量化交易是利用计算机程序和数学模型来进行交易决策的一种交易方式。它可以帮助交易者在短时间内进行大量的交易，并通过策略的优化和调整来提高交易效率和盈利能力。以下是如何开发策略好用的量化交易系统的一些思路和建议。

1.确定交易目标和策略

在开发量化交易系统之前，首先需要明确交易目标和策略。交易目标可以是盈利、风险控制、资产配置等，而交易策略则是根据市场情况和交易目标来制定的交易规则和方法。在确定交易策略时，需要考虑市场的特点、交易者的风险偏好、资金管理等因素。

2.选择合适的交易平台和数据源

选择合适的交易平台和数据源对于开发量化交易系统至关重要。交易平台需要支持自动化交易和API接口，以便于程序进行交易决策和操作。数据源需要提供准确、及时、全面的市场数据，包括行情数据、资讯数据、财务数据等。

3.编写程序和算法

编写程序和算法是量化交易系统开发的核心环节。程序和算法需要根据交易策略来设计和编写，并需要考虑交易的实时性、稳定性、安全性等因素。程序和算法需要进行反复测试和优化，以提高交易的效率和盈利能力。

4.进行回测和优化

回测是指利用历史数据来测试交易策略的效果和盈利能力。回测可以帮助交易者了解交易策略的优劣和风险，以便进行优化和调整。在进行回测时，需要注意数据的真实性和可靠性，同时需要考虑市场的变化和未来的不确定性。

5.实盘测试和监控

实盘测试是指将编写好的程序和算法应用到实际交易中进行测试和验证。在进行实盘测试时，需要注意交易的风险和资金管理，同时需要进行实时监控和调整，以确保交易的稳定性和效果。

6.持续优化和更新

量化交易系统需要持续优化和更新，以适应市场的变化和交易者的需求。优化和更新可以包括策略的调整、程序的升级、数据源的更新等。同时，需要进行风险控制和资金管理，以确保交易的安全和稳定。

总之，开发策略好用的量化交易系统需要考虑多个方面，包括交易目标和策略、交易平台和数据源、程序和算法、回测和优化、实盘测试和监控以及持续优化和更新等。需要注意的是，量化交易并不是一种万无一失的交易方式，交易者需要根据自己的风险偏好和实际情况来进行决策和管理。

量化交易策略的设计需要掌握以下几个方面的知识：

1. 技术分析：掌握技术分析的基本原理和常用指标，如移动平均线、相对强弱指数、MACD等。

2. 基本面分析：了解基本面分析的基本概念和方法，如公司财务报表分析、宏观经济数据分析等。

3. 统计学和数学：掌握统计学和数学的基本知识，如概率论、回归分析、时间序列分析等。

4. 编程技能：熟练掌握至少一种编程语言，如Python、C++等，并了解常用的数据处理和机器学习库，如pandas、numpy、scikit-learn等。

5. 交易平台和数据源：了解常用的交易平台和数据源，如Quantopian、AlphaVantage等。

6. 交易心理学：了解交易心理学的基本概念和方法，如情绪控制、风险控制等。

7. 市场知识：了解各种市场的基本特点和规律，如股票市场、期货市场、外汇市场等。

综上所述，量化交易策略的设计需要掌握多个领域的知识，需要不断学习和实践才能不断提高和优化自己的策略。