从本质上说，交易机器人是一种软件程序，它直接与金融交易所进行交互(通常使用API获取和解释相关信息)，并根据市场数据的解释发出买卖订单。这些机器人通过监测市场价格走势，并根据一套预先设定和编程的规则做出反应，从而做出这些决定。通常，一个交易机器人会分析市场行为，例如交易量、订单、价格和时间，它们通常可以根据您自己的喜好进行编程。
量化交易是在交易阶段由计算机自动进行的一种投资模式，它是对人类的投资理念进行规范化、变量化、模型化，形成一整套可量化的操作理念，并用历史数据进行分析和验证。
系统化交易指用户将交易思路量化为交易系统，根据系统指标进行交易；
算法交易是利用电子平台，输入涉及算法的交易指令，以执行预先设定好的交易策略，指令中包含变量，包括时间，价格，交易量等，广泛应用于大宗交易；
程序化交易就是将用户复杂的交易思路转变为能简单操作的智能交易系统，便于用户的严格执行。
专业量化交易软件提供专业的k线图功能，用户可以自行编写个性化的技术指标，实时输出到k线图进行技术分析。
专用的交易脚本语言，语法简单，无需编程基础快速上手。内置大量交易函数，简单快速地将自己的交易系统转化为代码。
可对接市面上任意交易平台，可以操作数字货币交易所上的交易品种，都可以进行自动交易，全自动操作，无需值守，全自动入场出场，可自由设置，操作简单，一键启动，机器人中的交易参数都可以自由设置，灵活度非常高。交易所平台运用量化机器人可实现量化交易，提升交易所交易深度，市值管理，画K线等交易所目标。
量化交易者可以查看哪些数据？
量化交易者检查的两个最常见的数据点是价格和数量。但是，任何可以提炼成数值的参数都可以纳入策略中。例如，某些交易员可能会构建工具来监控社交媒体上的投资者情绪。
量化交易者可以使用许多公开可用的数据库来告知和建立其统计模型。这些替代数据集用于识别传统财务来源（例如基本面）之外的模式。
量化交易者开发系统以识别新的机会，并经常执行这些机会。尽管每个系统都是唯一的，但它们通常包含相同的组件
下面是每一个的详细介绍：
1.策略（strategy）
在创建系统之前，Quants将研究他们希望其遵循的策略。通常，这采取假设的形式。例如，上面的示例使用了这样的假设：例如，FTSE倾向于在每天的特定时间进行某些操作。
采用适当的策略后，下一个任务是将其转换为数学模型，然后对其进行完善以增加回报并降低风险。
这也是量化指标将决定系统交易频率的关键点。高频系统每天都会打开和关闭许多仓位，而低频系统则旨在发现长期机会。
2.回测（Back test）
回测涉及将策略应用于历史数据，以了解其在实时市场上的表现。Quants经常会使用此组件来进一步优化其系统，以尝试消除任何问题。
回测是任何自动化交易系统的重要组成部分，但是成功运行并不能保证模型生效时的利润。完全经过重新测试的策略仍然会失败的原因有多种：包括不正确的历史数据或不可预测的市场动向。
回溯测试的一个常见问题是确定系统在产生回报时将看到多少波动。如果交易者仅查看策略的年化收益，就无法了解完整的情况。
3.执行（implement）
每个系统都将包含一个执行组件，范围从全自动到完全手动。自动化策略通常使用API来快速打开和关闭头寸，而无需人工输入。一本手册可能需要交易员召集经纪人进行交易。
HFT系统本质上是完全自动化的–人类交易员无法足够快地打开和关闭仓位以取得成功。
执行的关键部分是使交易成本最小化，其中可能包括佣金，税金，延误和利差。复杂的算法可用来降低每笔交易的成本–毕竟，如果每个仓位的开仓和平仓成本太高，那么即使是成功的计划也可能会失败。
4.风险管理（risk management）
任何形式的交易都需要风险管理，而数量也一样。风险是指可能干扰策略成功的任何因素。
资本分配是风险管理的重要领域，涵盖每笔交易的规模–如果量化工具使用多个系统，则每种模型需要投入多少资本。这是一个复杂的领域，尤其是在处理利用杠杆的策略时。
完全自动化的策略应不受人为偏见的影响，但前提是它的创建者不予理会。对于零售贸易商而言，让系统运行而不会进行过多修补可能是管理风险的主要部分。
许多量化策略都属于均值回归的一般范围。均值回归是一种金融理论，它假定价格和回报具有长期趋势。任何偏差最终都应恢复到该趋势。
量化策略的另一大类是趋势跟踪，通常称为动量交易。趋势跟踪是最直接的策略之一，它仅在开始时识别重大的市场运动并一直持续到结束。
