大家好，感谢邀请，今天来为大家分享一下python股票量化交易平台的问题，以及和中国的 Python 量化交易工具链有哪些的一些困惑，大家要是还不太明白的话，也没有关系，因为接下来将为大家分享，希望可以帮助到大家，解决大家的问题，下面就开始吧！

本文目录

1. 国内常见的量化交易平台有哪些
2. 中国的 Python 量化交易工具链有哪些
3. 国内有哪些量化平台以及对比

一、国内常见的量化交易平台有哪些

1、在探索量化交易的世界，选择适合的平台显得尤为重要。以下是针对国内市场的几个备受推崇的量化交易平台，它们各具特色，能满足不同投资者的需求。

2、聚宽JoinQuant-高效全面的解决方案

3、作为股票量化交易的首选，聚宽提供了丰富的数据支持，如自2005年起的股市Level数据，上市公司的财务数据，以及各类停复权信息。实时行情数据和盘后财务更新一应俱全。它还囊括基金、期货、指数等的行情和数据，以及金融工具的详尽数据。研究平台以IPython Notebook为基础，支持Python2和3，提供强大的API接口，回测功能涵盖股票、基金和期货，包括日、分钟和Tick级回测。社区活跃且资源丰富，对新手友好，实盘交易选择多样，是初学者的理想之选。

4、优矿聚焦于深度数据，2007年以来的沪深港上市公司财务报表，以及股票、港股的日/分钟行情，涵盖期货、债券、宏观产业数据等。它的研究平台同样支持Python2策略研究，拥有快速的回测功能，涵盖股票、基金、期货和指数的日分钟级交易。活跃的社区环境和免费试用的收费数据，让优矿更具吸引力。

5、米筐RiceQuant提供全面的市场数据，包括股票、ETF和期货的详细信息，且分钟线数据历史久远。研究平台支持Python、Matlab等多语言，API接口齐全。回测和交易功能强大，支持日、分钟级交易。米筐的社区活跃度高，作为量化领域的领军者，它提供丰富的开发经验和金融工程模型服务。

6、掘金量化以近10年详尽的日/分钟/Tick级股票数据和各类附加信息为特点，支持多种语言的策略开发。它的回测功能全面，模拟交易涵盖股票期货，实盘交易需通过申请审核。投研交易一体的平台，强调策略安全，本地化运行无上传需求。

7、迅投QMT不仅提供QMT系统等多元化产品，还能根据客户需要进行定制开发。它为投资者提供一站式服务，从产品设计到运营，满足个性化需求。

8、Bigquant融合了AI技术，提供实时和历史数据，以及新闻和社交数据，支持Python策略开发和AI应用。其回测和模拟交易功能强大，秒级交易信号推送，API接口便于对接。AI赋能的Bigquant量化社区活跃，致力于为企业级投资者提供专业且智能化的投资工具和环境。

9、无论你是量化交易的新手还是经验丰富的交易者，这些平台都能为你提供所需的工具和资源，助你踏上量化交易的高效之旅。选择适合自己的平台，将为你的交易策略带来更多可能。

二、中国的 Python 量化交易工具链有哪些

1、万得的Python API，可以用来获取实时数据、历史数据以及下单交易优点：万得大而全缺点：下单交易功能不是事件驱动（例如成交回报需要用户去查询，而不是主推）

2、同花顺iFinD的Python API，类似万得的API优点：比万得便宜，同花顺的服务态度很好（用户提出新需求后很快就能给出确定的答复或者解决方案）

3、 QuickFix的Python API（可以用来接国信、方正的FIX接口）

4、 Numpy/Scipy/Matplotlib/Pandas（量化分析）

5、 IPyhon/Spyder（适合做量化分析的IDE环境）

6、 TuShare财经数据接口-可以直接抓取新浪财经、凤凰财经的网站数据，包括行情、基本面、经济数据等等。完全免费，简洁易用，API设计得非常友好，提取的数据格式是Pandas的DataFrame。同时可以获取非高频实时数据（取决于网站更新速度，同事经验大约是15秒），一个极好的非高频股票策略数据解决方案。

7、恒生电子的量化赢家平台，提供Python接口，链接我点进去后没看到具体的使用教程，希望回头补一下。

8、米矿ricequant在我提出这个问题时尚只有Java的API，后来也支持了Python，期待2016有新的突破。

三、国内有哪些量化平台以及对比

1、在金融科技创新的浪潮中，国内涌现出了众多优秀的量化平台，它们各具特色，满足不同投资者的需求。以下是一些备受推崇的量化平台，让我们一起深入了解一下他们的特性与优势：

2、vnpy</:作为开源的交易平台框架，vnpy凭借其灵活的架构和强大的社区支持，为专业交易者提供了稳定可靠的基础。

3、quantLib</:开源金融计算库，为复杂的金融模型和算法提供了强大的算力支持，助力量化策略的深度开发。

4、talib</:技术分析领域的翘楚，talib提供了丰富的技术指标，为交易者提供了深入的技术分析工具。

5、rqalpha</: Python的量化之选，rqalpha提供了易用的接口和丰富的社区资源，适合新手和进阶投资者。

6、easytrader</:自动交易神器，简化了交易流程，适用于日常交易和高频交易策略。

7、BigQuant</:集人工智能与金融于一体的平台，通过机器学习和大数据分析，为高阶量化投资者提供了前沿策略。

8、PyNance</:数据分析与可视化的强大工具，帮助投资者洞察市场动态，提升决策效率。

9、TA-Lib</:技术分析领域的经典之作，专注于提供精确的技术指标和分析方法。

10、BigQuant</:金融数据与机器学习的完美结合，提供深度的量化研究环境。

11、vn.py</:另一款Python交易平台框架，以高效和稳定著称，深受开发者喜爱。

12、EasyQuotation</:实时行情获取利器，为实时交易提供了实时的数据支持。

13、此外，对于初学者和入门者，我们还要提及阿岛格，一个低门槛的量化分析与交易教程平台，为学习者提供了丰富的学习资源。在探索过程中，可以参考“知shi星球（阿岛格）”进行交流和探讨。

14、还有一些值得关注的补充选项，如pyalgotrade-cn，支持A股历史回测和比特币交易接口；pyktrader则结合了vnpy和GUI，提供易用的交易平台设计。trade专注于主题投资和事件驱动策略分析，而zipline和QSTK则在国内量化平台中扮演着模板和建模的角色。

15、对于初级开发者，quantitative是一个尚在开发中的事件驱动反向测试库，虽然还在成长中，但也值得关注。analyzer则提供了实时金融数据分析与交易策略开发的平台，bt和rqalpha、quantconnect则是在线回测平台的佼佼者。

16、通过这些平台，无论是策略编写、实盘交易还是深度回测，国内的量化生态体系日益完善，为投资者提供了广阔的应用场景和无限可能。

17、最后，值得一提的是，finmarketpy、volatility-trading等平台分别聚焦金融数据分析、波动率交易等特定领域，而vnpy_oanda则提供了定制化Oanda接口，QuantDigger则为股票期货交易提供了全面的解决方案。

18、无论你是寻找简单易用的工具，还是寻求深度的量化研究，国内的量化平台都能为你提供强大的支持。让我们一起探索这些金融科技的宝藏，提升投资智慧，共创辉煌!

好了，本文到此结束，如果可以帮助到大家，还望关注本站哦！