您好，证券量化交易系统对投资者有一定的技术要求，且不太容易上手。
量化交易涉及到编程、数学、统计学等多方面的知识和技能。投资者需要掌握编程语言，如 Python 等，以便编写量化策略代码。同时，还需要理解各种数学模型和统计分析方法，来构建有效的交易策略。
此外，还需要对证券市场的运行机制、交易规则等有深入的了解，以便将这些知识融入到量化策略中。
对于没有相关技术背景的投资者来说，学习曲线可能会比较陡峭。但如果投资者有强烈的学习意愿和足够的时间投入，通过系统的学习和实践，也是可以逐渐掌握和运用量化交易系统的。
比如，要学会数据的收集和处理，这可能涉及到从各种数据源获取行情数据、财务数据等，并进行清洗和分析。还要能够根据自己的投资理念和目标，设计合适的策略逻辑，并通过代码实现。
例如，一个简单的移动平均线策略，需要理解移动平均线的计算原理，然后用代码实现根据实时行情数据计算移动平均线，并根据其交叉情况发出买卖信号。
总之，证券量化交易系统对投资者有一定技术要求，上手需要一定时间和精力，但通过努力学习和实践是可以逐渐掌握的。

但是，券商有提供一些小白专用量化交易系统，可以实现一键操作：

STS（Smart Trading System）,即智能交易系统，是基于“策略端+柜台端+极速行情”，通过算法及策略迭代，设置严选门槛，强调以“快”为核心，以“智”取胜的智能交易模式。

量化交易如同高手过招，寻常招式已难分胜负，要想获得超额收益，唯有两条大道：其一，苦炼内功，研发市场有效策略，赚别人赚不了的钱；其二，“天下武功，唯快不破”，做到比别人先行一步，先发现行情机会，先委托成交，赚别人还没赚的钱。

这个市场注定风起云涌，而他魅力所在之处，是让人们警醒：敬畏市场，敬畏欲望。

【完整的机构交易服务体系由“策略端+柜台端+极速行情”共同构成，目前市场上统称的极速系统分两部分：柜台端和交易（策略）端。极速交易柜台端厂商包含恒生电子、金证股份、顶点软件等传统厂商，以及华锐金融技术等新锐厂商。极速交易交易（策略）端则百花齐放，包括四种类型，一是具有国外背景的系统，如TS系统、Apama系统；二是国内自研系统，如中信CATS系统、华泰MATIC终端、国泰君安的STS智能交易系列；三是创新型小公司开发的新型特色系统，如功夫量化交易系统、开源社区的VN.PY量化交易平台；四是由传统转型而来的系统，如迅投QMT系统。——财联社】

今天是以国泰君安STS智能交易服务体系为素材作一介绍，主要是因为近期国泰君安为全体客户进行了新—代核心交易系统（低延时柜台）切换，这魄力的确有料。量化交易以“快”为核心，至少需要微、纳秒级高频行情系统、极速交易柜台和量化策略平台，而国君的STS智能交易系统依靠强大的IT团队及基础设施，同时辅以快速响应的策略定制、专属融券、尊享投研服务为一体，在链路搭建、策略托管、券源预约锁定、投研风控等每个环节都精益求精，也尽力协助投资者把握那最后一毫秒的加速，获取超额边际增量应有尽有的增幅。

注：此图为2020年的数据

对于量化策略交易而言，高换仓率下的高换手率的特点让交易执行成本变得尤为重要。据不完全统计，现阶段多数基金管理人换仓交易的隐性成本年化高达5%-10%。此外，机构投资者特别是中小规模基金管理人在优化降低隐性交易成本时也面临多难的选择。自建团队需要高昂的人力成本和技术投入且效果不可预测，同时隐性成本是否降低不仅难以事先分析而且其绩效客观性亦难把握。更为重要的是，没有管理规模的支撑，自建交易隐性成本的解决方案并不能有效解决问题，相反使用券商提供的交易算法服务则成为优先选择。

当前市场上提供交易算法的厂商鱼龙混杂，几乎所有算法商均声称自身算法能战胜基准2~5Bps。但实际来看，在衡量隐性交易成本或算法绩效时，行业目前并没有统一标准，通常是算法商自行提供的计算逻辑及公式而定。事实上，只有对母单、子单、策略启动时间、不同买卖方向的量价计算方式、执行完成度等诸多细节上制定统一、公平的标准，才能生成真实及客观的绩效基准。相比普通中小机构投资者而言，大型专业投资机构在建立自身实时绩效评价体系方面更具优势。