由于策略的思考层级的不同， 策略关注的数据和达到的目标有很大的不同，
高抽象层级的策略倾向于弄清楚市场的运行状态，估计未来的运行轨迹，并能够做出合理的预测，
低抽象级别的策略倾向于订单算法交易，让目标订单最大限度的得到有效执行，使得达到预期的目标仓位，
减少跟踪误差。
  股票策略又有别于期货的CTA策略和期权策略，选股和数据分析更多的集中在截面数据上，是一种横向分析，
这有别于时间序列上的纵向分析， 后者在基于时间线的基于消息触发的框架下更容易实现。
  另外的问题是集中在机器学习的实现架构对策略影响，一般来说， 机器学习在计算机应用领域有频繁进展和
大量的应用框架，因此， 其设计对接这些框架也是代价最小，更容易接受的事情。但是， 量化的既有框架和已存在的机器学习框架之间的差异常常让这种对接变得生硬和带来的转换性能损失， 因此如果设计的框架一开始就可以很好的处理这些问题，显然是有意义的。
--
FROM 124.126.0.*