在实际的量化交易策略相关工作中，研发只是整个工作流程的一部分，还有两个组成部分需要着重强调。基于此，图2-5在图2-1所示的研发流程的基础上给出了一个更为完整的工作流程。如图2-5所示，需要增加的部分包括处于研发过程之前的数据准备工作以及处于研发过程之后的策略执行工作。这两项工作与前面所论述的研发流程具有很强的逻辑关联性与内在依赖性，三者结合起来形成的一个整体，基本上可以涵盖量化交易策略具体工作的绝大部分内容。

首先论述数据准备的工作，循着图2-5中的箭头可以看到，在量化交易策略的整体工作中，既要为研发过程准备相应的研究数据，也要为策略执行准备相应的实时数据。

在研究数据方面，由于寻找合适的量化交易策略需要不断重复研发流程，因此对于数据的要求更侧重于准确性和覆盖能力。同时，对数据的清洗和转换也是一项重点工作，在大部分的数据科学研究、包括量化交易策略的研发当中，数据特征的合理抽取对于整体效果提升的重要性有时甚至要高于精巧的模型，当然很多时候数据的转换和模型的构造是相互融合的，针对具体情况应当采取具体的分析和处理。

而在策略执行数据方面，则更应该关注数据获取的及时性。至于数据的清洗和变换，只需要完全复制研发得到的量化交易策略下的数据准备工作即可。另外，为了保证数据的及时性，最终进行的数据清洗工作对时间消耗存在一定的要求。

然后，讨论策略执行的工作。策略执行，是在量化交易策略研发完成之后，最终产出实际效能的组成部分。执行时应该遵循尽量贴近研发完成的量化交易策略的原则，与量化交易策略所确定的买卖、仓位等设置尽可能保持一致，这样才能最真实地反映出前面量化交易策略的研发结果。

同时，策略执行的结果也可以用来反向支持具体的研发流程，通过对策略执行所得到的收益，风险情况的判断，实时地重新进行研发，对量化交易策略进行修改，从而使策略能够及时地得到现实的反馈，增强自身的稳健程度。值得一提的是，第6章将要介绍的推进分析是一种模拟策略执行的回溯测试技术，读者可以在运行推进分析时有限度地了解到量化交易策略实际执行时的种种状态。

由于数据准备和策略执行两个部分都重在实际操作，比较难以呈现在纸上，因此后面的内容不会对这两部分给出单独的介绍，整本书主要集中讨论量化交易策略的研发流程。而在最化交易策略研发流程的诸多框架类型当中，则选取作者认为最为基本的流程进行研究和阐述，即量化择时策略采用图2-1的研发流程，量化选股策略采用图2-2的研发流程，希望读者能够根据最为基本的框架举一反三，并在实践中慢慢学握如何根据具体的研发环境选择最为合适的流程框架。