首先，量化需要有数据量的支撑。需要收集大量的历史数据，数据中必然会有垃圾。需要对数据进行清洗以提高质量，最后入库。整个数据处理程序应该能够重复运行而不引起数据错误(可重复运行是数据处理程序的一个非常重要的特性)。

       其次，需要有一个实时的市场数据接口，能够高频率的接收和处理数据，将最新的数据入库。这一套东西说起来简单，实际执行起来很难。因为需要快速处理大量数据，方便后续程序的快速读取，所以拼编程的技巧就体现在这里。使用了可扩展多进程、多线程并发缓存等各种令人眼花缭乱的技术。处理速度越快，我们能抓住的机会就越多。因为市场上的傻子数量和挂单数量都是有限的，他们能不能抢单及时吃掉，最终还是要看快鱼吃慢鱼。

       第三，我们需要基于历史数据的盈利模式。无论采用什么方法或算法，都必须能够在历史数据中获得持续的正收益，回撤在可接受的范围内。网络人工智能专家系统等。都在这个模块中找到自己的位置。

       第四，有一套方便的回测工具。因为市场总是在进化，任何模型和算法都会遇到逆流。因此，需要持续快速的改进。每次迭代都需要一个方便的回溯测试工具来测试历史数据。为了快速迭代，一个方便的回溯测试工具是必不可少的。

       第五，最后是交易系统。它分为两个模块：头寸控制和交易控制。准确控制仓位，高效撮合交易就够了。我们需要考虑的是有效控制我们的整体头寸，监控市场流动性，监控交易信号，快速适应各种下单策略，保证低成本交易。这一步也是整个系统中最简单的。

       第六，完美主义者还需要一个最终的综合控制台，就像飞行员的屏幕一样，可以实时观察上述模块的运行情况，随时对整个系统的各个方面进行有效监控和人工干预。