种关联关系的情况可能更为复杂一些，读者可以通过第4章的内容进行具体的理解。有的时候，买和卖的具体操作也可能受到风险方面设置的影响，例如为了限制单次交易的最大损失面采取止损之类的操作时，用于清仓的买卖没置就会相应地变动，这也是作者将风险和买卖用虚线相连的原因。不过在大部分情况下，买卖这一最为基本的组成部分还是与收益的关系更大，研究者也应该在研发这个组成部分时,着重考虑收益情况的具体影响。
对量化交易策略凤险的控制可能会影响到量化交易策略中的买卖设置，但是在更普遍的情况下，风险这一因素主要影响的是交易仓位的设置。当然，前提条件还是需要买卖策略的总体收益为正，在这样的条件下再结合仓位的设置，才能够在合适的风险水平下取得达到要求的收益。
通过对交易资产具体仓位的调整，交易者可以比较直接地控制单次交易以及整个交易策略的风险水平。例如在满仓交易的情况下，定量地判断了当前交易的风险之后，觉得风险过大无法承受，那么最为直接的处理方法就是在满仓的基础上相应地降低仓位的大小。在仓位降低之后，对于整体资金而言风险也就随之降低了。由于仓位本身具有量化、直观的特性，因此当交易者希望将风险处理到一个特定的水平时，调整仓位是一个比较方便的手段。
需要说明的是，前面已经提到了买和卖是量化交易策略最为基本的组成部分，实际上仓位的设定是根据买卖决策和风险两个因素共同形成的，不建立在买卖之上的仓位选择是空洞没有意义的。此外还有一个更为极端的情况，仓位的正确设定有助于进一步优化策略的整体收益，第10章10.1节所要介绍的凯利公式的意义正在于此。在图2-1中由买卖到仓位的箭头，实际上可以看作收益、买卖这一个整体部分指向仓位的箭头。不过在实际使用中，凯利公式所导出的仓位设定往往过于偏激，超过正常风险控制下的最高仓位值，因此仓位仍然与风险的关系更为紧密。
在图2-1这个较为松散的量化交易策略研发流程中，交易成本是和买卖以及仓位具有同等地位的组成部分。在实际操作中，就是首先基于对收益和风险的判断得出合适的买卖和仓位选择，然后在买卖和仓位共同组成的量化交易策略当中考虑交易成本，也就是在建立仓位和退出仓位等操作中扣除所需要承担的交易成本。随后再次判断该量化交易策略所代表的收益和风险情况，若这两个因素仍然在接受范围之内，则确认这是一个可行的量化交易策略。虽然最后用来执行的组成部分只有买卖和仓位，但是交易成本作为对量化交易策略的一个实际化修正，也是策略研发流程中一个不可或缺的组成部分。
上面提到的对量化交易策略收益和风险情况的判断，实际上是一个综合性的评价问题。一个最为重要的参考依据应该是策略在整个交易过程中的净值走势，通过对策略净值走势的分析，就可以建立起该量化交易策略运行情况的全面判断。但是净值走势本身由于细节过多，因此无法简单地用来进行策略之间的横向对比。这时就需要精炼净值走势中所包含的信息，选取合适的部分形成量化的评价指标，从面进行量化交易策略的进一步判定。
就作者看来，评判一个策略的标准中最重要的仍然是策略在整个交易过程的收益情况，一个负收益的量化交易策略根本无须考虑其风险即可排除。而当收益率为正时，再结合风险的度量进行具体的取舍，就可以直观地给出量化交易策略是否合格的评判标准了。净值的回撤水平是作者在研判交易策略净值时比较偏好的一个风险度量指标，在后面的案例分析中我们也会重点查看回撒的结果。
与此同时，一些量化交易策略在进行收益和风险情况的判断时，仅仅针对策略自身的净值走势进行研究是不够的，给出一个合理的基准来进行对比往往是更为有效的判别方法。例如，后面的案例中会涉及量化选股策略，当交易选择仅限为对具体的股票进行持仓，而不考虑空仓或者卖空时，选取一个特定的基准进行对比就会是一个更为有效的判别方法。这主要是由于量化选股策略的仓位始终为多头，因此不论如何配置，策略所持仓位都含有资本资产定价模型中所提到的市场成分。而选股策略本身的意义在于选择更好的股票，不在于获取市场收益，因此将市场走势作为对比或者在策略收益中剔除掉市场成分就是一个更合理的做法。
第5章和第8章中的因子选股策略就使用了沪深300指数作为基准进行了比较，同时简单地用策略收益率减去指数收益率形成新的收益率序列，进而研究该收益率序列所形成的净值走势情况。当然，由于做空也需要保证金的投入，因此这样简单的减法处理虽然直观有效，但同时也欠缺一定的实际操作意义。一个更加贴合实际的做法是以市场中性组合的方式进行策略构建，进而研究中性策略的净值走势，有兴趣的读者可以自行进行研究。
上述所有的操作，都需要建立在对历史数据的分析之上，也就是前面章节提到过的回溯测试。所谓回溯，是将交易的过程在历史数据上复现一遍，这里面包含一个假设，即历史数据在量化交易策略中展现出的样本特征在未来的交易中依然存在，否则回溯测试就失去了意义。关于这一假设的分析其实在诸多技术分析著作中均有涉及，一般被称为“历史会重演",这里不再继续展开。
不同于传统技术分析的是，量化交易策略的研发过程更加深入具体，在涉及策略的参数设定、模型设置等具体问题时，需要采用数量化的方法进行解决。例如，如何设置买点和卖点可以使得相应的总体收益最大、如何设置模型参数使得收益率预测最为准确等，都是很典型的最优化数学问题。那么找到合适的模型、最优化技术和算法并加以应用，就能够确定量化交易策略的最终形式，用以进行实际交易。
