看360
已知国内量化平台的比较， Ricequant / 优矿究竟谁是下一个quantopian，哪家挖矿强？
以下信息希望能为大家提供帮助。盈时成立时间：2016.06
服务：
1.选取参数，自动生成策略（需要购买次数）
2.购买别人的策略
语言： Python
目标客户： 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。
优势：
1.对期货做策略（竞争少）
2.运用机器学习，理论更新颖
3.能够自己代入实盘
自动生成策略原理与简介： 通过设置参数，然后通过机器学习的方法，判断期货应该如何交易才能盈利。
备注：国内首个利用深度学习的人工智能量化平台
聚宽成立时间： 2015.05
服务：
1.选取参数，自动生成策略
2.可以自己编写代码，生成策略（有代码显示）
语言： Python， R
目标客户： 有经验的quant
数据库： 全面
回测用时： 分钟记（动图的形式）
支持的功能：
1.支持日级、分钟级回测
2.支持日级、分钟级、tick级模拟交易
3.免费提供A股行情、财务数据、指数数据、基金数据
优势：
1.期货，期权有数据，但得自己做
2. 支持回测中访问网络
3.社区活跃，有很多不错的ETF策略
4.有销售策略活动
5.Api丰富且友好
自动生成策略原理与简介： 通过设置的参数，不断筛选股票池里的股票，然后根据市场变动，判断是否进行操作。（打分法）
备注：
1. 门槛低，人人皆可为宽客
2. 可设置股票是否复权
优矿成立时间： 2015.10
服务： 可以自己编写代码，生成策略（有代码显示）
语言： Python
目标客户： 刚入门的quant，有编程基础
数据库： 全面
回测用时： 以秒记（动图的形式）
支持的功能：
1.IPython Notebook与回测引擎的整合可做参数优化
2.支持分钟线回测及日数据仿真交易
3.CAL库支持了不少常用的不常用的金融算法
4.可自定义library，复用自己的模块
优势：
1.数据全面
2.有比赛可以进行交流
3.有适用于高频交易的专业版
备注： 比赛的形式还是挺吸引人的
Ricequant成立时间： 2014.12
服务： 需要自己编写代码生成策略
语言： Python,Java
目标客户： 有经验的quant
数据库： A股（2005年至今）
回测用时： 分钟回测
支持的功能：
1.针对 FOF 投资的 CRM 功能
2.支持用户分组
3.自动邮件提醒
4.数据更新选项
优势：
1.使用RQBeta回测绩效分析，结果展示丰富
2.视觉设计和文档做的非常棒，特别是回测结果页面，看着很舒服
3.定期举办比赛
BigQuant成立时间： 2016.04
服务： 选取参数，自动生成策略（使用机器学习，并配有代码）
语言： Python
目标客户： 一般股民
数据库： A股
回测用时： 十分钟
支持的功能：
1.因子可供选择得很多
2.有基础知识教程
优势：
1.可供选择的因子多
2.门槛低
自动生成策略原理与简介： 选取参数后，使用历史数据，利用机器学习的原理考虑是否进行交易，在实盘时，用实盘日期，回测时用传入的数据。（机器学习）
镭矿成立时间： 2015.04
服务：
1.选取参数，自动生成策略
2.可以自己编写代码，生成策略
语言： Java、Python
目标客户： 一般股民
数据库： A股（2012至今）
回测用时： 以秒记
支持的功能： 回测速度快
优势：
1.回测速度快
2.可以使用Java
自动生成策略原理与简介： 选取参数后，不断筛选股票，然后根据实际价格变动，判断是否进行操作。（打分法）
备注： 基础知识介绍偏少，但有相关代码介绍，有长短期的区别
果仁网成立时间： 2015.08
服务： 选取参数，自动生成策略（没有代码）
语言： 未知
目标客户： 一般投资者
数据库： 国内上市的A股和ETF
回测用时： 以秒记
支持的功能： 考虑对冲（vip）
优势：
1.因子选择界面感觉最舒服
2.回测快
3.将对冲考虑在内
自动生成策略原理与简介： 选取因子后，筛选出股票然后排名。一种是在每个交易日结束时卖出，然后买入想要的股票；另一种是卖出不符合的股票，买入合适的股票。（打分法）
备注： 界面用起来挺舒服，有长短期的区别
京东量化服务：
1.选取参数，自动生成策略
2.可以自己编写代码，生成策略（有代码显示）
语言： Python（Java还不能用）
目标客户： 一般投资者
数据库： 指数数据、京东大数据
回测用时： 以秒记、以动图的形式体现
支持的功能： 提供量化选股服务
优势：
1.回测速度快
2.可以量化选股
自动生成策略原理与简介： 选取因子后，筛选出股票。然后根据之前的数据，和今日实时更新的数据，判断如何对股票进行操作。（打分法）
备注： 无长短期分别，但有调仓周期
Factors成立时间： 2016.11
服务： 选取因子，自动生成策略 。
语言： 未知
目标客户： 一般股民
数据库： A股
回测用时： 无法回测
优势：
1.无需编程，自动生成策略。
2.综合运用多因子构建模型对股票进行评价
自动生成策略原理与简介： 选取因子后，筛选出股票。然后根据实时数据，判断是否交易。（打分法）
掘金成立时间： 2015.01
服务： 选取策略模版，手动编程
语言： C/C++、C#、MATLAB、Python、R
目标客户： 投资者、策略提供者
数据库： 全面
回测用时： 首次回测秒级完成，后续回测毫秒级完成
支持的功能：
1.统一的量化交易接口
2.一致的策略事件模型
3.完善的风险控制机制
4.多策略多账户支持
5.完整的策略生命周期管理
优势：
1.策略存放在本地，安全性高
2.可定制性强
3.定期举行比赛
备注： 支持tick数据
微量网成立时间： 2014.01
服务： 选取参数，自动生成策略（没有代码）
语言： 未知
目标客户： 一般投资者
数据库： 全面
支持的功能： 期货程序化CTA策略
优势： 有策略从上传到出售全流程链 自动生成策略原理与简介： 选取因子后，筛选出股票。然后根据实时数据，判断是否交易。（打分法）
备注： 国内首家采用策略云托管模式的投资平台
众量网成立时间： 2014.01
服务：选取参数，自动生成策略（没有代码）
语言： 未知
目标客户： 一般投资者
数据库： 全面
回测用时： 以秒记
支持的功能： 通过众包做量化投资策略，全视角，跨品种，多周期，无编程
优势：
1.品种多样化
2.效率高
自动生成策略原理与简介： 建立一个建仓条件，一个出仓条件，可以设置止损和分批建仓次序。然后看盈利多少（按行业分）
备注： 个人感觉做得太过粗糙
云量科技成立时间： 2015.11
服务：选择策略及交易账户层面的风控模块（即刻使用）
语言： 未知
目标客户： 投资者、策略提供者
数据库： 全面
回测用时： 以秒记
支持的功能： 量化投资策略开发、交易算法设计、投资咨询、移动互联网（投资类）应用开发
优势：
1.高模仿人类对话
2.超智能营销多维度精确锁定，主动出击唤醒
3.全网覆盖、7*24小时服务
备注： 是一个公司，提供机器人服务，不是量化投资平台
诸葛量化成立时间： 2016.12
服务：选取参数，自动生成策略（没有代码）
语言： Lua 目标客户： 投资者、策略提供者
数据库： A股
回测用时： 以秒记
支持的功能： 策略生成 ，策略购买；资产配置 ，条件选股
优势：
1. 快速生成策略
2. 自带遗传基因算法，智能优化策略
自动生成策略原理与简介： 选股方法有两种：打分法，趋势法（今日比昨日打分高就买进）。然后通过遗传算法改进策略，达到满意为止（有遗传代数限制），最终接入实盘。
量化大师（软件）成立时间： 2013.08
服务：选取参数，自动生成策略（没有代码）
语言： 未知
目标客户： 一般投资者（散户）
数据库： A股
支持的功能： 量化选股、策略回溯、策略提醒、程序化交易
优势： 效率高
自动生成策略原理与简介： 选取因子后，根据实时股价进行筛选，选出排名靠前的股票（个数自己设置），然后根据实时数据，判断是否交易。（打分法）
备注： 一款手机app
况客成立时间： 2014.12
服务： 提交数据，生成图表，检验信息的准确性
语言： R
目标客户： 投资者、策略提供者
数据库： A股
支持的功能： 针对 FOF 投资的 CRM 功能，支持用户分组，自动邮件提醒，数据更新选项
优势：
1.量化策略可根据用户需求灵活定制
2.操作简单
3.交易策略评估清晰明确
4.工具免费化
5.可网络调度
备注： 是对你手上已有数据的一个可视化处理，让数据看起来更加形象。
MindGo成立时间： 2017.02注册商标
服务： 需要自己编写代码生成策略
语言： Python
目标客户： 投资者、策略提供者
数据库： A股
回测用时： 以秒记
支持的功能： 数据研究、策略回测、模拟交易、自然语言选股/回测
优势：
1. 数据齐全
2. 支持tick回测
3.支持自然语言回测
4.定期举行比赛
BotVS成立时间： 2015.07
服务：需要自己编写代码生成策略
语言： JavaScript、Python、云端编写
目标客户： 投资者、策略提供者
数据库： 全面
回测用时： 以秒记
支持的功能： 回测、实盘模拟交易、实盘接入交易
优势：
1.模块化策略开发
2.策略分享机制
3.P2P模式策略租用机制
4.实盘公开展示
5.支持三大金融市场
DigQuant（点宽）成立时间： 2004年
服务： 需要自己编写代码生成策略
语言： MATLAB
目标客户： 投资者、策略提供者
数据库： 全面
回测用时： 以秒记
支持的功能：
1.基于 MATLAB 的量化策略
2.支持股票、期货的策略研究和程序化交易（是一个软件Auto-Trader Pro）
3.量化研究文章分析
优势：
1.其核心架构与微软 Azure 云架构深度整合
2.社区内有《中国证券期货》杂志专栏
备注：
1.基于 MATLAB 的量化策略
2.核心产品主要是巴别塔实时协作平台系列软件产品
OpenQuant成立时间： 1997年
服务： 需要自己编写代码生成策略
语言： C#
目标客户： 能提供投资方案的投资策略编写者
数据库： 全面
支持的功能： 交易策略创建开发、策略回测、参数优化、策略运行及风险监控。
优势：
1.可构建大型对冲基金级量化交易解决方案
2.专业用户可扩展全新功能
3.丰富的金融函数及专业软件对接能力
中量网-交易王成立时间： 2012年
数据库： 全面
支持的功能： 中量金融、中量股票、期货仿真、期货实盘、策略商城
i量化成立时间： 2015.01
数据库： 全面
支持的功能： 量化交易、金融咨询、社交、在线教育
优势：
1.拥有海外量化投资最专业的平台
2.提供开放的社区和在线教育服务
quantopian服务： 可以自己编写代码，生成策略（有代码显示）
语言： Python
数据库： US equities futures（最早2002）
回测用时： 分钟记（动图的形式）
支持的功能： 回测、实盘模拟交易、实盘接入交易
优势： 能够借助他人做实验检测
quantconnect服务： 可以自己编写代码，生成策略（有代码显示）
语言： C#、F#、Python
目标客户： engineer
数据库： 股票 外汇 基金 期权 期货（US）
回测用时： 分钟记（动图的形式）
支持的功能： 回测、实盘模拟交易、实盘接入交易
优势：
1.可以很方便地将自己的策略应用到实际中
2. lean（Lean Algorithmic Trading Engine）基于C#的算法交易平台的运用和介绍
quantstar服务： Qstrader的引入
语言： Python
支持的功能： 回测、实盘模拟交易、实盘接入交易
优势： 有3本书籍介绍
zulutrade服务：
1.你可以成为交易者（提供策略）
2.你可以跟随他人的策略
3.策略基于外汇，二元期权
语言： Java
目标客户： 一般金融爱好者、engineer
数据库： 外汇、二元期权
支持的功能： 外汇策略交易
优势： 专门做外汇方面的
quantbedia服务： 搜索合适的策略使用，编写策略上传
语言： Python
数据库： 几乎所有的数据都有
优势： 一个很明显的策略交易平台
algotrading101服务： 讲解机器学习应用到策略中（主要是教学）
优势： 运用了机器学习
investopedia服务： 股票，外汇模拟交易（教学）
数据库： 股票 外汇
优势： 教导新手做相关模拟交易
Amibroker服务： 一个系统化交易的平台
语言： formula language
数据库： 股票 外汇
优势： 比较全面，功能齐全，速度快
已知国内量化平台的比较， Ricequant / 优矿究竟谁是下一个quantopian，哪家挖矿强？
以下信息希望能为大家提供帮助。盈时成立时间：2016.06
服务：
1.选取参数，自动生成策略（需要购买次数）
2.购买别人的策略
语言： Python
目标客户： 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。
优势：
1.对期货做策略（竞争少）
2.运用机器学习，理论更新颖
3.能够自己代入实盘
自动生成策略原理与简介： 通过设置参数，然后通过机器学习的方法，判断期货应该如何交易才能盈利。
备注：国内首个利用深度学习的人工智能量化平台
聚宽成立时间： 2015.05
服务：
1.选取参数，自动生成策略
2.可以自己编写代码，生成策略（有代码显示）
语言： Python， R
目标客户： 有经验的quant
数据库： 全面
回测用时： 分钟记（动图的形式）
支持的功能：
1.支持日级、分钟级回测
2.支持日级、分钟级、tick级模拟交易
3.免费提供A股行情、财务数据、指数数据、基金数据
优势：
1.期货，期权有数据，但得自己做
2. 支持回测中访问网络
3.社区活跃，有很多不错的ETF策略
4.有销售策略活动
5.Api丰富且友好
自动生成策略原理与简介： 通过设置的参数，不断筛选股票池里的股票，然后根据市场变动，判断是否进行操作。（打分法）
备注：
1. 门槛低，人人皆可为宽客
2. 可设置股票是否复权
优矿成立时间： 2015.10
服务： 可以自己编写代码，生成策略（有代码显示）
语言： Python
目标客户： 刚入门的quant，有编程基础
数据库： 全面
回测用时： 以秒记（动图的形式）
支持的功能：
1.IPython Notebook与回测引擎的整合可做参数优化
2.支持分钟线回测及日数据仿真交易
3.CAL库支持了不少常用的不常用的金融算法
4.可自定义library，复用自己的模块
优势：
1.数据全面
2.有比赛可以进行交流
3.有适用于高频交易的专业版
备注： 比赛的形式还是挺吸引人的
Ricequant成立时间： 2014.12
服务： 需要自己编写代码生成策略
语言： Python,Java
目标客户： 有经验的quant
数据库： A股（2005年至今）
回测用时： 分钟回测
支持的功能：
1.针对 FOF 投资的 CRM 功能
2.支持用户分组
3.自动邮件提醒
4.数据更新选项
优势：
1.使用RQBeta回测绩效分析，结果展示丰富
2.视觉设计和文档做的非常棒，特别是回测结果页面，看着很舒服
3.定期举办比赛
BigQuant成立时间： 2016.04
服务： 选取参数，自动生成策略（使用机器学习，并配有代码）
语言： Python
目标客户： 一般股民
数据库： A股
回测用时： 十分钟
支持的功能：
1.因子可供选择得很多
2.有基础知识教程
优势：
1.可供选择的因子多
2.门槛低
自动生成策略原理与简介： 选取参数后，使用历史数据，利用机器学习的原理考虑是否进行交易，在实盘时，用实盘日期，回测时用传入的数据。（机器学习）
镭矿成立时间： 2015.04
服务：
1.选取参数，自动生成策略
2.可以自己编写代码，生成策略
语言： Java、Python
目标客户： 一般股民
数据库： A股（2012至今）
回测用时： 以秒记
支持的功能： 回测速度快
优势：
1.回测速度快
2.可以使用Java
自动生成策略原理与简介： 选取参数后，不断筛选股票，然后根据实际价格变动，判断是否进行操作。（打分法）
备注： 基础知识介绍偏少，但有相关代码介绍，有长短期的区别
果仁网成立时间： 2015.08
服务： 选取参数，自动生成策略（没有代码）
语言： 未知
目标客户： 一般投资者
数据库： 国内上市的A股和ETF
回测用时： 以秒记
支持的功能： 考虑对冲（vip）
优势：
1.因子选择界面感觉最舒服
2.回测快
3.将对冲考虑在内
自动生成策略原理与简介： 选取因子后，筛选出股票然后排名。一种是在每个交易日结束时卖出，然后买入想要的股票；另一种是卖出不符合的股票，买入合适的股票。（打分法）
备注： 界面用起来挺舒服，有长短期的区别
京东量化服务：
1.选取参数，自动生成策略
2.可以自己编写代码，生成策略（有代码显示）
语言： Python（Java还不能用）
目标客户： 一般投资者
数据库： 指数数据、京东大数据
回测用时： 以秒记、以动图的形式体现
支持的功能： 提供量化选股服务
优势：
1.回测速度快
2.可以量化选股
自动生成策略原理与简介： 选取因子后，筛选出股票。然后根据之前的数据，和今日实时更新的数据，判断如何对股票进行操作。（打分法）
备注： 无长短期分别，但有调仓周期
Factors成立时间： 2016.11
服务： 选取因子，自动生成策略 。
语言： 未知
目标客户： 一般股民
数据库： A股
回测用时： 无法回测
优势：
1.无需编程，自动生成策略。
2.综合运用多因子构建模型对股票进行评价
自动生成策略原理与简介： 选取因子后，筛选出股票。然后根据实时数据，判断是否交易。（打分法）
掘金成立时间： 2015.01
服务： 选取策略模版，手动编程
语言： C/C++、C#、MATLAB、Python、R
目标客户： 投资者、策略提供者
数据库： 全面
回测用时： 首次回测秒级完成，后续回测毫秒级完成
支持的功能：
1.统一的量化交易接口
2.一致的策略事件模型
3.完善的风险控制机制
4.多策略多账户支持
5.完整的策略生命周期管理
优势：
1.策略存放在本地，安全性高
2.可定制性强
3.定期举行比赛
备注： 支持tick数据
微量网成立时间： 2014.01
服务： 选取参数，自动生成策略（没有代码）
语言： 未知
目标客户： 一般投资者
数据库： 全面
支持的功能： 期货程序化CTA策略
优势： 有策略从上传到出售全流程链 自动生成策略原理与简介： 选取因子后，筛选出股票。然后根据实时数据，判断是否交易。（打分法）
备注： 国内首家采用策略云托管模式的投资平台
众量网成立时间： 2014.01
服务：选取参数，自动生成策略（没有代码）
语言： 未知
目标客户： 一般投资者
数据库： 全面
回测用时： 以秒记
支持的功能： 通过众包做量化投资策略，全视角，跨品种，多周期，无编程
优势：
1.品种多样化
2.效率高
自动生成策略原理与简介： 建立一个建仓条件，一个出仓条件，可以设置止损和分批建仓次序。然后看盈利多少（按行业分）
备注： 个人感觉做得太过粗糙
云量科技成立时间： 2015.11
服务：选择策略及交易账户层面的风控模块（即刻使用）
语言： 未知
目标客户： 投资者、策略提供者
数据库： 全面
回测用时： 以秒记
支持的功能： 量化投资策略开发、交易算法设计、投资咨询、移动互联网（投资类）应用开发
优势：
1.高模仿人类对话
2.超智能营销多维度精确锁定，主动出击唤醒
3.全网覆盖、7*24小时服务
备注： 是一个公司，提供机器人服务，不是量化投资平台
诸葛量化成立时间： 2016.12
服务：选取参数，自动生成策略（没有代码）
语言： Lua 目标客户： 投资者、策略提供者
数据库： A股
回测用时： 以秒记
支持的功能： 策略生成 ，策略购买；资产配置 ，条件选股
优势：
1. 快速生成策略
2. 自带遗传基因算法，智能优化策略
自动生成策略原理与简介： 选股方法有两种：打分法，趋势法（今日比昨日打分高就买进）。然后通过遗传算法改进策略，达到满意为止（有遗传代数限制），最终接入实盘。
量化大师（软件）成立时间： 2013.08
服务：选取参数，自动生成策略（没有代码）
语言： 未知
目标客户： 一般投资者（散户）
数据库： A股
支持的功能： 量化选股、策略回溯、策略提醒、程序化交易
优势： 效率高
自动生成策略原理与简介： 选取因子后，根据实时股价进行筛选，选出排名靠前的股票（个数自己设置），然后根据实时数据，判断是否交易。（打分法）
备注： 一款手机app
况客成立时间： 2014.12
服务： 提交数据，生成图表，检验信息的准确性
语言： R
目标客户： 投资者、策略提供者
数据库： A股
支持的功能： 针对 FOF 投资的 CRM 功能，支持用户分组，自动邮件提醒，数据更新选项
优势：
1.量化策略可根据用户需求灵活定制
2.操作简单
3.交易策略评估清晰明确
4.工具免费化
5.可网络调度
备注： 是对你手上已有数据的一个可视化处理，让数据看起来更加形象。
MindGo成立时间： 2017.02注册商标
服务： 需要自己编写代码生成策略
语言： Python
目标客户： 投资者、策略提供者
数据库： A股
回测用时： 以秒记
支持的功能： 数据研究、策略回测、模拟交易、自然语言选股/回测
优势：
1. 数据齐全
2. 支持tick回测
3.支持自然语言回测
4.定期举行比赛
BotVS成立时间： 2015.07
服务：需要自己编写代码生成策略
语言： JavaScript、Python、云端编写
目标客户： 投资者、策略提供者
数据库： 全面
回测用时： 以秒记
支持的功能： 回测、实盘模拟交易、实盘接入交易
优势：
1.模块化策略开发
2.策略分享机制
3.P2P模式策略租用机制
4.实盘公开展示
5.支持三大金融市场
DigQuant（点宽）成立时间： 2004年
服务： 需要自己编写代码生成策略
语言： MATLAB
目标客户： 投资者、策略提供者
数据库： 全面
回测用时： 以秒记
支持的功能：
1.基于 MATLAB 的量化策略
2.支持股票、期货的策略研究和程序化交易（是一个软件Auto-Trader Pro）
3.量化研究文章分析
优势：
1.其核心架构与微软 Azure 云架构深度整合
2.社区内有《中国证券期货》杂志专栏
备注：
1.基于 MATLAB 的量化策略
2.核心产品主要是巴别塔实时协作平台系列软件产品
OpenQuant成立时间： 1997年
服务： 需要自己编写代码生成策略
语言： C#
目标客户： 能提供投资方案的投资策略编写者
数据库： 全面
支持的功能： 交易策略创建开发、策略回测、参数优化、策略运行及风险监控。
优势：
1.可构建大型对冲基金级量化交易解决方案
2.专业用户可扩展全新功能
3.丰富的金融函数及专业软件对接能力
中量网-交易王成立时间： 2012年
数据库： 全面
支持的功能： 中量金融、中量股票、期货仿真、期货实盘、策略商城
i量化成立时间： 2015.01
数据库： 全面
支持的功能： 量化交易、金融咨询、社交、在线教育
优势：
1.拥有海外量化投资最专业的平台
2.提供开放的社区和在线教育服务
quantopian服务： 可以自己编写代码，生成策略（有代码显示）
语言： Python
数据库： US equities futures（最早2002）
回测用时： 分钟记（动图的形式）
支持的功能： 回测、实盘模拟交易、实盘接入交易
优势： 能够借助他人做实验检测
quantconnect服务： 可以自己编写代码，生成策略（有代码显示）
语言： C#、F#、Python
目标客户： engineer
数据库： 股票 外汇 基金 期权 期货（US）
回测用时： 分钟记（动图的形式）
支持的功能： 回测、实盘模拟交易、实盘接入交易
优势：
1.可以很方便地将自己的策略应用到实际中
2. lean（Lean Algorithmic Trading Engine）基于C#的算法交易平台的运用和介绍
quantstar服务： Qstrader的引入
语言： Python
支持的功能： 回测、实盘模拟交易、实盘接入交易
优势： 有3本书籍介绍
zulutrade服务：
1.你可以成为交易者（提供策略）
2.你可以跟随他人的策略
3.策略基于外汇，二元期权
语言： Java
目标客户： 一般金融爱好者、engineer
数据库： 外汇、二元期权
支持的功能： 外汇策略交易
优势： 专门做外汇方面的
quantbedia服务： 搜索合适的策略使用，编写策略上传
语言： Python
数据库： 几乎所有的数据都有
优势： 一个很明显的策略交易平台
algotrading101服务： 讲解机器学习应用到策略中（主要是教学）
优势： 运用了机器学习
investopedia服务： 股票，外汇模拟交易（教学）
数据库： 股票 外汇
优势： 教导新手做相关模拟交易
Amibroker服务： 一个系统化交易的平台
语言： formula language
数据库： 股票 外汇
优势： 比较全面，功能齐全，速度快
已知国内量化平台的比较， Ricequant / 优矿究竟谁是下一个quantopian，哪家挖矿强？
题主说的这三家我都用过，但是个人感觉最强的应该是掘金！
首先说聚宽，那是我最先用的量化平台，也是目前的主力平台，优点是支持微信提醒，这点非常重要！可以自己设置股价是否复权（貌似三家里就他家暂时可以？）对于一些时间段较长的回测还是不错的。缺点是回测速度只有一般，时快时慢，不过好在大部分时间能用，api 相对较少，数据的话也不是很全，比如目前的基本面数据就找不到关于企业分红的信息。
然后是米框，这个平台本来打算做备胎的，不过网站用起来太别扭，所以被踢掉了。
优点是 数据很全，公司的基本面信息齐全，你想到的没想到的他都提供给你了，网站本身提供的 api 也相当丰富，尤其是那几个 order_xxx 的函数，非常实用，相当赞！ 支持 java 编写策略应该也算一大优点吧？
缺点暂时不明，因为网站用起来别扭，所以我用的不多。
接着是优矿，通联数据开的，优点很明显，数据齐全，毕竟通联数据就是干这个的。
缺点嘛，api 设置的太渣了，估计是经手的人太多，乱七八糟的驼峰，有些全称，有些简写，尼玛关键是数量多，看的头大，用起来也麻烦，我反正是被那一堆 api 吓跑的。
最后我要说掘金，为什么我认为目前他是最强的？因为以上三个都是在线平台，你所有的策略都要放在他们平台，安全性什么的就看平台道德了。
而掘金的策略都存放在本地！存放在本地！存放在本地！至少策略安全性上比上面三个高一大截！而且由于是运行在本地环境，可定制性是上面几个平台无法比拟的，比如我用 python 编写策略，上面三个平台都不允许策略访问网络，掘金完全没这个问题，要用什么库自己加！
不过缺点也很明显，策略编写复杂，比上面三个要复杂不少，而且文档写的也不够浅显易懂，不是有经验的码农基本用不了。而且社区是上面三个平台里最不活跃的，要不是他们经常更新 SDK 我一度以为他们已经不干了（大概主要精力放在企业版上了-v-）
而且只支持 window 跟 linux 平台，osx 用户就只能玩蛋去了（已经向他们反馈多次，始终没有回应）-，-
不过由于本地运行的优点，我还是最关注他们。。。
===================
2017年3月4日添加
===================
目前聚宽平台已经支持回测中访问网络，可以做很多事了，我其中一个策略实现了完全自动交易，回测速度也大幅加速，赞一下！
不过说好的活动奖励的永久模拟交易权限都变成了2017年年底到期！！！！
已知国内量化平台的比较， Ricequant / 优矿究竟谁是下一个quantopian，哪家挖矿强？
题主说的这三家我都用过，但是个人感觉最强的应该是掘金！
首先说聚宽，那是我最先用的量化平台，也是目前的主力平台，优点是支持微信提醒，这点非常重要！可以自己设置股价是否复权（貌似三家里就他家暂时可以？）对于一些时间段较长的回测还是不错的。缺点是回测速度只有一般，时快时慢，不过好在大部分时间能用，api 相对较少，数据的话也不是很全，比如目前的基本面数据就找不到关于企业分红的信息。
然后是米框，这个平台本来打算做备胎的，不过网站用起来太别扭，所以被踢掉了。
优点是 数据很全，公司的基本面信息齐全，你想到的没想到的他都提供给你了，网站本身提供的 api 也相当丰富，尤其是那几个 order_xxx 的函数，非常实用，相当赞！ 支持 java 编写策略应该也算一大优点吧？
缺点暂时不明，因为网站用起来别扭，所以我用的不多。
接着是优矿，通联数据开的，优点很明显，数据齐全，毕竟通联数据就是干这个的。
缺点嘛，api 设置的太渣了，估计是经手的人太多，乱七八糟的驼峰，有些全称，有些简写，尼玛关键是数量多，看的头大，用起来也麻烦，我反正是被那一堆 api 吓跑的。
最后我要说掘金，为什么我认为目前他是最强的？因为以上三个都是在线平台，你所有的策略都要放在他们平台，安全性什么的就看平台道德了。
而掘金的策略都存放在本地！存放在本地！存放在本地！至少策略安全性上比上面三个高一大截！而且由于是运行在本地环境，可定制性是上面几个平台无法比拟的，比如我用 python 编写策略，上面三个平台都不允许策略访问网络，掘金完全没这个问题，要用什么库自己加！
不过缺点也很明显，策略编写复杂，比上面三个要复杂不少，而且文档写的也不够浅显易懂，不是有经验的码农基本用不了。而且社区是上面三个平台里最不活跃的，要不是他们经常更新 SDK 我一度以为他们已经不干了（大概主要精力放在企业版上了-v-）
而且只支持 window 跟 linux 平台，osx 用户就只能玩蛋去了（已经向他们反馈多次，始终没有回应）-，-
不过由于本地运行的优点，我还是最关注他们。。。
===================
2017年3月4日添加
===================
目前聚宽平台已经支持回测中访问网络，可以做很多事了，我其中一个策略实现了完全自动交易，回测速度也大幅加速，赞一下！
不过说好的活动奖励的永久模拟交易权限都变成了2017年年底到期！！！！
已知国内量化平台的比较， Ricequant / 优矿究竟谁是下一个quantopian，哪家挖矿强？
这个话题我喜欢，摆事实讲道理是我强项。待我放下了手中的狗粮，为大家静静的撸一发。
本人程序猿一枚，去年股灾2.0，本金腰斩时（每念及此，悲从中来不可断绝）开始接触量化/平台。 半年多以来，市面上比较活跃的python量化平台主要有：优矿，米筐，聚宽。本猿都有接触一丢丢，反正不用花钱，其中米筐和聚宽跟国外quantopian非常相似。
分享一下在使用过程中的感受：
优矿：1. 数据种类丰富，收费数据可以免费试用2. 有活跃的社区（日报我很喜欢哦，如果有动态大图就更破费了）3. 前几天推出的快速版和一个简化信号功能，体验了两天，回测速度非常快，爽。4. @楼上匿名用户，我觉得自动补全很好用啊，文档都可以看到，使用DataAPI方便的不行。5. 优矿每月都有500万实盘大赛，听说赚了都归我。之前没参赛，打算用简化信号功能开发一个策略参赛玩玩6. history拿历史数据的api太多了。界面体验上没另外两家好，熟悉平台时间也要长一些。
米筐：1. 米筐的founder们是一群具有交易系统气质的大牛，开发实力强劲。2. 平台同时支持python和java两种语言的回测。3. 米筐的视觉设计和文档做的非常棒，特别是回测结果页面，看着很舒服。4. 米筐举办的大赛，已经有两期了，奖品还可以，可惜也没拿到。5. 推出功能速度有些慢，后台稳定性有待加强（最近实时模拟交易也关闭了）。
聚宽：1. 开发速度很快，比如撤单，非复权成交等等功能，新功能上线很迅速；2. 社区也比较活跃，很多不错的ETF策略3. 聚宽没有举办大赛，而是推出了销售策略活动，打算提交一个试试。4. 微信推送调仓很好用，期待政府早日放开实盘限制5. 回测速度比上面两家慢，有时候会卡死。
总结：个人目前主要在优矿上玩。在ipython notebook进行完策略研究，直接编写策略，这种一体化的感觉很好，适合我们这种追求完美与极致体验的星座。也经常去聚宽社区，挖掘靠谱思路。米筐体验上很好，但是现在越用越少，希望他们能在功能上努力加油。
关于回测速度，本猿特意在三个平台分别运行了一个4年HS300按日调仓的日线双均线策略（颤抖吧，人类）回测时间如下：
UQER RQ JQhs300双均线 60s 264s 150s
已知国内量化平台的比较， Ricequant / 优矿究竟谁是下一个quantopian，哪家挖矿强？
这个话题我喜欢，摆事实讲道理是我强项。待我放下了手中的狗粮，为大家静静的撸一发。
本人程序猿一枚，去年股灾2.0，本金腰斩时（每念及此，悲从中来不可断绝）开始接触量化/平台。 半年多以来，市面上比较活跃的python量化平台主要有：优矿，米筐，聚宽。本猿都有接触一丢丢，反正不用花钱，其中米筐和聚宽跟国外quantopian非常相似。
分享一下在使用过程中的感受：
优矿：1. 数据种类丰富，收费数据可以免费试用2. 有活跃的社区（日报我很喜欢哦，如果有动态大图就更破费了）3. 前几天推出的快速版和一个简化信号功能，体验了两天，回测速度非常快，爽。4. @楼上匿名用户，我觉得自动补全很好用啊，文档都可以看到，使用DataAPI方便的不行。5. 优矿每月都有500万实盘大赛，听说赚了都归我。之前没参赛，打算用简化信号功能开发一个策略参赛玩玩6. history拿历史数据的api太多了。界面体验上没另外两家好，熟悉平台时间也要长一些。
米筐：1. 米筐的founder们是一群具有交易系统气质的大牛，开发实力强劲。2. 平台同时支持python和java两种语言的回测。3. 米筐的视觉设计和文档做的非常棒，特别是回测结果页面，看着很舒服。4. 米筐举办的大赛，已经有两期了，奖品还可以，可惜也没拿到。5. 推出功能速度有些慢，后台稳定性有待加强（最近实时模拟交易也关闭了）。
聚宽：1. 开发速度很快，比如撤单，非复权成交等等功能，新功能上线很迅速；2. 社区也比较活跃，很多不错的ETF策略3. 聚宽没有举办大赛，而是推出了销售策略活动，打算提交一个试试。4. 微信推送调仓很好用，期待政府早日放开实盘限制5. 回测速度比上面两家慢，有时候会卡死。
总结：个人目前主要在优矿上玩。在ipython notebook进行完策略研究，直接编写策略，这种一体化的感觉很好，适合我们这种追求完美与极致体验的星座。也经常去聚宽社区，挖掘靠谱思路。米筐体验上很好，但是现在越用越少，希望他们能在功能上努力加油。
关于回测速度，本猿特意在三个平台分别运行了一个4年HS300按日调仓的日线双均线策略（颤抖吧，人类）回测时间如下：
UQER RQ JQhs300双均线 60s 264s 150s
已知国内量化平台的比较， Ricequant / 优矿究竟谁是下一个quantopian，哪家挖矿强？
实话说，水友聚集地。不黑不贬，我们是做这个行业的，公司里一般要求策略不可以拿到云端去跑，保密性不高，但偶尔有时间去看看大家都有啥有意思的想法，就目前观察结果来看，以科普和灌水居多，很多帖子以普及量化知识为主，有价值的策略并不多。
真实的量化交易以清洗数据、梳理数据为主，写代码做回测在实际工作中占比不大，贡献估计在20～30%左右，而另一方面我们平时写的代码复杂度远超过几根均线或者简单排序，有些时候Function需要自己定义，还需要很多自定义的过程，然而这些并不是最烦的，最烦的是需要分析原数据、检查缺失值和异常值，做大量的描述性统计分析，之后需要对数据结果进行反复的交叉对比和检查，以防出现未来函数或者数据错误，这类问题有时候是代码的问题，有时候是数据本身的问题，在云端跑最大的问题就是数据的质量无法确保。
已知国内量化平台的比较， Ricequant / 优矿究竟谁是下一个quantopian，哪家挖矿强？
实话说，水友聚集地。不黑不贬，我们是做这个行业的，公司里一般要求策略不可以拿到云端去跑，保密性不高，但偶尔有时间去看看大家都有啥有意思的想法，就目前观察结果来看，以科普和灌水居多，很多帖子以普及量化知识为主，有价值的策略并不多。
真实的量化交易以清洗数据、梳理数据为主，写代码做回测在实际工作中占比不大，贡献估计在20～30%左右，而另一方面我们平时写的代码复杂度远超过几根均线或者简单排序，有些时候Function需要自己定义，还需要很多自定义的过程，然而这些并不是最烦的，最烦的是需要分析原数据、检查缺失值和异常值，做大量的描述性统计分析，之后需要对数据结果进行反复的交叉对比和检查，以防出现未来函数或者数据错误，这类问题有时候是代码的问题，有时候是数据本身的问题，在云端跑最大的问题就是数据的质量无法确保。
已知国内量化平台的比较， Ricequant / 优矿究竟谁是下一个quantopian，哪家挖矿强？
目前高票匿名用户完全搞错了这两个平台的用途。
首先本身量化交易由于交易市场的特殊性，不存在和其他行业一样竞争越激烈越有可能使整个社会全面进步，而是一个人只要有能盈利的策略就可以稳割韭菜。
所以这种平台是为了干什么呢？肯定是为了吸引用户啊……吸引用户是干什么呢？肯定不是为了找最优策略吧……大家都是小怪，碰撞不出什么高端策略……
说白了以后肯定要利用媒体等商业模式变现啊，所以这两个都是社交平台呀。
已知国内量化平台的比较， Ricequant / 优矿究竟谁是下一个quantopian，哪家挖矿强？
目前高票匿名用户完全搞错了这两个平台的用途。
首先本身量化交易由于交易市场的特殊性，不存在和其他行业一样竞争越激烈越有可能使整个社会全面进步，而是一个人只要有能盈利的策略就可以稳割韭菜。
所以这种平台是为了干什么呢？肯定是为了吸引用户啊……吸引用户是干什么呢？肯定不是为了找最优策略吧……大家都是小怪，碰撞不出什么高端策略……
说白了以后肯定要利用媒体等商业模式变现啊，所以这两个都是社交平台呀。
