a股策略回測用什么軟件好？求問各位大神們有沒有可以選股 回測的股票軟件

最近，小編發現不少網友在網上搜索a股策略回測用什么軟件好？求問各位大神們有沒有可以選股 回測的股票軟件這類內容，所以小編也是為此幫大家整理出了下面這些相關的內容，不妨和小編一起看看吧？

1，求問各位大神們有沒有可以選股 回測的股票軟件

也可以試試新推出的 千投量化網址就是拼音全拼你好！也可以試試新推出的 千投量化網址就是拼音全拼僅代表個人觀點，不喜勿噴，謝謝。回測的軟件可以選擇贏者交易師，但想買在底站是一定風險。如果您所期望的支撐位破了怎么辦？還會有新低。當然，贏者交易師也可以選出來供您參考。

2，量化策略一般用什么平臺回測分別有什么優劣勢

國內有三個比較好的平臺，優礦，米筐，聚寬，都可以，覺得只要自己用的習慣就好數庫多因子量化平臺挺不錯的，操作挺便捷的，界面簡潔，分析圖直觀易懂。我在上面自己制定了投資策略，模擬選股，還挺有意思的。像我這種小白，可以在這樣的平臺慢慢摸索自己的投資策略；大神們也可以把自己的策略放上去，驗證一下，應該挺有用的。這應該就是回測吧。至于優劣勢，我沒有用過別的，學生黨一枚，這個是通過同學推薦我用的，聽說他們這個平臺對高校的學生有優惠政策什么的，說是提出意見或建議，被采納的話有獎勵呢，我同學比我強，收到了50元的話費，直接到賬啊，眼紅。。。我只能幫你到這兒了。別的不會了。。。采納下吧親。

3，A股量化交易回測引擎哪家做的比較好

看到樓上的回答，我來介紹一下JoinQuant吧。不同于傳統的量化工具，JoinQuant采用基礎功能免費+互聯網模式+云平臺+強大的社區的模式來做量化平臺。目的在降低量化交易的門檻，讓人人都能夠接觸并成為寬客。目前我們沉淀了一定的策略庫，如：MACD、KDJ、指數平滑均線、上影線與下影線、羊駝、布林線、威廉指標、均線策略等等。可以直接登錄JoinQuant，在社區中一鍵克隆。JoinQuant是為量化愛好者（寬客）量身打造的云平臺，我們為您提供精準的回測功能、高速實盤交易接口、易用的API文檔、由易入難的策略庫，便于您快速實現、使用自己的量化交易策略。我們的創始團隊具有豐富的金融、互聯網從業經驗，既有超過10年炒股經驗、持續跑贏大盤的炒股大師，也有多年從事基金、證券行業的金融精英，還有BAT的技術大牛，我們致力于打造最高效、易用的量化交易平臺。聚寬（JoinQuant）的做的不錯，基于Python的，我是程序員，上手挺快的，你可以試用下。再看看別人怎么說的。

4，量化選股策略的創建和回測哪個工具好

策略的最大資金容量和量化策略的回測收益、波動等數據沒有太直接的關系。策略的最大資金容量如何確定是個偏實際應用的問題，一般的策略最大資金容量你很難說出一個具體的準確的數字是多少。在考慮策略最大資金容量時，可能考慮到的因素有1策略本身的邏輯，2策略交易頻率，3策略交易品種的日內總成交量和總持倉量，4策略交易品種的瞬時掛單量，5資金的風險偏好，6市場上同類型策略的資金容量等等。今天有空接著之前的繼續寫一個完整的策略在交易時可以分為以下三步：1建倉入場2持有3平倉出場1、3這兩個過程，持續的時間越長，交易品種的總成交量越大，那么策略在交易時的沖擊成本就越少，容量也就越大。所以高頻交易容量在2這個過程中，由于價格的波動會出現賬面上的獲利和虧損。這就引出來了第二個總要因素，資金的風險偏好。一般來說，越大的資金對風險的厭惡程度就越高。 所以期貨趨勢類策略容量 市場常見的策略類型及其資金容量： 高頻交易 100萬——1000萬 期貨趨勢策略 100萬——數千萬 期貨品種間套利策略 1000萬——數億 純股票策略 數千萬——數百億 Alpha類股票策略 數千萬——數十億

5，選股策略回測用 Matlab 好還是用 Python 好

首先十年的日級別數據量的確不大，使用Python來說的話不應該出現memoryerror，應該是在編程方面需要再多留意，我們在Ricequant上使用的分鐘數據大概是200-300個GB左右，也是Python和Java共同合作完成的。語言只是一個語言，興許會有各種語法的不同，但是在談語言的時候我們需要了解背后的工具箱和社區，以及它為什么處理一些事情比另外的一些語言要好。本身Python初期用來做金融回測等是應該被放棄的，用來開發策略也應該是被放棄的，因為相比matlab的矩陣運算來做開發，實在是太方便了。只不過后來Python推出了series、pandas等一系列的強悍library，pandas的語法基本在“無恥”地模仿matlab和R，而pandas的開發者正是美國大名鼎鼎的對沖AQR，因此使data crunching和對數據的一些操作大大便利，此外，又包裝了海量的開源社區的數學和科學計算庫，也能處理各種的machin learning等等的問題。從科學計算的語言的發展來看，從最初的人們對浮點數計算的需求加入了fortran，再一路進行，讓工具更加的讓科學計算容易再容易（Python也封裝了大量早期的數學家們用fortran寫的數學計算基礎庫，這些經歷了幾十年的考驗、加速等等）：我們來看下python目前的科學技術棧：numpy: basic array manipulation - 基礎的數組處理scipy: scientific computing in python, including signal processing and optimization - 科學計算，包括信號處理和優化等matplotlib: visualization and plotting - 幾行代碼就可以做圖形化顯示了IPython: write and run python code interactively in a shell or a notebook - 互動式編程環境，這是能將來替代掉matlab的一個必備，即在一行一行代碼的輸入、顯示過程中學習、改進pandas: data manipulation - 最重要的矩陣運算等scikit-learn: machine learning - 機器學習但是隨著以后的發展Python的開源屬性就會體現的越來越強大，可以讓更多的人享受到其便利和貢獻進來，包括Quantopian也放出了zipline的python回測框架，只需要引入yahoo數據即可進行回測，并且Python的速度由于跟C的很好的結合可以達到非常快的速度，而且可以將來和其他系統很容易整合對接實盤交易接口。由于歐美已經有很多的投行和對沖在往Python的技術棧靠攏，因此選擇了Python即掌握了一門重要的工具，并且無需跟一家私有化公司進行捆綁。當然，最后的最后，所有的python回測你都可以來Ricequant - Beta上完成，我們支持海量的市場、財務數據，還有不斷加入的和大數據公司合作的輿情數據等等，同時策略回測完還可以做實時模擬交易，享受到實時數據的計算。在云平臺上已經支持了幾乎所有的Python科學計算庫，無需花時間安裝、測試等等。語言就是用來干活的，中間文件用HDF5或者csv轉存，需要時間序列分析的時候上R.畢竟Python的sm庫還是很爛的，但是PCA和大量的多因子計算，Python R MATLAB都差不多。 回測講究并發效率和一些多參數回測的參數調優以及一些MC方法的估計時，py運行效率(相對于MATLAB)會高一些總體來說，別太把語言當回事，就跟吃飯用筷子還是勺子還是叉子，要根據食材來我沒錢，支持免費開源拋開版權不說，初期入手策略測試、數據分析用matlab非常方便但是策略測試方法、框架弄清楚后，要做正規的回測，還是python方便，這里的正規是指嚴格的事件流驅動，雖然速度慢，但是避免未來函數影響、接近實盤的邏輯。python在這方面已經有很多庫了，quantopian的zipline應該算鼻祖了，國內的優礦網和ricequant都跟zipline很像，另外還有知乎大神的zn.py，pyalgotrade等

以上就是有關“a股策略回測用什么軟件好？求問各位大神們有沒有可以選股 回測的股票軟件”的主要內容啦~