各位老铁们，大家好，今天由我来为大家分享量q量化交易平台，以及中国国内有哪些值得去的量化私募/量化对冲基金的相关问题知识，希望对大家有所帮助。如果可以帮助到大家，还望关注收藏下本站，您的支持是我们最大的动力，谢谢大家了哈，下面我们开始吧！

本文目录

1. 中国国内有哪些值得去的量化私募/量化对冲基金
2. 什么软件可以程序化交易
3. 大模型量化之 AWQ 方法

一、中国国内有哪些值得去的量化私募/量化对冲基金

1、中国境内，量化私募与对冲基金的世界宛如璀璨星河，每一颗都在独特的市场环境中绽放光彩。以下是2023年12月22日更新的国内顶尖量化私募机构概览，为有志于投身这一领域的专业人士提供了丰富的机遇。

2、灵J投资（AUM超600亿），总部在北京，其投研实力由斯坦福双硕士背景的总监领军。这里为资深Quant、PM和Dev提供极具竞争力的奖金，是寻求挑战和成长的绝佳平台。

3、九K投资（AUM近700亿），四度荣膺金牛奖，其创始人背景强大，清华大学与华尔街的双重熏陶。招聘Senior PM和Quant Research（QR），其IT设施堪称行业翘楚。

4、JQ投资，上海与北京双城联动，聚焦股票和期货市场。招聘名校博士及拥有外资背景的Quant，团队稳定且奖金丰厚，为你的专业成长提供广阔天地。

5、诚Q资产（北京、上海、深圳）凭借450亿的资产管理规模，专长于Alpha策略，热衷于招聘Quant和PM，高额奖金彰显其对人才的重视。

6、明H投资（多地分支）的管理规模超过700亿，专攻股票中性策略，对外资经验丰富的QR和开发者敞开怀抱。

7、衍F投资（上海）作为大型量化私募，虽然具体岗位详情未详，但其规模和实力不容小觑。

8、此外，还有亿+公司，由量化领域的大牛创立，主打Alpha和指数增强策略。他们热衷于招聘清北毕业生，尤其是0-3年经验的Quant及1年以上量化私募或互联网C++开发者，为员工提供良好的职业发展路径。

9、纽约头部量化基金以其薪酬增长、自由空间和明确的分红权吸引着人才。他们招聘Quant Developer，经验要求2-3年，有机会申请绿卡，展现其全球视野和对人才的吸引力。

10、中小型私募同样活跃，如启L（AUM 230亿），以上海为大本营，团队精英众多，IT部门出色。投研总监的物理学和金融背景，以及丰富的论文发表，彰显其深厚的学术底蕴。

11、SJQY资产（200亿）在深圳，扁平化团队和优厚奖金分红令人向往，其创始人在高频和低频策略上均有深厚功底。

12、聚K投资（百亿规模）在北京，创始人曾赢得ACM竞赛奖，量化交易经验丰富，为有志者提供坚实的实战基础。

13、TQ私募则跨越中美，交易全球，招募日内Alpha和Infra Quant，为全球视野的从业者提供机会。

14、乾X投资，知名百亿私募，双城办公，招聘范围广泛，包括Senior Quant/PM、C++ developer和强化学习Quant，对统计/CS背景的1+年ML Engineer极具吸引力。

15、对于那些希望深入了解的投资者，不妨通过微信authorwang联系，或将简历投递至mikewang@jiujianhr.com，九鉴咨询将提供深度分析、团队介绍和薪酬洞察等专业服务，助你找到理想的量化之旅。

16、这些私募不仅代表了中国的量化力量，更是行业发展的风向标，为有才华的金融专业人士铺设了无限可能的道路。每一步前行，都将引领你探索量化世界的无穷奥秘。

二、什么软件可以程序化交易

我做了5年程序化交易，每年稳定盈利30%。我来回答这个问题

首先，我不清楚楼主想做股票程序化还是期货程序化。如果是期货程序化，那国内有很多平台，我来介绍一下。

WH8：文华财经旗下的软件，使用麦语言编程，编程方法简单，非常适合初学者上手，学习一天就可以编写简单的交易策略了，而且这款软件整合了很多交易指令和函数，虽然简单却可以编写很好的策略。不过这款软件如果实盘是需要收费的，一年7800.模拟盘免费，非常适合学习。推荐六星：******

WH9:文华财经旗下的软件，使用宽语言编程，这是一种类似于C++的编程语言，初学者学习起来相对复杂，优点在于可以实现相对复杂的算法，编写复杂的策略，也可以编写对冲套利，高频算法交易等策略。实盘收费一年12000.非常适合机构或者有编程基础的人学习。推荐5星：*****

TB开拓者：这是一款比较开放的软件，使用的也是类似于C++的编程语言，和宽语言类似，大部分是相通的。这款软件没有年费，不过对于每笔交易需要额外支付一定的手续费。TB在国内用的很多，有很多的学习资料和策略。也可以实现复杂的算法交易，对冲交易，高频策略等。适合小散户并且学习能力强的人。推荐5星：*****

金字塔：这款软件有类似于麦语言的相对简单的编程方法，同时也可以使用python高级语言来编写相对复杂的策略，软件年费3800。适合没有编程基础的人员学习。推荐5星：*****

快期天勤量化：快期旗下的量化平台，使用python编程语言，这个相对于C来说更简单一些，但是比文华的麦语言要复杂很多，目前天勤量化是免费的，实盘也可以免费。Python是高级语言，同样可以编写非常复杂的算法交易，对冲交易，高频交易等。而且天勤量化有K线数据支持，不需要自己处理数据问题。只是目前的学习资料较少。用的人不是很多，但是有大型机构再用。适合有编程基础的人学习。推荐5星:*****

VN,PY：这是一个开放的平台且免费。使用python编程语言，可以实现数据分析，数据处理，机器学习，算法交易。目前很多选股的策略都在用这个编写。学习起来相对复杂，需要有专业的python编程能力，需要自己处理K线数据，对接交易所接口。非常麻烦。不过可以实现数字货币的程序化交易。不适合没有编程基础的人学习。推荐4星：****

QUNT:这是一个开放的平台，也是用python编程语言，同样可以编写各种算法交易，机器学习。目前在这个平台上大多是选股策略。这个学习起来也相对复杂。对编程能力有较高要求。不适合初学者。推荐4星：****

以上就是国内比较有名的几款量化程序化交易软件。

如果要是做股票，目前国内还没有专业的股票程序化平台，同花顺可以实现模拟盘的程序化交易，如果你一定的资金规模可以自己建立一个程序化平台，目前大多都是有python语言来搭建交易平台。可以用

针对期货的：因为每个程序化软件都有相应的优点和缺点，也相应有一批忠实的用户。

三、大模型量化之 AWQ 方法

大模型量化新突破：AWQ方法引领性能与效率的双丰收

由MIT、SJTU和清华大学联合研发的AWQ（Activation-aware Weight Quantization）方法，是大模型领域的一项革新性探索。AWQ的独到之处在于其基于对模型权重重要性的深入理解，只保护1%的显著权重，显著降低了量化误差，保持了大模型在不同任务和模式上的卓越泛化能力。相较于传统方法，AWQ无需依赖反向传播或数据布局调整，从而避免了过拟合和额外的硬件开销。

AWQ的核心策略在于，它认识到并非所有权重都具有同等影响力。通过保留1%具有高激活值的权重，保持在FP16精度下的精确性，模型性能得到了显著保护。不同于单纯基于权重的量化策略，AWQ发现根据权重激活值选择权重能带来显著的性能提升。

尽管保留显著权重的FP16量化策略提高了模型效果，但其对硬件效率的友好性却有所牺牲。这与LLM.int8方法类似，但AWQ通过激活感知的缩放策略，巧妙地平衡了量化损失与性能提升。通过启发式规则和自动搜索最佳缩放比例，AWQ确保了重要权重得到充分表示，同时限制了非显著权重的量化影响。

在实现上，AWQ摒弃了GPTQ的矩阵-向量（MV）乘法，转而利用A100和H100的高效张量核心内核，实现了1.45倍于GPTQ的在线反量化速度，进一步优化了计算效率。在实际应用中，AWQ在MMLU和Common Sense数据集上，显著优于RTN和GPTQ，展示了其在不同模型尺寸和精度下的通用性。

在指令微调的Vicuna 7B和13B模型上，AWQ同样表现出色，超越了RTN和GPTQ。在量化速度上，4-bit的AWQ方法比3-bit的GPTQ快1.45倍，是Triton实现的GPTQ的2.4倍，展现了其在模型推理性能上的显著提升。

AWQ的成功证明了，通过激活感知的量化策略，能够在保持性能的同时，兼顾硬件效率，为大模型的量化带来新的可能。它不仅在理论和实验上超越了现有的大模型量化方法，如LLM.int8、SmoothQuant和GPTQ，更是为大模型的未来优化开辟了新的道路。

尽管本文提供了AWQ方法的深入剖析，我们期待更多研究者和开发者探索更先进的量化技术，共同推动大模型时代的性能和效率边界。如果你对这个领域感兴趣，不妨进一步探索江峰NLP的其他量化方法，如LLM.int8、SmoothQuant和GPTQ，以期在实践中找到最适合你需求的解决方案。

好了，文章到此结束，希望可以帮助到大家。