ricequant量化策略一般用什么平台回测？分别有什么优劣势

Quant 应该学习哪些 Python 知识

1. 如果还需要Deep Learning方面的东西的话，可以考虑Theano或者Keras。

这两个东西可能会用在分析新闻数据方面。

不过不是很推荐使用这类方法去做量化模型，因为计算量实在是太大，成本很高。

2. 交易框架方面，除了vn.py，还推荐PyAlgoTrade框架，github上可以搜到。

私以为这个框架比vn.py牛逼太多了，毕竟是一个在金融IT领域混迹近20年的老妖的作品，架构设计不是一般的优秀。

3. 国内的话，ricequant是个不错的选择，虽然使用的是Java，但是团队我见过，都是做金融IT出身的，基本上都有7、8年以上经验，底层功底非常扎实，做事情都很靠谱。

现在他们也在考虑把SDK扩展到Python这边。

4. 国内的行情和交易接口，使用的是自己的协议（比如CTP接口使用的是FTD协议），而不是国际上广泛使用的FIX协议，并且都不开源。

如果需要连接行情，还需要考虑将接口SDK为python封装一下。

（修改：评论中有人提到很多券商也开放了FIX接口，不过似乎是在内网使用）5. 有人谈到数据库了，这里我也说一下，对于高频tick级别的数据，其量级可以达到每天TB级别，普通的关系数据库是扛不住的。

如果试图使用传统的关系数据库，比如Oracle之类的可以省省了。

对付这种级别的数据，采用文件系统+内存索引会更好。

不过这种场景，一般也就是机构里面能碰到了，个人quant可以不用考虑。

量化投资国外最新发展动态？

前几天刚去参加过一个上海的量化投资和高频交易的高峰论坛，目前国外和台湾在这块做的都是非常领先的。

向国内一提到量化投资，想到最多的仅仅是程序化交易，而程序化交易仅仅是量化了成交量以及价格等市场因素，国外那边对于基本面量化等等都有了很系统的一套解决方案，包括风险的量化，尤其是重中之重。

量化策略一般用什么平台回测？分别有什么优劣势

盈时量化策略回测平台，不会编程也能玩转量化。

盈时“策略机器人”集策略智能生成、策略评估、筛选优化、批量生成等功能于一体的交互式策略生成平台。

平台以计算机智能生成算法为核心，使用了机器学习、模式识别、统计学、可视化技术等人工智能技术，包含策略构建模块、混编计算模块、策略绩效优化模块等组件，在策略优化方面使用了高效的遗传编程与NSGA-II等算法，进而充分利用CPU多核心性能，实现多进程同步高效生成策略。

语言：Python 适用人群：期货投资者（有无编程基础都可） 数据库：期货 回测用时：需要排队分钟记 支持的功能：支持将策略使用在交易开拓者的平台，属于实盘交易。

策略给出建议，但需要自己手动确定进行买卖。

自动生成策略原理与简介：通过设置参数，运用机器学习的方法，一键生成源码策略。

备注：国内首个利用深度学习的人工智能量化平台，不懂编程也能做量化。

盈时，专注于为客户提供高品质的量化交易技术咨询服务和领先的量化交易产品，是一家从事金融数据分析、金融软件开发、程序化交易算法与交易策略研究等业务的科技公司。