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。