股票量化策略回測軟體

㈠ 有哪些靠譜的量化交易系統軟體

期貨的量化交易軟體：金字塔、開拓者等
既然支持期貨也支持股票市場：掘金量化、聚寬、米筐、優礦等

㈡ 文華量化交易軟體怎麼樣

文華量化交易軟體很不錯
文華財經旗下的一款收費軟體。針對機構和專業量化交易者而打造的一個專用交易軟體，積木式編程語言、多模型組合回測、遠程運行監控、基本面量化。
河北穩升軟體科技有限公司團隊成員具有10年以上證券期貨從業經驗，擅長股票期貨趨勢策略，常年實現低風險下的穩定業績匯報。現將團隊成熟經驗呈現到本店。店內出售文華期貨自動化交易模型、外盤期貨自動交易模型、股票策略模型，涵蓋商品期貨成交量前20名主力合約的多周期、多策略組合模型。

㈢ 量化策略一般用什麼平台回測分別有什麼優劣勢

我知道一家量化策略回測平台【QResearch】，非常好用，QResearch是一個無編程的條件式回測平台，它將所有因素都抽象為因子，簡單易用而不失靈活。用戶只要理解自己的策略即可動動滑鼠進行回測，非常適合有著豐富Idea但不會編程的用戶快速驗證想法；對於那些會編程的用戶，QResearch也可以為之節省大把數據處理和細節處理的時間。QResearch基於高質量的資料庫，提供豐富的因子庫，其中大部分因子都可以追溯到相應的Paper，非常適合高校金融學院的學生和老師進行研究之用。QResearch自誕生以來就一直追求回測與實盤的一致，力爭做到所見即所得的回測結果，目前只要交易費用設置得當，可以將每天回測與實盤的誤差控制在0.1bp級別，這在市場上魚龍混雜的回測平台當中顯得格外突出！

總之，QResearch適合各路策略研發人員使用，包括基本面研究人員，量化研究人員，交易員，以及高校師生等，相信每一類人員都可以通過使用QResearch而提高效率，做出漂亮的研究或不俗的業績！

該平台下Market Watch實時及歷史數據（包括收益，統計，期限結構和會員持倉）已添加至Toolkit交易工具箱，網址：https://qresearch.qedgeam.com/toolkit

㈣ 選股策略回測用 Matlab 好還是用 Python 好

都是工具，也都可以開發選股策略的回測，推薦Python.理由：Python免費且開源Python編程語言簡潔優美Python有眾多的量化包，包括獲取數據、處理數據、回測、風險分析。目前國外、國內很多平台和項目都是使用PythonPython開發策略，簡潔高效，這里舉幾個例子：1.[量化學堂-策略開發]金叉死叉策略2.[量化學堂-策略開發]海龜策略3.[量化學堂-策略開發]淺談小市值策略4.[量化學堂-策略開發]多頭排列回踩買入策略5.[量化學堂-策略開發]藉助talib使用技術分析指標來炒股6.[量化學堂-策略開發]大師系列之價值投資法7.[量化學堂-策略開發]事件驅動策略（基於業績快報）8.[量化學堂-策略開發]基於協整的配對交易9.[量化學堂-策略開發]使用cvxopt包實現馬科維茨投資組合優化:以一個股票策略為例這些策略涵蓋了股票量化主要的策略類型，但是使用Python語言，每個策略代碼都不多。

㈤ A股量化交易回測引擎哪家做的比較好

看到樓上的回答，我來介紹一下JoinQuant吧。

不同於傳統的量化工具，JoinQuant採用基礎功能免費+互聯網模式+雲平台+強大的社區的模式來做量化平台。目的在降低量化交易的門檻，讓人人都能夠接觸並成為寬客。

目前我們沉澱了一定的策略庫，如：
MACD、KDJ、指數平滑均線、上影線與下影線、羊駝、布林線、威廉指標、均線策略等等。

可以直接登錄JoinQuant，在社區中一鍵克隆。

JoinQuant是為量化愛好者（寬客）量身打造的雲平台，我們為您提供精準的回測功能、高速實盤交易介面、易用的API文檔、由易入難的策略庫，便於您快速實現、使用自己的量化交易策略。

我們的創始團隊具有豐富的金融、互聯網從業經驗，既有超過10年炒股經驗、持續跑贏大盤的炒股大師，也有多年從事基金、證券行業的金融精英，還有BAT的技術大牛，我們致力於打造最高效、易用的量化交易平台。

㈥ 想做一個通達信股票全自動程序化交易回測程序，求幫助。

在通達信功能菜單，公式系統，程序交易評測系統，這里可以回測系統，系統自帶了幾個簡單的交易系統，均線，MACD，唐奇安，等，你也可以把你自己的技術指標加上交易信號用回測，也可以做參數優化，但通達信做量化交易不適合。下面截幾張圖
舉個例子，以均線策略為例，默認均線參數是5日和20日，回測時間2016年12月21日到2018年12月21日，回策品種上證指數，結果是年化收益-0.72%勝率也只有29.41%，資金曲線也不好看，接下來參數優化，20日與14日均線 勝率能達到78.57%,年化收益6.2%，這只是個簡單的例子，不具備實用性，實際回測你要回測的時間更長，品種更多，觀測更仔細，使用參數優化要注意有可能會有過度優化，還有策略設計，回測所選交易價格，如何防止偷價，滑價等等等。

㈦ 制定了一個策略，比如5日線上穿10日線做多，反之賣出。那麼怎麼在同花順或通達信軟體上進行回測

你所問的問題是量化交易的范疇，通達信上可以做到，通達信軟體自帶程序化交易評測系統，就可以進行回測，公式例子，可以參考通達信里自帶的專家交易系統里的策略，策略回測，是非常有用的，但通達信，同花順在這個方面不太專業建議用一些專業的量化分析平台，回測，優化參數，這里還涉及滑價，過度優化等問題，建議你從學習量化交易入手。

㈧ 量化選股策略的創建和回測哪個工具好

策略的最大資金容量和量化策略的回測收益、波動等數據沒有太直接的關系。策略的最大資金容量如何確定是個偏實際應用的問題，一般的策略最大資金容量你很難說出一個具體的准確的數字是多少。
在考慮策略最大資金容量時，可能考慮到的因素有1策略本身的邏輯，2策略交易頻率，3策略交易品種的日內總成交量和總持倉量，4策略交易品種的瞬時掛單量，5資金的風險偏好，6市場上同類型策略的資金容量等等。
今天有空接著之前的繼續寫
一個完整的策略在交易時可以分為以下三步：
1建倉入場
2持有
3平倉出場
1、3這兩個過程，持續的時間越長，交易品種的總成交量越大，那麼策略在交易時的沖擊成本就越少，容量也就越大。
所以高頻交易容量<期貨趨勢類策略容量<股票類策略容量。特別是到高頻交易這個級別，需要觀察瞬時的掛單量來確定有多少交易可以執行，而進一步確定容量有多大。
在2這個過程中，由於價格的波動會出現賬面上的獲利和虧損。這就引出來了第二個總要因素，資金的風險偏好。一般來說，越大的資金對風險的厭惡程度就越高。
所以期貨趨勢類策略容量<期貨品種間套利策略容量<Alpha類股票策略
但成交量在決定資金上限時更重要，所以雖然期貨品種間套利策略風險低於純股票策略，但純股票策略的資金容量更大的原因。
市場常見的策略類型及其資金容量：
高頻交易 100萬——1000萬
期貨趨勢策略 100萬——數千萬
期貨品種間套利策略 1000萬——數億
純股票策略 數千萬——數百億
Alpha類股票策略 數千萬——數十億

㈨ 做量化交易一般用什麼軟體

需要懂一些數學模型，比如統計分析、人工智慧演算法之類的，他的本質是利用數學模型分析數據潛在的規律尋找交易機會，並利用計算機程序來搜尋交易時機以及完成自動化交易。並沒有現成的軟體可以做這個，因為它需要一個搭建一個專業的平台，這不是一個人可以完成的。

國內有一些軟體，比如大智慧提供數量分析，還有一些軟體提供股票、期貨的程序化交易。但是實際上這並不是真正意義上的量化交易。事實上，做一款純粹的適合個人投資者的量化投資軟體，難度是非常大的，因為量化策略並不想傳統的基本面、技術面那樣存在已有既定的必然規律。他需要跨越多學科，多領域去挖掘數據的規律，然後利用得出的規律進行交易。但是不同時間、空間的數據的潛在規律並不一致，所以對量化過程進行標准化是一件很難完成的事情。

如果是計算機或者數學專業的人士，可以考慮使用C、C++、SQL等語言，其他的可以使用MATLAB/SAS 等軟體。不管是哪一種軟體，要實現量化交易，肯定是需要一定的建模基礎和編程基礎的，其中最重要的東西是數學能力。