大家好，今天给各位分享zipline量化交易平台的一些知识，其中也会对如何构建本地量化环境之zipline进行解释，文章篇幅可能偏长，如果能碰巧解决你现在面临的问题，别忘了关注本站，现在就马上开始吧！

本文目录

1. 中国的 Python 量化交易工具链有哪些
2. 如何构建本地量化环境之zipline
3. 国内有哪些量化平台以及对比

一、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。

二、如何构建本地量化环境之zipline

自从一创聚宽宣布即将结束服务以来，我一直在寻找可靠的量化平台的替代方案。在云服务器上，我精心构建了一个由<span qmt、<span rqalpha、<span tushare和<span mongodb组成的量化环境，计划通过一系列笔记来分享我在探索过程中的经验与教训。今天，我将首先聚焦在本地回测工具<span zipline上，不过实盘平台的话题稍后会详述，如何将回测与实盘平台无缝对接。

自从一创聚宽宣布即将结束服务以来，我一直在寻找可靠的量化平台的替代方案。在云服务器上，我精心构建了一个由<span qmt、<span rqalpha、<span tushare和<span mongodb组成的量化环境，计划通过一系列笔记来分享我在探索过程中的经验与教训。今天，我将首先聚焦在本地回测工具<span zipline上，不过实盘平台的话题稍后会详述，如何将回测与实盘平台无缝对接。

对于我理想的本地量化环境，它的核心目标是：能够在本地实现回测和实盘操作，而且代码统一，支持多账户、多策略并行运行，保证策略间的资金隔离。这并非琐碎需求，而是高效量化策略执行的关键。

对于我理想的本地量化环境，它的核心目标是：能够在本地实现回测和实盘操作，而且代码统一，支持多账户、多策略并行运行，保证策略间的资金隔离。这并非琐碎需求，而是高效量化策略执行的关键。

选择<span zipline</的原因其实不难理解，它是众多主流在线平台如聚宽、同花顺Supermind和ptrade的底层基础。迁移策略代码到zipline意味着最小的投入成本。于是，我开始了对zipline的深入探索之旅。

选择<span zipline</的原因其实不难理解，它是众多主流在线平台如聚宽、同花顺Supermind和ptrade的底层基础。迁移策略代码到zipline意味着最小的投入成本。于是，我开始了对zipline的深入探索之旅。

然而，探索的结果并非皆大欢喜。首先，令人遗憾的是，<span zipline</并不支持Python 3.5以上的版本，尤其是对miniqmt兼容性有限。经过尝试，我发现py3.9版本安装过程中问题频出，相比之下，py3.10版本则较为顺利。对于那些对zipline感兴趣的朋友们，我建议直接选择py3.10版本。其次，zipline的官方更新已经停滞多年，这意味着使用它可能会面临大量的遗留问题和bug，需要开发者自行处理。

然而，探索的结果并非皆大欢喜。首先，令人遗憾的是，<span zipline</并不支持Python 3.5以上的版本，尤其是对miniqmt兼容性有限。经过尝试，我发现py3.9版本安装过程中问题频出，相比之下，py3.10版本则较为顺利。对于那些对zipline感兴趣的朋友们，我建议直接选择py3.10版本。其次，zipline的官方更新已经停滞多年，这意味着使用它可能会面临大量的遗留问题和bug，需要开发者自行处理。

更为棘手的是，zipline原生并不支持A股市场，需要开发者对其进行定制。然而，我发现网上的国人修改版往往基于更早版本的zipline，这意味着自己动手改造的成本将进一步增加。基于这些因素，我不得不做出放弃zipline的决定，至少在我当前的需求和条件之下。

更为棘手的是，zipline原生并不支持A股市场，需要开发者对其进行定制。然而，我发现网上的国人修改版往往基于更早版本的zipline，这意味着自己动手改造的成本将进一步增加。基于这些因素，我不得不做出放弃zipline的决定，至少在我当前的需求和条件之下。

以上是我对构建本地量化环境，特别是使用zipline的经验分享，希望对你有所启发。在寻找最佳解决方案的道路上，我们都需要不断学习和适应新的挑战。记住，选择适合自己的工具是关键，不断优化和迭代是实现高效量化的重要途径。

以上是我对构建本地量化环境，特别是使用zipline的经验分享，希望对你有所启发。在寻找最佳解决方案的道路上，我们都需要不断学习和适应新的挑战。记住，选择适合自己的工具是关键，不断优化和迭代是实现高效量化的重要途径。

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，文章到此结束，希望可以帮助到大家。