量化交易的"生态系统"——谁在做什么

这是离你最近的一层。个人量化交易者就是自己写策略、自己管钱的独立个体（或小团队）。他们通常用券商的免费量化平台（如聚宽、米筐）、或者自己用Python搭建一套简单的回测和交易系统。

典型画像：程序员转型、金融从业者副业、学生竞赛团队。

资金规模：几万到几百万（个人资金或亲友资金）。

策略类型：以中低频为主——均线策略、动量策略、简单的因子策略。高频策略需要昂贵的硬件和数据，个人很难做。

竞争优势：灵活、试错成本低、没有"公司政治"和"季度考核压力"。

竞争劣势：数据质量受限、算力有限、孤军奋战缺乏交流。

一句话："一个人的军队，灵活但火力有限。"

这是量化交易的主力军。在中国，量化私募（如幻方、九坤、明汯、衍复）管理着数百亿到数千亿的资产。在国外，对冲基金（如Two Sigma、D.E. Shaw、Citadel）更是量化世界的"豪门"。它们的共同点是：有完整的团队分工——研究员开发策略、工程师搭建系统、交易员监控执行。

典型画像：数学博士、物理博士、计算机博士（这层确实以博士为主）。

资金规模：国内头部数百亿~千亿人民币；美国头部百~数百亿美元。

策略类型：全流派覆盖——统计套利、因子投资、CTA、高频等。

竞争优势：资金、数据、人才、基础设施全方位碾压个人交易者。

竞争劣势：规模太大导致策略容量受限（钱太多反而不好赚钱，这在量化里叫"容量瓶颈"）。

一句话："有钱有人有数据，但大象跑不过猎豹。"

券商（证券公司）除了帮客户交易（经纪业务），自己也用自营资金做交易。券商自营部门的量化团队有一个独特优势：他们坐拥天量的客户交易数据——谁在买、谁在卖、什么时间、什么价位——这些数据是外面买不到的。不过近年来监管不断收紧"交易数据隔离"规则，这个优势正在被削弱。

典型画像：券商内部独立量化团队，很多是"外资投行回国"的老兵。

资金规模：数十亿到数百亿（取决于券商规模和风控限制）。

策略类型：做市、套利、自营Alpha策略。

一句话："占了地利，但天花板也低。"

淘金热中最赚钱的往往不是淘金者，而是卖铲子的人。在量化生态里，"铲子"就是量化交易平台和数据服务。

量化平台（聚宽、米筐、优矿、QuantConnect等）提供一站式服务：数据、回测引擎、模拟交易、策略社区。它们的商业模式通常是"基础功能免费+高级功能付费"，很像程序员的GitHub。数据商（万得、通联、恒生聚源等）提供高质量的金融数据——价格、财报、宏观指标、另类数据等。好的数据是策略的命脉。

一句话："我们不交易，但我们让交易成为可能。"

交易所（上交所、深交所、纳斯达克、纽交所等）提供交易场所和撮合服务。监管机构（中国证监会、美国SEC等）制定规则、监控异常行为。

最新的趋势是：交易所本身也在"量化"。比如纳斯达克有自己的智能监控系统（SMARTS），用AI检测市场操纵和内幕交易。监管科技（RegTech）正在成为量化生态的新一环——AI不仅被用来赚钱，也被用来监管赚钱的人。

一句话："你们怎么玩，规则我说了算。"