大家好，今天来为大家分享pascal交易平台的一些知识点，和目前市面上的量化交易平台做到了什么程度的问题解析，大家要是都明白，那么可以忽略，如果不太清楚的话可以看看本篇文章，相信很大概率可以解决您的问题，接下来我们就一起来看看吧！

本文目录

1. 合约量化交 易软件哪个好
2. 程序化交易的开发步骤,不知道的看过来!
3. 目前市面上的量化交易平台做到了什么程度

一、合约量化交 易软件哪个好

合约量化交易软件：tradestation，metastock，ninjatrader，TradersStudio，MultiCharts，wealth-lab，RightEdge，openquant等几种最多的平台，以及国内的交易开拓者、文华财经、易盛和韩国的yestrader。

Tradestation和Metastock都有大量的现成代码，使用人较多(其中有很多资历很老或者是职业trader)，其编程语言相对简单，强项在于开发各种指标很方便，但做Backtesting的功能就比其他弱一些。

其他几种平台都有相对较强的Backtesting功能，各有所长。

OpenQuant, Wealth-Lab 5, NinjaTrader, RightEdge都基于.NET,使用C#语言

MultiCharts采用和Traderstation的EZ Language相兼容的Power Language

Amibroker和MetaStock比较相似，采用基于数列的formula language，Amibroker的语言介于C和Basic之间，似MT4

相对于这些平台AmiBroker有如下这些我比较青睐的优势：

运行速度快。我多次看到的一些用户说AB是他们使用的软件中速度最快的，尤其是做Backtesting时的性能，是所有软件中最快的。我在VM中装了NinjaTrader和AB，其中NT装入的速度明显慢很多，而且已经有几次中途没有响应的情况。AB的装入速度非常快。

数据源极其灵活。这也是我非常喜欢的，目前已经实验了用FXCM，QuoteTracker, IB作为数据源，效果都不错。使用AmiQuote下载EOD也非常方便。曾经一度犹豫是否要使用NinjaTrader，但是看到NT的数据源太不灵活了。至少是没有像AmiQuote这样方便的数据。不能使用DDE数据源，所以FXCM或者其他的数据源也就不太可能。

作为快速开发和测试环境。由于AFL基于数列，所以操作起来比基于.NET的那些语言方便快捷很多。NinjaTrader和Amibroker相比就复杂很多。

注：AmiBroker好像是在EOD测试上比较强，不太清楚使用日内数据做测试的情况。更新：V5.2甚至可以在Tick上做backtesting和scanning。

集成接口很方便。今后如果要使用AB生成交易单的话，可以有很多种方法。是否能发邮件倒是没有注意。

在网上看了一些其他工具的评估：

NinjaTrader(NT)从其运营的模式看还是和交易商的联系比较密切，数据源不开放是很大的缺点。有人评论说NT的方向是做交易平台，而在开发和测试方面，基于.Net的NT5太耗费资源了。这也是我使用NT5的感觉，每次装入都很慢。NinjaTrader不用考虑。

Wealth-Lab和RightEdge都是基于.Net和C#的，但Wealth-Lab主要是做测试和实验用，并不是一个完整的交易平台，数据源，Brokerage，自动交易接口都不是built-in的。而且最近Wealth-Lab的美国部分市场被Fidelity收购。WL4和WL5的差别也较大。从这个角度来说，Wealth-Lab是不用考虑的。

RightEdge根据评价说是还没有OpenQuant那么全面，所以也暂不考虑。

OpenQuant是QuantHouse(针对机构) Quant Developer的一个零售版(原来是SmartQuant Technology被Quant House收购了)。也是基于.NET和C#的，我看了一下其文档，发现结构组织很好。而且OpenQuant提供头寸，资金控制等方面的功能，并且有Brokage的接口，可以做自动交易。

一个使用Amibroker的Trader说他用Amibroker做快速开发和测试，然后在OpenQuant上面做更细致的分析，部署及交易。看到一些代码，个人感觉代码工作量还是很大的。另附一个人的评论(Pasted from)：

AmiBroker对编程的要求还是比tradestation和metastock要高一些，毕竟功能强了不少。不过相比那些基于.NET, c#的平台来说是简洁太多了。

比MT4也简洁很多。用MT4就开发了一套框架，但是实验不同的策略时还是不够快捷。

AmiBroker，这个软件数据处理非常快，数据接口齐全，用的人也比较多。唯一的缺点，是在全自动交易部分。如果通过IBC与IB互连，进行下单的控制那代码量就比较大。并且比较困难，非要下点苦功。

QD：面向是骨灰玩家级用户。有两种用法：一种直接在QD的界面下面写交易系统，另一种是利用QD的API自己开发属于自己的交易软件。即便是不用QD的人也可以安装下QD，看下QD的帮助文档，对于开发交易系统都大有帮助。缺点在于，QD的没有后续的服务(假如你用D版，一般个人都用不起正版。)，当Broker的API更改，需要修改相关程序的时候就比较麻烦了。QD能够支持IB的顾问账户，但目前还有些问题。

OQ:对于IB单独账户跑已经成形的交易系统，是再好不过的了。得益于利用事件的处理机制。和QD相比，OQ没有QD灵活，QD功能更强大。

二、程序化交易的开发步骤,不知道的看过来!

1、在交易的过程当中，应用程序化交易的都知道，最困难的就是如何构建出一个交易策略，交易策略的构建过程是非常复杂的，一个完整的程序化交易策略是由很多的相关和独立的步骤组合而成的，同时要把每一个步骤都落实好和在研发的过程中，对于从下个步骤中得到的资讯，要利用它调整和加工上一个步骤，只有这样才能获得一个相对完善的交易策略。

2、接下来，小编和大家分享一下研发交易策略的步骤及具体说明，希望对大家的交易策略有所帮助：

3、第二步：将具体的规则转化成为可定义格式。

4、第六步：在不同周期和不同市场进行测试。

5、第九步：评估出实际交易的绩效是多少。

6、第十步：把交易系统进行改进和完善。

7、以下内容是研发交易步骤的具体说明：

8、第1步：既然决定了开发交易策略，那么首先你的心里得有一个初步的理念，可能这个理念不是唯一的,各式各样的什么都有，但是不怕你的理念多，就怕你根本没想法。有了理念之后，在你的脑子里就要有一个清楚的框架，之后找到一张纸，把你的框架一点一点的写出来，然后就是检查你写下来的逻辑有没有重复的和混乱的地方，检查之后得出来的就是你交易策略的规则。当然了，清晰和完整的列出自己的交易规则对于初学者来说，是很困难的，如果写不好这也将影响后面步骤的进行。

9、第2步：列举完你的交易规则后，就是把这些规则转化成你使用的测试平台的计算机语言。在国内有很多的软件平台，例如：文华、金字塔、TB、MC、易盛等等，当然了，如果你是专业的计算机人员，也可以通过基于CTP的平台自己进行研发，不同的平台具有不同的语言，优点和缺点当然也就不同了。例如：由程式语言PASCAL演变过来的TS的Easylanguage，非常受交易者的认可，原因就是它本身具有天然的易读性。还有MT，它和C语言就很相似。

10、第3步：完成转化语言后，你就能够进行初步测试，然后就能够知道你的交易策略能不能获利了，同时你要密切观察信号图和你脑海里想象的是不是吻合的，一旦不吻合，就充分的证明了你的策略源码出现了错误，那你就需要退回第2步进行调整，如果吻合，就是检验你的初步测试的报表，知道策略的风险盈亏比例是多少？交易次数是多少？还要多品种的进行测试，不要求它们都获利，可是出现的亏损很多的话，你的最佳选择就是放弃这个交易策略。

11、第4步：进行策略的优化，这一步是决定你策略水平很重要的一步，大多数优秀的交易策略都是在策略优化上产生的。最完善的交易策略可以提高策略的性能，从而让策略获取最大利润的同时把风险控制在一定的范围之内。

12、第5步：策略优化完毕后，就进入了非常严谨的环节——推进分析。推进分析的主要目的就是检验策略的稳健性，也就是有没有过度配适的问题存在。进行推进分析的方法其实就是做对比，既策略优化之后对以前的数据和以后的数据两者之间的对比，所以，我们可以把它划分为样本内和样本外，通过测试之后比较得出的不同绩效，对比两者的盈亏比例，谁的更好。

13、第6步：到了这一步，说明你的策略经受住了推进分析的考验，拥有了一定的稳健性。接下来就是检验策略在不同周期和不同市场的表现情况，其实可以在不同的周期和市场上都能表现的很优秀的交易策略非常的少，因为每一个市场的特性都是不一样的，要想适合每一个市场是很难的，因此进行这一步并不是为了找到全能完美的交易策略。

14、第7步：经过了6步的考验，接下来就是模拟交易了。有一部分的交易者，没有经过这一步，而是选择直接进入实战，这样的风险是非常大的，原因就是前6步进行检验的基础都是静态的数据，到底在实战中，面对真正的行情，这个交易策略的表现究竟是怎么样的，有没有信号消失和滑点大小等问题出现，我们不能预估。所以我们一定要进行大概6个月的模拟交易，验证在交易中会不会出现预期没有想到的问题。实际上，不管你做了多少努力，在模拟交易中，你的策略还是会出现大大小小的新问题，而且是在你莫不提防的时候出现。

15、第8步：模拟交易之后，就是真枪真弹的交易了。至于应用程序化交易的交易者，这一步就需要依靠计算机操作就可以了。那么信号手动的交易者，需要做的就是坚持执行每一次出现的信号。

16、第9步：交易者一定要不断的监控交易中的实际绩效，充分的了解交易绩效是不是和你预期的情况一样，从而让你的交易策略可以成功的运行下去。也有不少的交易员在交易的过程当中，因为策略出现了一些亏损，而这些亏损还是在策略报表可以接受的范围之内，即使是这样，他们还是选择放弃此策略。

17、第10步：时间一点点的流逝，你的交易策略对绩效也有了一个大致的评估，市场的不同周期体现的绩效也是不同的，但是这样的状态是正常的。我们可以在统计评估中，了解到交易策略的强点和弱点，从而来进行改进和完善，加大策略的强点，减少弱点。

三、目前市面上的量化交易平台做到了什么程度

1、交易开拓者程序化交易平台

根据账户状况和交易信号来推动交易订单，使用类似于Pascal TBL语言开发策略模型的语法。 TB为定量模型开发中的战略发展提供更为全面的账户和交易功能，市场数据功能和统计功能。它提供了最近的国内TICK数据和多周期历史市场数据。它还为战略绩效评估提供了基础。提供丰富的战略回溯报告项目。就定量交易而言，单一的结核病终端支持同时接受报价和交易的20-30个单一物种图表，但由于客户技术架构，缺乏对高频率和更复杂政策的支持。现阶段结核病在市场低端定量交易平台上有很多期货公司的合作份额较高。

2、根据账户状况和交易信号来推动交易订单，使用类似于Pascal TBL语言开发策略模型的语法。 TB为定量模型开发中的战略发展提供更为全面的账户和交易功能，市场数据功能和统计功能。它提供了最近的国内TICK数据和多周期历史市场数据。它还为战略绩效评估提供了基础。提供丰富的战略回溯报告项目。就定量交易而言，单一的结核病终端支持同时接受报价和交易的20-30个单一物种图表，但由于客户技术架构，缺乏对高频率和更复杂政策的支持。现阶段结核病在市场低端定量交易平台上有很多期货公司的合作份额较高。

3、天软定量研究交易平台采用TSL独特的TSL语言发展战略模式，全天软交易网关，实行量化交易。在定量模型研究和开发方面，我们采用了高性能数据仓库所提供的历史和TICK市场，基础数据，宏观数据等数据源，并提供了7000个开源函数库，用于战略开发，回溯测试，性能分析。在量化交易中，基本实现了自动交易，程序交易，算法交易等定量交易。

4、安易金融终端是国内期货和券商独立开发的股票自动化交易工具。交易模型是使用通用脚本语言和技术指标进行图表驱动的自动交易。在这个阶段，Ahn免费使用程序化交易工具，为国内期货和股票提供历史价格。相对简单的股票，对冲期货和图表交易都可以进行。

好了，关于pascal交易平台和目前市面上的量化交易平台做到了什么程度的问题到这里结束啦，希望可以解决您的问题哈！