量化交易一般是指以电脑操作，根据算法在二级市场发掘或然率较好的交易机会。

设计算法的过程一般由分析大数据开始 ，数学科学家分析多个历史时段的数据，设计出一系列针对不同市场情况的算法。数据分类有很多种，比如 “五十天平均线“ 走势图，又或是“限价订单簿”的供求分析等 。 团队把策略编写成与交易平台连接的 API（例如 Interactive Brokers），使电脑有系统性的实时根据数据执行交易。

智能系统（AI)的发展，包括深度学习（deep learning) 领域的研究提升了量化策略的可能性。尽管量化交易是由计算机驱动的，但它的持续成功依赖团队不断调整算法，以管控持续变化的风险和市场环境。 量化交易员通常具有深厚的计算机科学或数学背景，并对金融有深入的理解。

以我们每天一百笔的交易频率而言，胜出的关键在于保持接近 51笔交易获胜，而胜出时幅度比输时略多。当回报偏离预期时候，数学家会根据数据分析偏离的原因，而作出改良。

麦卢卡团队在过去6年针对12个市场研发了 20多组正在运用的算法，这其中包涵60多个交易信号都。 为了提高策略整体的效率，我们用AI 辅佐概念开发了 “市场优化系统”，由电脑厘定策略之间的比重。 而团队尽可能让算法简单，以最少的信号数目来达成所需效果。 这种做法的好处为:

• 防止算法间的过度拟合和关联性;

• 面对市场环境改变，更新算法时更灵活，风险管理更容易

没有，在可见的将来也不会参与。团队过往一直有研究不同的市场，主要的考虑因素包括数市场的流通性，不可控风险因素，数据的全面性等。

我们的主要市场包括纽约交易所，纳斯达克，纽约商品期货交易所，香港主板交易所等传统的大型流通市场。

黑天鹅或 “尾部风险” (tail risk)) 是指罕见的一次性事件 (如大流行或战争爆发) 导致市场出现不理性的现象。 虽然这是算法模型难以根据历史数据预测的情况，但是在算法内加入风险管理元素还是能减轻其潜在影响。

在我们的往绩中，经历过数次类似事件，包括标普历来第二大单日跌幅，以及WTI原油历来最大的季度跌幅 (油价跌至负数)。在当时情况，团队采取人为的风控措施，比如把交易频率减半，收紧了止损限制等，而我们一直都没有用银行借款来 杠杆回报。

以上的措施都为我们过去的回报稳定带来有利条件，让我们在过去数次的黑天鹅事件中表现优于市场。

市场中性通常是指对冲基金刻意地设计投资策略，让回报与市场不相关，务求在市场周期提供相对稳定的回报。麦卢卡的策略在过去6年的每天回报率与标普、恒生等重要指数的相关系数保持在0.1 以下。这反映我们策略的多样性，全球化的市场分布，以及个别算法之间刻意保持独立性。