股票量化交易开源

1. 目前市面上的量化交易平台做到了什么程度

量化交易，从18世纪开始，金融投资的先驱已经开始探索各种不同的投资方法，经过多年的进化，已经尝试了从价值分析、风险套利到日间交易等不同的方向。

---

在当前中国资本市场的变化中，定量投资作为一种新兴的中国市场投资方式，是现代量化投资理论和数理统计方法的运用，在海大历史数据的各种“能带来超额收益的使用计算机技术的高概率事件制定一个模型验证的数量策略和治疗这些规则和策略，和固化的策略来指导投资的严格执行，为了获得可持续的稳定，高于平均水平的超额收益。

2. 量化交易落地终端与线上平台有什么区别

量化交易落地终端与线上平台区别就是一个本地化终端平台，一个开源线上平台，
本地终端平台类似掘金量化交易平台，策略在本地终端运行，不容易被盗窃策略；
线上开源平台你需要把自己策略放到线上平台才能跑策略，如果平台没有自律，你的策略很容被盗取。
综合来说就是策略安全性的问题。

3. 量化交易系统安装简单吗

MIT协议是几大开源协议中最宽松的一个，核心条款是：该软件及其相关文档对所有人免费，可以任意处置，包括使用，复制，修改，合并，发表，分发，再授权，或者销售。唯一的限制是，软件中必须包含上述版 权和许可提示。
这意味着：
1）你可以自由使用，复制，修改，可以用于自己的项目。
2）可以免费分发或用来盈利。
3）唯一的限制是必须包含许可声明。
我们了解了它的功能和好处，解除了后顾之忧后，我们正式进入VN.PY的实操部分。在本篇文章，我们的目标是安装并让系统能做模拟实盘。
VN.PY的安装分为5个步骤，这里以Windows环境为例，给大家一步一步进行演示。
一、安装Anaconda
前面第三篇Python入门中，已经对Anaconda的安装进行了讲解，这里不再做重复。我们需要注意的是， 项目的运行环境必须为Python 2.7 32位版本（Python 3版本或者64位版本均无法使用），推荐的Anaconda版本为4.0.0。
安装Anaconda时，除了选择安装目录外，不建议进行任何其他的特别设置。 如果在安装过程中出现一些异常情况（如提示Menu创建失败、某个py文件最后无法写入等），请安装vcredist 2008和2010版本后再次尝试（32位和64位版本一起安装）。
二、安装VCredist
Visual C++ Redistributable Packages for VS2013，简称vcredist，是使用VS2013开发的C++程序运行时所需的基础库环境。 vn.py项目的底层API接口封装开发时使用的编译环境为VS2013，因此需要安装vcredist 2013 x86版本。
vn.py项目的底层API接口封装开发时使用的编译环境为VS2013，因此需要安装vcredist 2013 x86版本。 下载时请选择vcredist_x86.exe，并按照默认安装即可。网络搜索"vcredist2013"，即可在微软官网下载。

4. 量化投资用什么编程语言研发策略好呢

么以下我就以程序语言的角度来回答
当然如果已经会了某些语言,那你可以使用熟悉的语言去找网上的学习资源会比较快
如果没有特别熟悉的语言,或者是愿意多学一种非常好用的语言
我的建议是学习Python

我从以下几点来分别说明

平台资源

国内外使用Python做云端回测以及运算的免费平台相当的多,例如有 宽客在线，发明者量化，优矿, 等等不胜枚举,可以使用平台的支持以及社区的互相帮助来学习

容易学习

综合以上所说,"目前的环境底下" 我推荐Python.（推荐直接下载 Anaconda的集成开发环境）

5. 国外量化策略(程序化交易策略)如何获取

获取了也没啥意思，我自己就是编策略程序的，我设计的时候既用到了金融工程知识，又用到了通讯语音分析技术，还用了交叉语言混合编程，我想即使有个把黑客破解了我的源代码，他没有其他先验知识，恐怕也看不懂我编的策略吧。国外策略软件也是同理呀，料你看了也不能咋地。

6. 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。

7. 如何看待量化交易的回测

美股研究社指出：不同风格的策略对于回测的要求是不同的，比如对于多因子选股或者趋势策略等，需要注意的几点是：

1. 区分好样本内数据和样本外数据，这个和机器学习很类似，样本内数据用于训练，样本外数据用于校验。这样做的目的是为了避免过拟合陷阱。

2. 收益的分布，看看你回测后所有交易的收益分布，看看你的收益来源是少数的几次大的收益还是来源多次的小的收益。来源于大的收益，你的收益波动性就很大，实盘往往会达不到你的效果。

3. 参数的稳定性。如果你某个参数过敏感，随便调整下就对收益影响很大，那你实盘的情况和模拟盘也有很大可能会有出入。

这类策略严格来说，避免了一些常见的坑，还是比较容易做到回测和实盘类似的。
京东量化最新推出了一些通达信的技术指标还不错，你们可以去看一下，应该能学到好多东西。

8. 个人做量化交易需要注意些什么

一说到量化投资，一下子蹦出来一堆厉害的语汇，例如：FPGA，微波加热，高频率，纳秒等级延迟时间这些。这种全是高频交易中的语汇，高频交易的确是基金管理公司做起来较为适合，平常人搞起来门槛较为高。

模拟交易最后实际效果一般在于你的程序流程是不是灵便，是不是优良的风险性和资金分配优化算法。

总结：对于说本人做量化投资是不是可靠，上边的步骤早已表明了实际可策划方案，可靠性显而易见。对于能否赚到钱，就看本人的修为了更好地。