在整体量化语言的选择上之前有说过选择了解释型的语言python，python的优点跟缺点一样明确，就是由于python好上手，语法上面又通俗易懂，导致它要花大量精力来编译整个代码，我个人觉得python是不适合做高频量化的一种语言。
故整个的量化切入的周期是相对稳定低频的比如说5分钟的K线周期，以及4小时的K线周期为主。

避开前期特别大量的策略种类和策略挑选以及标的筛选的过程。这样可以让精力花在建立整个量化体系上。后续等有精力了再回来搞精英级别的策略。这是一个漫长的过程，前期我不想在这里浪费宝贵时间。
通过Tradingview的信号，传输到自有的量化框架里。（整个tradingview就是一部人类量化精英进步历史，够喝一壶了已经，个人觉得tradingview比国内的任何一个量化社区要牛逼）
拿到交易信号做对应的信号筛选，筛选规则要不断优化
拿到合适的交易信号，打通自动下单的通道去走自动下单。
自动下单的规则要不断优化，其中包括仓位的粗略管理，下单重试，撤单，跟随止盈单，跟随止损单等基本策略的控制和实现。
当然下单的本身的规则和初始化的规则，仓位管理都是要不断打磨的，前期的目标是从信号到下单自动化。后面再慢慢琢磨整体的细节策略点。
回测暂时不动。
本地数据和机器学习的框架是后面的重中之重，在没有找到一个关键K策略且自动量化没有实现盈利之前，我回避整个本地数据收集，本地数据回测，本地AI框架搭建的事宜。
饭要一口一口吃。