模块/作用	需要哪些知识点	负责这块的好处是
Xxx.DataSource 数据层，为下面LiveTrade和LoopBack提供K线数据	.	.
Xxx.LiveTrade 实盘，调用交易所API往交易所下单	对金融交易知识和币类交易所api很熟悉	如果已经掌握了下面几块，补足这部分知识就成为量化交易开发业界行家了
Xxx.LoopBack 回测，Api和LiveTrade保持一致，但订单存在本地	对金融交易和mongo数据库熟悉	都已经能自己开发回测系统了，终于不用忍受市面上的SB回测系统了……要在这行走得更远，可以选择从这里开始
Xxx.Metric 业绩分析，可以通过历史交割单（无论是实盘的还是回测生成的）分析策略表现	真要做到极致，可能需要CFA/CPA知识	在项目中加深对这类知识的掌握程度，毕竟真实去使用了
Xxx.Util 其它常用轮子	几乎不需要金融交易的知识

如果公司只是使用自有资金投资和交易，可能需要查看、业绩汇总/报表和实现必要时紧急干预交易的系统，我们称之为交易管理系统（Tms，Trade Management System）；如果公司要面对C端用户/投资人（这里指散户和大客户投资人，不是股权投资人），可能需要客户与资产管理系统（CATM，Client & Asset Management System）。

把框架/核心库/公共组件和管理系统独立开来是为了做到资源重用和低耦合。
资源重用表现在，无论是研究人员做策略研究，还是系统开发人员做系统开发，他们都可以复用框架/核心库/公共组件，避免重复造轮子。
低耦合表现在，管理系统和框架/核心库/公共组件可以独立演进和版本升级，万一出了问题不会互相影响。

量化公司的技术团队都需要哪些方面的人才，以及为什么需要？

通常他们都有量化交易系统，有系统的地方就需要有架构师做架构设计与规划，所以首先需要架构师。

首先由解决方案架构师根据种种因素（公司的实际需求、财力和技术实力）分析，确定这个系统是组建内部团队研发、外包、购买还是找个开源方案凑合使用。

如果最终确定组建内部团队研发自有知识产权的系统，那就到了系统架构师做架构设计了。上面文章《量化交易系统都由哪些逻辑与功能模块构成？》就是一个经典的架构设计方案。

接下来就是系统的开发。

完成后， 策略研究人员就可以基于这些成果研究策略了（详见下方文章），交易员也可以在这些系统上跑实盘策略。

给程序员和数据分析师的5分钟极速入坑量化交易课程
看看量化交易主体——策略研究工作大致长啥样的。

Together, let us seize the moment | 出发吧
主要介绍量化交易和计算机系、数学系、金融系、人工智能系的交集，以及量化交易带来的机会和前景。
Ps1. AI人才负责构建模型，模型通常还得整合到上方的量化交易系统中才能跑实盘
Ps2. 上方文章《量化公司的技术团队都需要哪些方面的人才，以及为什么需要？》中的“策略研究/机器学习/深度学习类”可以看出AI研究方向包括哪些