股票量化交易開源

1. 目前市面上的量化交易平台做到了什麼程度

量化交易，從18世紀開始，金融投資的先驅已經開始探索各種不同的投資方法，經過多年的進化，已經嘗試了從價值分析、風險套利到日間交易等不同的方向。

---

在當前中國資本市場的變化中，定量投資作為一種新興的中國市場投資方式，是現代量化投資理論和數理統計方法的運用，在海大歷史數據的各種「能帶來超額收益的使用計算機技術的高概率事件制定一個模型驗證的數量策略和治療這些規則和策略，和固化的策略來指導投資的嚴格執行，為了獲得可持續的穩定，高於平均水平的超額收益。

2. 量化交易落地終端與線上平台有什麼區別

量化交易落地終端與線上平台區別就是一個本地化終端平台，一個開源線上平台，
本地終端平台類似掘金量化交易平台，策略在本地終端運行，不容易被盜竊策略；
線上開源平台你需要把自己策略放到線上平台才能跑策略，如果平台沒有自律，你的策略很容被盜取。
綜合來說就是策略安全性的問題。

3. 量化交易系統安裝簡單嗎

MIT協議是幾大開源協議中最寬松的一個，核心條款是：該軟體及其相關文檔對所有人免費，可以任意處置，包括使用，復制，修改，合並，發表，分發，再授權，或者銷售。唯一的限制是，軟體中必須包含上述版 權和許可提示。
這意味著：
1）你可以自由使用，復制，修改，可以用於自己的項目。
2）可以免費分發或用來盈利。
3）唯一的限制是必須包含許可聲明。
我們了解了它的功能和好處，解除了後顧之憂後，我們正式進入VN.PY的實操部分。在本篇文章，我們的目標是安裝並讓系統能做模擬實盤。
VN.PY的安裝分為5個步驟，這里以Windows環境為例，給大家一步一步進行演示。
一、安裝Anaconda
前面第三篇Python入門中，已經對Anaconda的安裝進行了講解，這里不再做重復。我們需要注意的是， 項目的運行環境必須為Python 2.7 32位版本（Python 3版本或者64位版本均無法使用），推薦的Anaconda版本為4.0.0。
安裝Anaconda時，除了選擇安裝目錄外，不建議進行任何其他的特別設置。 如果在安裝過程中出現一些異常情況（如提示Menu創建失敗、某個py文件最後無法寫入等），請安裝vcredist 2008和2010版本後再次嘗試（32位和64位版本一起安裝）。
二、安裝VCredist
Visual C++ Redistributable Packages for VS2013，簡稱vcredist，是使用VS2013開發的C++程序運行時所需的基礎庫環境。 vn.py項目的底層API介面封裝開發時使用的編譯環境為VS2013，因此需要安裝vcredist 2013 x86版本。
vn.py項目的底層API介面封裝開發時使用的編譯環境為VS2013，因此需要安裝vcredist 2013 x86版本。 下載時請選擇vcredist_x86.exe，並按照默認安裝即可。網路搜索"vcredist2013"，即可在微軟官網下載。

4. 量化投資用什麼編程語言研發策略好呢

么以下我就以程序語言的角度來回答
當然如果已經會了某些語言,那你可以使用熟悉的語言去找網上的學習資源會比較快
如果沒有特別熟悉的語言,或者是願意多學一種非常好用的語言
我的建議是學習Python

我從以下幾點來分別說明

平台資源

國內外使用Python做雲端回測以及運算的免費平台相當的多,例如有 寬客在線，發明者量化，優礦, 等等不勝枚舉,可以使用平台的支持以及社區的互相幫助來學習

容易學習

綜合以上所說,"目前的環境底下" 我推薦Python.（推薦直接下載 Anaconda的集成開發環境）

5. 國外量化策略(程序化交易策略)如何獲取

獲取了也沒啥意思，我自己就是編策略程序的，我設計的時候既用到了金融工程知識，又用到了通訊語音分析技術，還用了交叉語言混合編程，我想即使有個把黑客破解了我的源代碼，他沒有其他先驗知識，恐怕也看不懂我編的策略吧。國外策略軟體也是同理呀，料你看了也不能咋地。

6. python量化哪個平台可以回測模擬實盤還不要錢

Python量化投資框架：回測+模擬+實盤
Python量化投資 模擬交易 平台 1. 股票量化投資框架體系 1.1 回測 實盤交易前，必須對量化交易策略進行回測和模擬，以確定策略是否有效，並進行改進和優化。作為一般人而言，你能想到的，一般都有人做過了。回測框架也如此。當前小白看到的主要有如下五個回測框架： Zipline ：事件驅動框架，國外很流行。缺陷是不適合國內市場。 PyAlgoTrade ： 事件驅動框架，最新更新日期為16年8月17號。支持國內市場，應用python 2.7開發，最大的bug在於不支持3.5的版本，以及不支持強大的pandas。 pybacktest ：以處理向量數據的方式進行回測，最新更新日期為2個月前，更新不穩定。 TradingWithPython：基於pybacktest，進行重構。參考資料較少。 ultra-finance：在github的項目兩年前就停止更新了，最新的項目在谷歌平台，無奈打不開網址，感興趣的話，請自行查看吧。 RQAlpha：事件驅動框架，適合A股市場，自帶日線數據。是米筐的回測開源框架，相對而言，個人更喜歡這個平台。 2 模擬 模擬交易，同樣是實盤交易前的重要一步。以防止類似於當前某券商的事件，半小時之內虧損上億，對整個股市都產生了惡劣影響。模擬交易，重點考慮的是程序的交易邏輯是否可靠無誤，數據傳輸的各種情況是否都考慮到。 當下，個人看到的，喜歡用的開源平台是雪球模擬交易，其次是wind提供的模擬交易介面。像優礦、米筐和聚寬提供的，由於只能在線上平台測試，不甚自由，並無太多感覺。 雪球模擬交易：在後續實盤交易模塊，再進行重點介紹，主要應用的是一個開源的easytrader系列。 Wind模擬交易：若沒有機構版的話，可以考慮應用學生免費版。具體模擬交易介面可參看如下鏈接：http://www.dajiangzhang.com/document 3 實盤 實盤，無疑是我們的終極目標。股票程序化交易，已經被限制。但對於萬能的我們而言，總有解決的辦法。當下最多的是破解券商網頁版的交易介面，或者說應用爬蟲爬去操作。對我而言，比較傾向於食燈鬼的easytrader系列的開源平台。對於機構用戶而言，由於資金量較大，出於安全性和可靠性的考慮，並不建議應用。 easytrader系列當前主要有三個組成部分： easytrader：提供券商華泰/傭金寶/銀河/廣發/雪球的基金、股票自動程序化交易，量化交易組件 easyquotation : 實時獲取新浪 / Leverfun 的免費股票以及 level2 十檔行情 / 集思路的分級基金行情 easyhistory : 用於獲取維護股票的歷史數據 easyquant : 股票量化框架，支持行情獲取以及交易 2. 期貨量化投資框架體系 一直待在私募或者券商，做的是股票相關的內容，對期貨這塊不甚熟悉。就根據自己所了解的，簡單總結一下。 2.1 回測 回測，貌似並沒有非常流行的開源框架。可能的原因有二：期貨相對股票而言，門檻較高，更多是機構交易，開源較少； 去年至今對期貨監管控制比較嚴，至今未放開，只能做些CTA的策略，另許多人興致泱泱吧。 就個人理解而言，可能wind的是一個相對合適的選擇。 2.2 模擬 + 實盤 vn.py是國內最為流行的一個開源平台。起源於國內私募的自主交易系統，2015年初啟動時只是單純的交易API介面的Python封裝。隨著業內關注度的上升和社區不斷的貢獻，目前已經一步步成長為一套全面的交易程序開發框架。如官網所說，該框架側重的是交易模塊，回測模塊並未支持。 能力有限，如果對相關框架感興趣的話，就詳看相關的鏈接吧。個人期望的是以RQAlpha為主搭建回測框架，以雪球或wind為主搭建模擬框架，用easy系列進行交易。

7. 如何看待量化交易的回測

美股研究社指出：不同風格的策略對於回測的要求是不同的，比如對於多因子選股或者趨勢策略等，需要注意的幾點是：

1. 區分好樣本內數據和樣本外數據，這個和機器學習很類似，樣本內數據用於訓練，樣本外數據用於校驗。這樣做的目的是為了避免過擬合陷阱。

2. 收益的分布，看看你回測後所有交易的收益分布，看看你的收益來源是少數的幾次大的收益還是來源多次的小的收益。來源於大的收益，你的收益波動性就很大，實盤往往會達不到你的效果。

3. 參數的穩定性。如果你某個參數過敏感，隨便調整下就對收益影響很大，那你實盤的情況和模擬盤也有很大可能會有出入。

這類策略嚴格來說，避免了一些常見的坑，還是比較容易做到回測和實盤類似的。
京東量化最新推出了一些通達信的技術指標還不錯，你們可以去看一下，應該能學到好多東西。

8. 個人做量化交易需要注意些什麼

一說到量化投資，一下子蹦出來一堆厲害的語匯，例如：FPGA，微波加熱，高頻率，納秒等級延遲時間這些。這種全是高頻交易中的語匯，高頻交易的確是基金管理公司做起來較為適合，平常人搞起來門檻較為高。

模擬交易最後實際效果一般在於你的程序流程是不是靈便，是不是優良的風險性和資金分配優化演算法。

總結：對於說本人做量化投資是不是可靠，上邊的步驟早已表明了實際可策劃方案，可靠性顯而易見。對於能否賺到錢，就看本人的修為了更好地。