Ⅰ A股市场个人量化交易者，需要哪些工具
量化交易的前来提是量化，源而量化就是建立数学模型。数学模型是理解量化交易的前提。数学模型就是把具体事物数字化的过程，比如股票跌涨的统计图，如果没有统计图我们就必须通过研究具体的数字并且通过加减法去了解某只股票的近期走向，但当某一天有人发明了折线统计图，只要简单的把代表某个数字的点画出来然后连接起这些点，就可以一眼看出跌涨幅度。其实数学模型就是这样一种抽象现实事物的工具。
股票量化交易中的模型建立是非常复杂的，拥有非常多的参数，数据量也非常大，数据分析的过程也十分复杂。这样做的好处就是数学模型替代人为的主观判断，利用计算机技术从庞大的历史数据中海选能带来超额收益的多种“大概率”事件以制定策略，极大地减少了投资者情绪波动的影响，避免在市场极度狂热或悲观的情况下作出非理性的投资决策。
量化交易技术盛行于现今多种金融交易机构当中，已经成为了机构交易当中占据重要地位的交易手法，然而散户如何能够跨过量化交易的门槛，成为一名量化交易者呢?答案就是使用策略炒股通软件平台进行交易。
Ⅱ 量化策略一般用什么平台回测分别有什么优劣势
盈时量化策略回测平台，不会编程也能玩转量化。
盈时“策略机器人”集策略智能生成版、权策略评估、筛选优化、批量生成等功能于一体的交互式策略生成平台。平台以计算机智能生成算法为核心，使用了机器学习、模式识别、统计学、可视化技术等人工智能技术，包含策略构建模块、混编计算模块、策略绩效优化模块等组件，在策略优化方面使用了高效的遗传编程与NSGA-II等算法，进而充分利用CPU多核心性能，实现多进程同步高效生成策略。
语言：Python
适用人群：期货投资者（有无编程基础都可）
数据库：期货
回测用时：需要排队分钟记
支持的功能：支持将策略使用在交易开拓者的平台，属于实盘交易。策略给出建议，但需要自己手动确定进行买卖。
自动生成策略原理与简介：通过设置参数，运用机器学习的方法，一键生成源码策略。
备注：国内首个利用深度学习的人工智能量化平台，不懂编程也能做量化。
盈时，专注于为客户提供高品质的量化交易技术咨询服务和领先的量化交易产品，是一家从事金融数据分析、金融软件开发、程序化交易算法与交易策略研究等业务的科技公司。
Ⅲ 怎么样excel进行量化回测
如果策略讲究实时性的，excel肯定是不行的。 如果仅仅对历史数据的回测， 大多数情况下excel够用了，而且excel附带的功能还是很强大的。
Ⅳ 聚宽与掘金量化哪家的回测功能好用
聚宽和掘金量化的回测功能并没有什么不同。两者的数据量差不多，在回测版时间方面，聚宽略权有优势。另外，在回测的股票数量方面，掘金有所限制，好像是50只股票，收费的没限制。
两者的差别是，掘进量化融合更多的程序语言平台，而不限于Python。另外，掘金在交易接口方面有优势。
Ⅳ A股量化交易回测引擎哪家做的比较好
看到楼上的回答，我来介绍一下JoinQuant吧。
不同于传统的量化工具，JoinQuant采用基础功能免费专+互联网模式+云平台+强大的社区属的模式来做量化平台。目的在降低量化交易的门槛，让人人都能够接触并成为宽客。
目前我们沉淀了一定的策略库，如：
MACD、KDJ、指数平滑均线、上影线与下影线、羊驼、布林线、威廉指标、均线策略等等。
可以直接登录JoinQuant，在社区中一键克隆。
JoinQuant是为量化爱好者（宽客）量身打造的云平台，我们为您提供精准的回测功能、高速实盘交易接口、易用的API文档、由易入难的策略库，便于您快速实现、使用自己的量化交易策略。
我们的创始团队具有丰富的金融、互联网从业经验，既有超过10年炒股经验、持续跑赢大盘的炒股大师，也有多年从事基金、证券行业的金融精英，还有BAT的技术大牛，我们致力于打造最高效、易用的量化交易平台。
Ⅵ python回测系统 模拟回测 最简单量化回测系统有哪些支持期货和股票
github上有一个jdhc简单回测 是用python写的比较简单，需要设置些参数。
Ⅶ python量化哪个平台可以回测模拟实盘还不要钱
Python量化投资框架：回测+模拟+实盘
Python量化投资 模拟交易 平台 1. 股票量化投资框架体系 1.1 回测 实盘交易前，必须对量化交易策略进行回测和模拟，以确定策略是否有效，并进行改进和优化。作为一般人而言，你能想到的，一般都有人做过了。回测框架也如此。当前小白看到的主要有如下五个回测框架： Zipline ：事件驱动框架，国外很流行。缺陷是不适合国内市场。 PyAlgoTrade ： 事件驱动框架，最新更新日期为16年8月17号。支持国内市场，应用python 2.7开发，最大的bug在于不支持3.5的版本，以及不支持强大的pandas。 pybacktest ：以处理向量数据的方式进行回测，最新更新日期为2个月前，更新不稳定。 TradingWithPython：基于pybacktest，进行重构。参考资料较少。 ultra-finance：在github的项目两年前就停止更新了，最新的项目在谷歌平台，无奈打不开网址，感兴趣的话，请自行查看吧。 RQAlpha：事件驱动框架，适合A股市场，自带日线数据。是米筐的回测开源框架，相对而言，个人更喜欢这个平台。 2 模拟 模拟交易，同样是实盘交易前的重要一步。以防止类似于当前某券商的事件，半小时之内亏损上亿，对整个股市都产生了恶劣影响。模拟交易，重点考虑的是程序的交易逻辑是否可靠无误，数据传输的各种情况是否都考虑到。 当下，个人看到的，喜欢用的开源平台是雪球模拟交易，其次是wind提供的模拟交易接口。像优矿、米筐和聚宽提供的，由于只能在线上平台测试，不甚自由，并无太多感觉。 雪球模拟交易：在后续实盘交易模块，再进行重点介绍，主要应用的是一个开源的easytrader系列。 Wind模拟交易：若没有机构版的话，可以考虑应用学生免费版。具体模拟交易接口可参看如下链接：http://www.dajiangzhang.com/document 3 实盘 实盘，无疑是我们的终极目标。股票程序化交易，已经被限制。但对于万能的我们而言，总有解决的办法。当下最多的是破解券商网页版的交易接口，或者说应用爬虫爬去操作。对我而言，比较倾向于食灯鬼的easytrader系列的开源平台。对于机构用户而言，由于资金量较大，出于安全性和可靠性的考虑，并不建议应用。 easytrader系列当前主要有三个组成部分： easytrader：提供券商华泰/佣金宝/银河/广发/雪球的基金、股票自动程序化交易，量化交易组件 easyquotation : 实时获取新浪 / Leverfun 的免费股票以及 level2 十档行情 / 集思路的分级基金行情 easyhistory : 用于获取维护股票的历史数据 easyquant : 股票量化框架，支持行情获取以及交易 2. 期货量化投资框架体系 一直待在私募或者券商，做的是股票相关的内容，对期货这块不甚熟悉。就根据自己所了解的，简单总结一下。 2.1 回测 回测，貌似并没有非常流行的开源框架。可能的原因有二：期货相对股票而言，门槛较高，更多是机构交易，开源较少； 去年至今对期货监管控制比较严，至今未放开，只能做些CTA的策略，另许多人兴致泱泱吧。 就个人理解而言，可能wind的是一个相对合适的选择。 2.2 模拟 + 实盘 vn.py是国内最为流行的一个开源平台。起源于国内私募的自主交易系统，2015年初启动时只是单纯的交易API接口的Python封装。随着业内关注度的上升和社区不断的贡献，目前已经一步步成长为一套全面的交易程序开发框架。如官网所说，该框架侧重的是交易模块，回测模块并未支持。 能力有限，如果对相关框架感兴趣的话，就详看相关的链接吧。个人期望的是以RQAlpha为主搭建回测框架，以雪球或wind为主搭建模拟框架，用easy系列进行交易。
Ⅷ 量化策略一般用什么平台回测分别有什么优劣势
河北稳升为您服务。
要看策略是用什么语言编写的，不同平台支持语言会有差别。
一般用的较多的平台如文华，TB，金字塔等。
说一下在用的文华，优势的回测可以测试TICK数据，更为精准。另外文华的客服还是很不错的，24小时都有人。劣势的话应该在更高级的策略支持上，目前流行的这几家都有这方面的缺点。
Ⅸ 如何利用excel回测量化投资策略
用excel回策量化策略，效率太低了，而且数据过大的话excel完成不了，可以利用现有的量化专交易平属台，如果非的用excel回策，你至少要学会各种技术指标，和如何用计算机语言描述走势行情分析，还需要会编辑回测所用的各种回测指标公式，你才能完成excel的量化回测，初学时可以用这个但，实际应用时，至少要用一套量化分析平台的软件，或者自己利用c语言，Python，等开发出一套量化分析软件。
Ⅹ 量化选股策略的创建和回测哪个工具好
策略的最大资金容量和量化策略的回测收益、波动等数据没有太直接的关系。策略的最大资金容量如何确定是个偏实际应用的问题，一般的策略最大资金容量你很难说出一个具体的准确的数字是多少。
在考虑策略最大资金容量时，可能考虑到的因素有1策略本身的逻辑，2策略交易频率，3策略交易品种的日内总成交量和总持仓量，4策略交易品种的瞬时挂单量，5资金的风险偏好，6市场上同类型策略的资金容量等等。
今天有空接着之前的继续写
一个完整的策略在交易时可以分为以下三步：
1建仓入场
2持有
3平仓出场
1、3这两个过程，持续的时间越长，交易品种的总成交量越大，那么策略在交易时的冲击成本就越少，容量也就越大。
所以高频交易容量<期货趋势类策略容量<股票类策略容量。特别是到高频交易这个级别，需要观察瞬时的挂单量来确定有多少交易可以执行，而进一步确定容量有多大。
在2这个过程中，由于价格的波动会出现账面上的获利和亏损。这就引出来了第二个总要因素，资金的风险偏好。一般来说，越大的资金对风险的厌恶程度就越高。
所以期货趋势类策略容量<期货品种间套利策略容量<Alpha类股票策略
但成交量在决定资金上限时更重要，所以虽然期货品种间套利策略风险低于纯股票策略，但纯股票策略的资金容量更大的原因。
市场常见的策略类型及其资金容量：
高频交易 100万——1000万
期货趋势策略 100万——数千万
期货品种间套利策略 1000万——数亿
纯股票策略 数千万——数百亿
Alpha类股票策略 数千万——数十亿