从量化的角度做外汇交易
投行的代表有Morgan Stanly、高盛、BNP、法兴银行等等，自营交易商的代表是Citadel，KCG等等；Citadel城堡基金分成两个部门，一个是自营、做市部门Citadel Security，一个是资产管理部门 Citadel AssetManagement，这两个部门是完全不同的：外汇做市的部门是Citadel Security，Citadel Asset Management会采用一些宏观量化、CTA的策略来进行外汇交易。
IB自身是没有提供量化交易平台的，TWS（Trade Work Station）本身很强大，IB API也是通过TWS实现的，但是并没有自动化量化交易策略的支持。很多公司开发了特别的接口去支持IB的API接口，比如上述提到的Algo Trader，VN.PY等等。
第二家比较合适的公司是Oanda，从加拿大起家的公司后面把总部搬到了美国，他们在业内很特别，其实是一家外汇服务商，业务分为三条线，第一个部分是现汇兑换（Deliverable FX ）业务，一个比银行的成本低的兑汇业务；第二个部分是为跨国企业提供外汇对冲的咨询服务，提供定价策略等等；最后一个部分才是OANDA的外汇交易部分，就是外汇杠杆保证金交易业务。
Oanda也是一个业内技术革新比较积极的公司，他们提供了自己的Web Rest API，基于HTTP协议的，几乎所有的支持HTTP发起的编程语言都支持他们的API，但是性能上有所牺牲。
我来分享一下我参与外汇的量化的过去经历，是时间比较久远、学生时代的故事，先说在IG，现在叫Digital 100，当年叫IG Index的做二元期权的经历。
大家应该都听说过二元期权是什么，也即是Binary Option，也叫作Digital Option，二元期权是一种盈利或全亏（asset or nothing）期权，交易者投入一定的金额博弈市场的价格，可以看多也可以看空，如果在约定期间后的市场价格符合交易者的判断，交易者可以得到70%-85%（取决于二元期权交易商或者期权合约内容）的收益；如果不符合交易者的判断，那么交易者将会亏损85%-100%。本质上是一个赔率1赔不到1的一个游戏，但是特点是时间非常短，可以赌一天、五个小时、甚至一个小时之后的情况。
为什么要用模特卡罗呢？这是因为未来的行情是很难预测的，我们只能根据概率、未来回报率和回报率波动来假设，模拟出不同的路径，然后把这些路径算上自己的路径概率和收益情况，再得到自己的预测价格，就算用计算机去跑这种数学预测方法也是非常慢的。IG只能用近似法去定价，这种方法是有很大缺陷的，我们交易者就可以建立一个叫做conditional volatility pricing module的模型。
第二个经历是我个人的经验，用EXCEL做自动化交易。对IB熟悉的话知道他们有两个API可以用来用EXCEL实现的量化交易，一个是EXCEL VBA，一个是EXCEL COM接口，通过EXCEL来实现自动下单、自动撤单这样比较简答的策略，这是我大学有基金工作经验的授课教授传授给我的。
回答：对于Dukascopy而言的话，我认为他们的level 2数据是没有意义的，因为这个数据是他们ECN平台上的数据，而真正有意义的数据掌握在Tier 1 Bank上，比如德银的外汇部门，Dukascopy的这个数据样本太少，并没有参考的价值。
回答：我可以讲几个策略的，比如有期权的波动率交易，期权离差交易，Low Latency交易，HTF Cross Market Arbitrage & Market making，这些Google上都可以搜到资料。这些东西可以直接说，因为这些策略背后的涉及的技术和东西非常的复杂，没办法用简单的MT4来做。社交交易的话，机构里面做量化交易员自己也有个小圈子，大家聊到过这个东西，比如把自己的策略卖出去到社交交易平台上，但是这种模式研究下来的效果是不可行的，效率很可能低于对冲基金自己的盈利率，所以是不可持续的。
Man Group主要是做CTA方面的策略的，AHL Alpha是Trend Following；AHL Currency多策略可能有Trend-Following，可能有Relative Stress，可能有Carry Trade；AHL Evolution除了Trend-Following之外，还有交易很多小国家的货币，AHL是这些交易的专家。
还有AHL TRAGET RISK，说是balanced Long 今天学学外汇中的量化交易策略 Only，也就是个多头策略，用比较复杂的量化模型获得更好的风险收益比，但是市场的风险是没法控制的，这个Beta Risk是次贷危机后十年对冲基金跑不过ETF的主要原因，所以AHL推出了这样一个策略目标是跑赢大盘。
量化交易我学到的 21 个心得
我的最佳策略的实时表现（过去 9 个月的投资回报率为 175%）
战略性地选择您的市场
学习规则并接受它们
了解您的优先事项
量化交易有很多事情要做：策略开发、优化、回测、执行和风险管理。不要一开始就关注错误的事情——比如优化参数。相反，为方程式中的每个部分构建非常基本的 MVP 版本，并在生产过程中通过迭代进行优化。如果执行部分不能正常工作，再完美优化的策略将无济于事。
做好第一年会输的准备
不急于扩大资产，急于执行
不要使用价格止损
我发现有两种方法下可以使用价格止损：要么完全不使用，要么防止黑天鹅事件。使用时间止损和适当的头寸规模，而不是价格止损。
了解进入和退出策略
知道你交易中的那些重要数字
对于每个策略，您必须知道预期值、命中率、预期回撤、最长回撤、预期波动率、方差、夏普比率、回报标准差、回报偏度和风险价值。此外，应根据策略在回测期间的表现，有策略地选择适当的下注规模、破产风险、凯利分数和最佳投资回报比。
将风险管理放在首位
使用较少且有用的参数
我表现最好的策略只使用了 3 个参数。这些易于优化且易于测试稳健性。确切了解您的参数的作用以及使用它们的原因。我之前遇到很糟糕的事就是过度优化脚本生成不同参数组合，例如，多个移动平均线组合的慢/快周期。肯定会有一些在回测中看起来不错的东西，但同样的策略是否能在真实交易中发挥作用是需要质疑的。
创建一个好的回测并了解来龙去脉
您必须了解滑点、费用、执行事件顺序和不同订单类型的影响。我写了很多回测脚本，前几个非常复杂。我的最新版本运行了 12 行代码（主要是并行计算），这再次证明了简单的重要性。
找到一个好的优化和评估指标
知道在战略中寻找什么
专注于功能，而不是优化
深度学习被高估
机器学习很棒，深度学习也很棒（也就是神经网络）。优化 10,000 个参数可能只会导致过度拟合。如果没有像 Tensorflow 这样的强大的库，这个策略就不起作用，它可能无法在实际中运行（即使回测很棒）。简而言之，该策略应该需要已经通过线性回归之类的简单方法实现了盈利。
专注于更好的数据
不要只根据价格指标进行交易
双倍您的时间框架
选择更高的时间框架几乎总是会带来更好的结果。如果您优化了 15 分钟时间框架的策略，那么将持有时间增加到30 分钟可能就会产生更好的回报和更低的风险。
更高风险的市场，更小的头寸
在波动较大的市场交易，请注意风险并相应地调整头寸规模。在拥有 1/10 头寸的情况下，交易波动性为 10 今天学学外汇中的量化交易策略 倍的市场可能会更有利可图。投资回报曲线并不像我想象的那么线性，比如比特币。
熟悉您的交易环境
交易费用有很大的不同
根据策略（特别是对于更高频率的交易），费用占回报的 50% 以上。这意味着优化费用应该是最高优先级之一，无论这意味着使用更少的市场订单，或使用更低交易成本的经纪商。