翻译自 https://www.quantstart.com/topics/Algorithmic-Trading
原标题：Algorithmic Trading——Your guide to learning about algorithmic trading
作者： Mike Halls-Moore
算法交易是什么?
如何迈出算法交易的第一步？
算法交易（量化交易），是一个技术话题。因此需要你对数学和编程有一定程度的理解。但最近几年来，量化交易正变得更加容易起步。
算法交易是为了以科学的方式设计交易策略。目标是持续产生可以覆盖交易成本的净收益，交易过程利用了很多量化工具，如统计学、时间序列分析及机器学习。所以为了实现研究的成果，你很有必要学会编程，使用Python或C++。
算法交易非常依赖回测的的概念，回测是指将预定义的交易规则应用到历史数据上，它能够帮助我们评估交易策略运行在历史上的表现，同时也能够为投资组合未来可能的收益情况提供一定的依据。
令人高兴的是，因为新兴的一些基于Web的回测系统（如 Quantopian、 QuantConnect）使得回测入门变得异常简单。这些平台不需要你花费数年去研发你自己的研究与交易框架，因为他们提供了历史上很长时间的交易与清算数据，你所需要的仅仅使用它们提供的完备功能来进行回测。
然而这些平台不会替你创建交易策略，在实盘交易前，需要你自己完成交易策略的研究与回测，当然这还需要有规范且支持量化的途径接入真实市场。
如果你刚刚开始学习量化交易，下面几篇文章可以帮助你提纲挈领：
量化交易入门指南（原文-未翻译）
量化交易初学者必备的5本书（原文-未翻译）
算法交易员能否在个人投资层面续写神话？（原文-未翻译）
回测策略
如何进行有效的回测？
回测是算法交易开发中最重要一部分，它让我们在实盘操作前识别并拒绝掉不合理的交易策略。
算法交易之所以独立于其他投资方式，在于以大量的价格历史数据为基础，可以为我们提供更为准确的未来业绩预测。这个过程就是神奇的回测。
回测将一个交易策略暴露给历史的金融数据流，相应会触发一系列的交易信号。每一个产生的虚拟交易都会尤其对应的损益，模拟时间段内的所有独立交易的损益累计便成为整个交易策略的损益。
当前网络上已经有了酷炫且开箱即用的回测软件。Quantopian 与QuantConnect 提供基于Web的界面，当然也有开源的选择，如QuantStart研发的QSTrader，它支持更多的配置与自定义。
理解回测背后的原理是开发量化交易策略必须的第一步。以下的文章会帮助你理解整个过程：
量化交易策略成功的回测-第一部分（原文-未翻译）
量化交易策略成功的回测-第二部分（原文-未翻译）
量化交易系统最佳开发语言是什么
量化交易员通过技术指标的分析，着重关注投资组合、风险管理与最优的交易执行。交易策略只是木桶的其中一块。
风险管理
如何有效管理风险？
风险管理与资本保值是机构与个人交易员的必备工具，着实有效的绩效评估与风险管理是保证长期资本增值的最为有效的方式。
许多交易员（包括宽客在内），花费了太多的时间担心“买卖信号”与“技术性指标”，而更为重要的风险管理与头寸规模则很少被讨论，且没有给予足够的考虑。
另一方面，机构则会投入大量的时间与经理考虑风险管理与投资组合配置，这些正是它们得以长盛不衰的根本原因。
个人投资宽客应当在它们的交易中充分利用机构投资中运用的技术。谢天谢地的是，免费软件与风险管理技术使得这件事变得很简单直接。在QuantStart，我们认为风险管理是宽客交易过程中极其重要的一个方面，并会不断的对此部分进行讨论。
下面的文章详细的介绍了风险与货币的管理，同时也包含了如何有效的评估策略在回测中的表现。
利用凯利公式进行货币管理（原文-未翻译）
使用夏普比率评估算法交易绩效（原文-未翻译）
通过风险价值进行算法交易的风险管理—第一部分（原文-未翻译）
交易策略
如何创建一个能够盈利的算法交易策略集？
在金融市场中获得致胜优势绝非易事，也没有一夜致富的固定模式。需要大量艰苦卓绝的研究、测试与修缮，才能得到能够持续盈利的算法交易策略。
目前公开领域内有大量的相关内容，学术期刊、预发表服务器、交易博客、交易论坛，每周交易杂志及专家观点提供了成千上万的交易策略，你可以很直接的从中有所启发，并构建自己的策略。
最为困难的在于如何通过对这些想法的分析-回测-完善，并将其用于新的且无法预见的的数据时，能在考虑交易成本的基础上，依旧能够获得持续的收益。在回测中完美无瑕的策略也可能在实盘中会一泻千里。
因为这个原因，宽客们不能够仅关心单个策略，相反，他们会创建“策略研究管道”以产出持续的交易理念来实行更大规模的投资组合。算法交易中我们的目标是创造一个系统的方法，用以建模、评估并实现那些在我们脑中灵光一闪的策略。
下面的文章会为你大致描述构建交易策略的研究过程，并提供两个已实现的实例。
如何鉴别算法交易策略（原文-未翻译）
使用Python的pandas库进行移动平均交叉策略的回测（原文-未翻译）
当天均值回归成对交易策略（SPY与IWM）的回测（原文-未翻译）
如果你想要一份更为详细的创造交易策略的指南，可以看看以下两本书：
成功的算法交易（原版电子书）
高级算法交易（原版电子书）
