大家好，如果您还对量化交易平台 代码不太了解，没有关系，今天就由本站为大家分享量化交易平台 代码的知识，包括目前市面上的量化交易平台做到了什么程度的问题都会给大家分析到，还望可以解决大家的问题，下面我们就开始吧！

本文目录

1. python的量化代码怎么用到股市中
2. 目前市面上的量化交易平台做到了什么程度
3. 合约量化交 易软件哪个好

一、python的量化代码怎么用到股市中

2010~ 2017沪深A股各行业量化分析

在开始各行业的量化分析之前，我们需要先弄清楚两个问题：

第二，各行业自2010年以来的营收、净利润增速表现如何？

很好回答，我们使用JQData提供的获取行业成分股的方法，输入get_industries(name='sw_l1')

得到申万一级行业分类结果如下：它们分别是：【农林牧渔、采掘、化工、钢铁、有色金属、电子、家用电器、食品饮料、纺织服装、轻工制造、医药生物、公用事业、交通运输、房地产、商业贸易、休闲服务、综合、建筑材料、建筑装饰、电器设备、国防军工、计算机、传媒、通信、银行、非银金融、汽车、机械设备】共计28个行业。

要知道各行业自2010年以来的营收、净利润增速表现，我们首先需要知道各行业在各个年度都有哪些成分股，然后加总该行业在该年度各成分股的总营收和净利润，就能得到整个行业在该年度的总营收和总利润了。这部分数据JQData也为我们提供了方便的接口：通过调用get_industry_stocks(industry_code=‘行业编码’, date=‘统计日期’)，获取申万一级行业指定日期下的行业成分股列表，然后再调用查询财务的数据接口：get_fundamentals(query_object=‘query_object’, statDate=year)来获取各个成分股在对应年度的总营收和净利润，最后通过加总得到整个行业的总营收和总利润。这里为了避免非经常性损益的影响，我们对净利润指标最终选取的扣除非经常性损益的净利润数据。

我们已经获取到想要的行业数据了。接下来，我们需要进一步分析，这些行业都有什么样的增长特征。

我们发现，在28个申万一级行业中，有18个行业自2010年以来在总营收方面保持了持续稳定的增长。它们分别是：【农林牧渔，电子，食品饮料，纺织服装，轻工制造，医药生物，公用事业，交通运输，房地产，休闲服务，建筑装饰，电气设备，国防军工，计算机，传媒，通信，银行，汽车】；其他行业在该时间范围内出现了不同程度的负增长。

那么，自2010年以来净利润保持持续增长的行业又会是哪些呢？结果是只有5个行业保持了基业长青，他们分别是医药生物，建筑装饰，电气设备，银行和汽车。（注：由于申万行业在2014年发生过一次大的调整，建筑装饰，电气设备，银行和汽车实际从2014年才开始统计。）

从上面的分析结果可以看到，真正能够保持持续稳定增长的行业并不多，如果以扣非净利润为标准，那么只有医药生物，建筑装饰，电气设备，银行和汽车这五个行业可以称之为优质行业，实际投资中，就可以只从这几个行业中去投资。这样做的目的是，一方面，能够从行业大格局层面避免行业下行的风险，绕开一个可能出现负增长的的行业，从而降低投资的风险；另一方面，也大大缩短了我们的投资范围，让投资者能够专注于从真正好的行业去挑选公司进行投资。

「2010-2017」投资于优质行业龙头的收益表现

选好行业之后，下面进入选公司环节。我们知道，即便是一个好的行业也仍然存在表现不好的公司，那么什么是好的公司呢，本文试图从营业收入规模和利润规模和来考察以上五个基业长青的行业，从它们中去筛选公司作为投资标的。

3.1按营业收入规模构建的行业龙头投资组合

首先，我们按照营业收入规模，筛选出以上5个行业【医药生物，建筑装饰，电气设备，银行和汽车】从2010年至今的行业龙头如下表所示：

可以看到，虽然时间跨度很长，但是在这5个行业中，营收规模大的公司始终处于领先地位。它们分别是【上海医药，中国建筑，上海电气，工商银行，上汽集团】。

由于各年度上市公司年报的公布截止日是4月30日，待所有上市公司年报公布后，确定行业龙头，然后将这些行业龙头构建成一个投资组合。那么，持有投资组合的收益表现如何呢？为了保证投资时间的一致性，我们假设从2015年4月30号之后的第一个交易日开始投资，本金是100万，每个标的投资权重相同，都是20%，并且忽略交易成本，那么持有该组合至2018年4月30号的投资收益是多少呢？

我们利用JQData提供的获取行情接口get_price(security='股票代码', start_date='开始交易日', end_date='投资截止日', frequency='daily', fields=None, skip_paused=False, fq='pre')，分别获取组合中各个公司在各年度开始交易日和投资截止日（4.30之后的第一个交易日）的价格，得到最终的投资结果如下图所示：

可以看到，除了2015.5.4-2016.5.3股灾期间，该组合投资收益率和上证指数、沪深300指数有一个同步的大幅下跌外，从2016.5.3至2018年5.2，改组合连续两年获得了正收益，并在2016年大幅跑赢另外两个基准指数20%以上。

聪明的读者一定会问这样一个问题，如果我从2018年5月2号开始，投资100万买入这样一个按营收规模衡量的行业龙头组合，至2018年5月30号，收益表现会如何呢？答案是【3.04%】，而同期上证指数收益率和沪深300收益率分别是【-0.20%】和【-0.39%】，可以说表现非常之好了。具体收益如下表所示：

3.2按扣非净利润规模构建的行业龙头投资组合

如果我们按照扣除非经常性损益的净利润来衡量，以上5个行业从2010年至今的行业龙头又会是哪些呢，我们查出来如下表所示：

可以看到，按照扣非净利润来构建投资组合，医药生物和电气设备两个行业分别发生了行业龙头的更替，如果要构建基于扣非净利润的投资组合，那么我们就需要每年去调整我们的组合标的以保证组合中都是上一年度的行业龙头。和上述投资回测方式一样，我们从2015年5月4号买入这样一个组合，并在之后每年4月30号之后的第一个交易日调整组合中的行业龙头标的，最终的投资结果如下表所示：

可以看到，即使是2015.4.30-2016.5.3股灾期间，该组合也跑赢上证指数和沪深300指数3%左右；而2016.5.3至2018年5.2期间更是大幅跑赢两个基准指数高达30%以上。

同样的，如果从2018年5月2号开始，投资100万买入这样一个按扣非净利润规模衡量的行业龙头组合，至2018年5月30号，收益表现会如何呢？答案是【2.83%】，对比同期上证指数收益率和沪深300指数的【-0.20%】和【-0.39%】，仍然维持了非常良好的表现。具体收益如下表所示：

通过以上行业分析和投资组合的历史回测可以看到：

先选行业，再选公司，即使是从2015年股灾期间开始投资，至2018年5月1号，仍然能够获得相对理想的收益，可以说，红杉资本的赛道投资法则对于一般投资者还是比较靠谱的。

在构建行业龙头投资组合时，净利润指标显著优于营业收入指标，获得的投资收益能够更大的跑赢全市场收益率

市场是不断波动的，如果一个投资者从股灾期间开始投资，那么即使他买入了上述优质行业的龙头组合，在近3年也只能获得12%左右的累计收益；而如果从2016年5月3日开始投资，那么至2018年5月2日，2年时间就能获得超过50%以上的收益了。所以，在投资过程中选择时机也非常重要。

出自：JoinQuant聚宽数据 JQData

二、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。

三、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。

关于量化交易平台 代码的内容到此结束，希望对大家有所帮助。