大家好，今天来为大家分享量化交易平台quant的一些知识点，和国内主流的量化平台都有哪些的问题解析，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. 在国内做quant,需要怎样的水平及发展路线呢
3. 国内主流的量化平台都有哪些

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、在国内做quant,需要怎样的水平及发展路线呢

1、有人来咨询国内量化机构的定位，我发现一个问题，大家好像都在衡量自己跟那些头部机构有哪些可能匹配的点，一谈就是九鼎啊，或者是对魔方XX的岗位工作感兴趣，如果是一流的背景没问题，我可以陪你聊啊。但我的建议是，不要只看不做，不大不小。我也喜欢和大单位合作，但对于求职者来说，还是要找适合自己的人，不用太辛苦，工资肯定能达到自己的预期。

2、有些求职者过于谨慎，明明自己的教育背景、工作经验都很优秀，却不敢进一步去闯一闯，可能是不知道从哪里听到的建议，觉得很孤独，我觉得实在没必要想得太复杂。自从磨刀霍霍决心走量化之路，就一直没有停止。有的时候Match会怀疑Match是否适合做量化，也有的时候Match想过放弃。现在回过头来看，发现自己已经做得很好。同时，我也感叹时光飞逝。作为一只量化金融狗，有太多的东西需要学习。

3、现在我稍稍冷静下来，就抽出时间在这里写下我这几年的学习和实习经历，回顾自己的经历，激励下一个人（如果有的话），并告诉每个对量化感兴趣的人：你不是一个人在战斗。交易策略研究包括选股、计时、套利。选股主要是基于α和β策略。在择时方面，目前国内流行机器学习的择时建模，如SVM和神经网络。目前，这项工作多见于证券期货公司的研究部门（金融工程组）、自营部门（量化交易）和资产管理部门。

4、小编针对问题做得详细解小编针对问题做得详细解读，希望对大家有所帮助，如果还有什么问题可以在评论区给我留言，大家可以多多和我评论，如果哪里有不对的地方，大家也可以多多和我互动交流，如果大家喜欢作者，大家也可以关注我哦，您的点赞是对我最大的帮助，谢谢大家了。

三、国内主流的量化平台都有哪些

特点：支持外部数据的购买，数据较多，有聚源等提供的，较靠谱

地址：

地址：

特点：可订阅别人策略和看到别人策略回测图

特点：支持数字货币，比如比特币

其他：目前网站只有架子，很多栏目是空的，突出了人工智能，但没看到具体策略。

地址：

地址：

地址：

地址：

特点：只有数据，非量化策略平台

OK，关于量化交易平台quant和国内主流的量化平台都有哪些的内容到此结束了，希望对大家有所帮助。