基金后端代码在哪？
谢邀，对这问题其实挺惭愧的，因为确实没怎么研究过QDLP/QFLP的业务逻辑（确实不熟啊），所以可能没办法给出很专业的答案~ 我和题主一样也是做量化策略的，我们策略的实现主要是在前端，用Python完成模型构建、数据和算法流程的处理以及回测，同时我们会通过API链接到我们的交易系统，将模型的策略信号传递过去从而实现在期货上的交易，因此对于“如何写后台”这个问题我可能更有资格回答一些，只不过我的策略主要是针对股指、现货商品等高频、中线策略，与QDLP/QFLP的业务范畴比较相似，因此我的思路可能对题主有所帮助～ 首先需要解决几个问题：
1.如何获取交易的数据？——数据采集
2.如何将数据进行处理并还原成交易订单？——数据处理
3.如何记录订单交易的情况并还原成真实的历史行情？——行情还原
4.如何跟踪管理策略的资金收益/风险情况？——资金监控 下面我来分别介绍一下我们是如何解决的：
1.数据采集 我们采用Python编写爬虫程序，自定义数据接口，从指定的交易场所下载所需的数据。为了有效降低网络请求的次数，我们将交易日的数据分为两个部分，分别加载在两个不同时间的日期表中，这样在每天加载数据的时候只需要加载当日以及历史N日(N大于0)的数据即可。当然，我们也不会直接将原始的数据导入到程序中，而是先经过二次清洗再转换为程序可以处理的格式。
2.数据处理 这里涉及到两个环节，一个是数据的合并，另一个是数据类型的转换。 所谓数据的合并是指将来自不同渠道的数据整合到一起，例如将期货的数据与股票的数据组合在一起；而数据类型转换则是指将不同数据源的数据按照统一的标准进行转化，比如将文本格式的地址信息转化为ID形式。 对于这两个环节，我们可以借助PySpark来完成，它是一类以Python作为语言的批处理框架，能够完成大数据量计算的许多任务。
3.行情还原 这个环节主要解决的问题是将程序生成的交易序列重新还原成历史行情，供事后核查。
4.资金监控 这一部分主要解决策略的收益/风险核算以及资金曲线绘制的问题。 以上，就是我对“如何写后台”这个问题的回答啦～码字不易，如果对你有帮助的话记得点赞关注哦～