㈠ 國內主流的量化平台都有哪些
掘金量化交易平台V3.0
地址：http://www.myquant.cn/
語言：C++、C#、Python、MATLAB
方式：本機
品種：股票，期貨
優礦
地址：https://uqer.io/home/
語言：python
方式：雲端
品種：股票，基金，期貨
特點：支持外部數據的購買，數據較多，有聚源等提供的，較靠譜
RiceQuant米筐量化交易平台
地址：https://www.ricequant.com/
語言：python，java
方式：雲端
品種：股票，基金
特點：口碑較好，據說較人性化
Joinquant聚寬
地址：https://www.joinquant.com/
語言：python
方式：雲端
品種：股票，基金
特點：可訂閱別人策略和看到別人策略回測圖
BotVS量化平台
地址：https://www.botvs.com/
語言：JS
方式：雲端
品種：期貨，股票，數字貨幣
特點：支持數字貨幣，比如比特幣
Bigquant人工智慧量化
地址：https://bigquant.com/
語言：python
方式：雲端
品種：股票
其他：目前網站只有架子，很多欄目是空的，突出了人工智慧，但沒看到具體策略。
果仁
地址：https://guorn.com/
語言：python
方式：雲端
品種：股票，基金，組合。
特點：口碑較好，支持策略跟隨
其他的較小眾的平台
鐳礦
地址：http://www.raquant.com/
京東量化
地址：https://quant.jd.com/
同花順量化
地址：http://quant.10jqka.com.cn/platform/html/home.html
點寬網
地址：http://www.digquant.com.cn/quant/
諸葛量化
地址：https://www.gpxtrade.com/index.html
數庫（人工智慧驅動金融創新）
http://www.chinascope.com/index/ai.html
免費開源python財經數據介麵包
地址：http://tushare.org/index.html
特點：只有數據，非量化策略平台
㈡ 量化交易平台的回測邏輯
量化 平台 基本 採用 「 初始 化 函 數 → 從平台數據 庫取出 數據 → 每個 周 期 執 行 調 倉 函數 →回測結 束計 算 統計量
㈢ 國內排名第一的量化交易平台是哪家
米狗量化不錯。有幾點特別與眾不同：
不用編程
多種模糊化模型
全市場實時跟蹤
㈣ 量化策略一般用什麼平台回測分別有什麼優劣勢
盈時量化策略回測平台，不會編程也能玩轉量化。
盈時「策略機器人」集策略智能生成、策略評估、篩選優化、批量生成等功能於一體的互動式策略生成平台。平台以計算機智能生成演算法為核心，使用了機器學習、模式識別、統計學、可視化技術等人工智慧技術，包含策略構建模塊、混編計算模塊、策略績效優化模塊等組件，在策略優化方面使用了高效的遺傳編程與NSGA-II等演算法，進而充分利用CPU多核心性能，實現多進程同步高效生成策略。
語言：Python
適用人群：期貨投資者（有無編程基礎都可）
資料庫：期貨
回測用時：需要排隊分鍾記
支持的功能：支持將策略使用在交易開拓者的平台，屬於實盤交易。策略給出建議，但需要自己手動確定進行買賣。
自動生成策略原理與簡介：通過設置參數，運用機器學習的方法，一鍵生成源碼策略。
備註：國內首個利用深度學習的人工智慧量化平台，不懂編程也能做量化。
盈時，專注於為客戶提供高品質的量化交易技術咨詢服務和領先的量化交易產品，是一家從事金融數據分析、金融軟體開發、程序化交易演算法與交易策略研究等業務的科技公司。
㈤ 有哪些好的量化交易平台
量化交易在國內來抄說，興起於2005年左右。但由於投資者水平問題，基礎還是比較薄弱，市場還比較小，所以大眾化量化交易平台的發展熱度不足。大多平台都是機構自己構建的自用平台。
能實盤交易的量化平台只有幾個，如聚寬，掘金，文華財經，開拓者，TradeStation等
能提供量化測試的就比較多，鐳礦，優礦，京東，RiceQuant米筐，果仁，Bigquant，還有以上可以實盤的這些，等等。
基本採用Python語言為主，也有採用C++,C#,Easy Language 麥語言等。
㈥ 港股美股的量化交易平台
樓主你好，股市有風險，還是不要投資了，有那錢干什麼不好
㈦ 國內哪家股票/期貨量化交易平台支持tick級回測
國信tradestation支持股票、期貨、期權交易，你說的量化回測都可以
㈧ 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。