已知国内量化平台的比较， Ricequant / 优矿究竟谁是下一个quantopian，哪家挖矿强？

国内量化方兴，忽然冉冉升起了数个量化平台，看出来都是走quantopian的模式，先从工具下手，到社区到众筹策略hedge fund。 Ricequant 和优矿是我观察走到最前面的，也是相对完善的两个平台。一边很想拿探讨下他们的优劣，一方面又很希望两者都能良好发展，给大家提供更好的东西。

有关回应 · 2021-5-26 10:53:37

实话说，水友聚集地。不黑不贬，我们是做这个行业的，公司里一般要求策略不可以拿到云端去跑，保密性不高，但偶尔有时间去看看大家都有啥有意思的想法，就目前观察结果来看，以科普和灌水居多，很多帖子以普及量化知识为主，有价值的策略并不多。
真实的量化交易以清洗数据、梳理数据为主，写代码做回测在实际工作中占比不大，贡献估计在20～30%左右，而另一方面我们平时写的代码复杂度远超过几根均线或者简单排序，有些时候Function需要自己定义，还需要很多自定义的过程，然而这些并不是最烦的，最烦的是需要分析原数据、检查缺失值和异常值，做大量的描述性统计分析，之后需要对数据结果进行反复的交叉对比和检查，以防出现未来函数或者数据错误，这类问题有时候是代码的问题，有时候是数据本身的问题，在云端跑最大的问题就是数据的质量无法确保。

有关回应 · 2021-5-26 10:53:38

[h1]以下信息希望能为大家提供帮助。[/h1][h1]盈时[/h1]成立时间：2016.06
服务：
1.选取参数，自动生成策略（需要购买次数）
2.购买别人的策略
语言：   Python
目标客户：   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。
优势：
1.对期货做策略（竞争少）
2.运用机器学习，理论更新颖
3.能够自己代入实盘
自动生成策略原理与简介： 通过设置参数，然后通过机器学习的方法，判断期货应该如何交易才能盈利。
备注：国内首个利用深度学习的人工智能量化平台

[h1]聚宽 [/h1]成立时间：   2015.05
服务：
1.选取参数，自动生成策略
2.可以自己编写代码，生成策略（有代码显示）
语言： Python， R
目标客户：   有经验的quant
数据库： 全面
回测用时：   分钟记（动图的形式）
支持的功能：
1.支持日级、分钟级回测
2.支持日级、分钟级、tick级模拟交易
3.免费提供A股行情、财务数据、指数数据、基金数据
优势：
1.期货，期权有数据，但得自己做
2. 支持回测中访问网络
3.社区活跃，有很多不错的ETF策略
4.有销售策略活动
5.Api丰富且友好
自动生成策略原理与简介： 通过设置的参数，不断筛选股票池里的股票，然后根据市场变动，判断是否进行操作。（打分法）
备注：
1. 门槛低，人人皆可为宽客
2. 可设置股票是否复权

[h1]优矿   [/h1]成立时间：   2015.10
服务： 可以自己编写代码，生成策略（有代码显示）
语言： Python
目标客户： 刚入门的quant，有编程基础
数据库：   全面
回测用时： 以秒记（动图的形式）
支持的功能：
1.IPython Notebook与回测引擎的整合可做参数优化
2.支持分钟线回测及日数据仿真交易
3.CAL库支持了不少常用的不常用的金融算法
4.可自定义library，复用自己的模块
优势：
1.数据全面
2.有比赛可以进行交流
3.有适用于高频交易的专业版
备注： 比赛的形式还是挺吸引人的

[h1]Ricequant[/h1]成立时间： 2014.12
服务：   需要自己编写代码生成策略
语言：   Python,Java
目标客户： 有经验的quant
数据库：   A股（2005年至今）
回测用时： 分钟回测
支持的功能：
1.针对 FOF 投资的 CRM 功能
2.支持用户分组
3.自动邮件提醒
4.数据更新选项
优势：
1.使用RQBeta回测绩效分析，结果展示丰富
2.视觉设计和文档做的非常棒，特别是回测结果页面，看着很舒服
3.定期举办比赛

[h1]BigQuant [/h1]成立时间： 2016.04
服务： 选取参数，自动生成策略（使用机器学习，并配有代码）
语言： Python
目标客户： 一般股民
数据库： A股
回测用时： 十分钟
支持的功能：
1.因子可供选择得很多
2.有基础知识教程
优势：
1.可供选择的因子多
2.门槛低
自动生成策略原理与简介： 选取参数后，使用历史数据，利用机器学习的原理考虑是否进行交易，在实盘时，用实盘日期，回测时用传入的数据。（机器学习）

[h1]镭矿   [/h1]成立时间：   2015.04
服务：
1.选取参数，自动生成策略
2.可以自己编写代码，生成策略
语言：   Java、Python
目标客户： 一般股民
数据库： A股（2012至今）
回测用时： 以秒记
支持的功能： 回测速度快
优势：
1.回测速度快
2.可以使用Java
自动生成策略原理与简介：   选取参数后，不断筛选股票，然后根据实际价格变动，判断是否进行操作。（打分法）
备注：   基础知识介绍偏少，但有相关代码介绍，有长短期的区别

[h1]果仁网 [/h1]成立时间：   2015.08
服务： 选取参数，自动生成策略（没有代码）
语言： 未知
目标客户：   一般投资者
数据库： 国内上市的A股和ETF
回测用时： 以秒记
支持的功能： 考虑对冲（vip）
优势：
1.因子选择界面感觉最舒服
2.回测快
3.将对冲考虑在内
自动生成策略原理与简介：   选取因子后，筛选出股票然后排名。一种是在每个交易日结束时卖出，然后买入想要的股票；另一种是卖出不符合的股票，买入合适的股票。（打分法）
备注：   界面用起来挺舒服，有长短期的区别

[h1]京东量化 [/h1]服务：
1.选取参数，自动生成策略
2.可以自己编写代码，生成策略（有代码显示）
语言： Python（Java还不能用）
目标客户：   一般投资者
数据库： 指数数据、京东大数据
回测用时：   以秒记、以动图的形式体现
支持的功能： 提供量化选股服务
优势：
1.回测速度快
2.可以量化选股
自动生成策略原理与简介： 选取因子后，筛选出股票。然后根据之前的数据，和今日实时更新的数据，判断如何对股票进行操作。（打分法）
备注： 无长短期分别，但有调仓周期

[h1]Factors[/h1]成立时间：   2016.11
服务： 选取因子，自动生成策略。
语言： 未知
目标客户： 一般股民
数据库： A股
回测用时： 无法回测
优势：
1.无需编程，自动生成策略。
2.综合运用多因子构建模型对股票进行评价
自动生成策略原理与简介： 选取因子后，筛选出股票。然后根据实时数据，判断是否交易。（打分法）

[h1]掘金 [/h1]成立时间：   2015.01
服务： 选取策略模版，手动编程
语言： C/C++、C#、MATLAB、Python、R
目标客户： 投资者、策略提供者
数据库：   全面
回测用时：   首次回测秒级完成，后续回测毫秒级完成
支持的功能：
1.统一的量化交易接口
2.一致的策略事件模型
3.完善的风险控制机制
4.多策略多账户支持
5.完整的策略生命周期管理
优势：
1.策略存放在本地，安全性高
2.可定制性强
3.定期举行比赛
备注： 支持tick数据

[h1]微量网 [/h1]成立时间： 2014.01
服务： 选取参数，自动生成策略（没有代码）
语言： 未知
目标客户： 一般投资者
数据库： 全面
支持的功能： 期货程序化CTA策略
优势： 有策略从上传到出售全流程链 自动生成策略原理与简介：   选取因子后，筛选出股票。然后根据实时数据，判断是否交易。（打分法）
备注： 国内首家采用策略云托管模式的投资平台

[h1]众量网 [/h1]成立时间： 2014.01
服务：选取参数，自动生成策略（没有代码）
语言： 未知
目标客户：   一般投资者
数据库： 全面
回测用时： 以秒记
支持的功能：   通过众包做量化投资策略，全视角，跨品种，多周期，无编程
优势：
1.品种多样化
2.效率高
自动生成策略原理与简介：   建立一个建仓条件，一个出仓条件，可以设置止损和分批建仓次序。然后看盈利多少（按行业分）
备注： 个人感觉做得太过粗糙

[h1]云量科技 [/h1]成立时间： 2015.11
服务：选择策略及交易账户层面的风控模块（即刻使用）
语言： 未知
目标客户： 投资者、策略提供者
数据库： 全面
回测用时：   以秒记
支持的功能： 量化投资策略开发、交易算法设计、投资咨询、移动互联网（投资类）应用开发
优势：
1.高模仿人类对话
2.超智能营销多维度精确锁定，主动出击唤醒
3.全网覆盖、7*24小时服务
备注： 是一个公司，提供机器人服务，不是量化投资平台

[h1]诸葛量化 [/h1]成立时间：   2016.12
服务：选取参数，自动生成策略（没有代码）
语言： Lua 目标客户： 投资者、策略提供者
数据库： A股
回测用时： 以秒记
支持的功能： 策略生成，策略购买；资产配置，条件选股
优势：
1. 快速生成策略
2. 自带遗传基因算法，智能优化策略
自动生成策略原理与简介：   选股方法有两种：打分法，趋势法（今日比昨日打分高就买进）。然后通过遗传算法改进策略，达到满意为止（有遗传代数限制），最终接入实盘。

[h1]量化大师（软件） [/h1]成立时间： 2013.08
服务：选取参数，自动生成策略（没有代码）
语言：   未知
目标客户： 一般投资者（散户）
数据库：   A股
支持的功能： 量化选股、策略回溯、策略提醒、程序化交易
优势： 效率高
自动生成策略原理与简介： 选取因子后，根据实时股价进行筛选，选出排名靠前的股票（个数自己设置），然后根据实时数据，判断是否交易。（打分法）
备注：   一款手机app

[h1]况客 [/h1]成立时间： 2014.12
服务： 提交数据，生成图表，检验信息的准确性
语言： R
目标客户： 投资者、策略提供者
数据库： A股
支持的功能： 针对 FOF 投资的 CRM 功能，支持用户分组，自动邮件提醒，数据更新选项
优势：
1.量化策略可根据用户需求灵活定制
2.操作简单
3.交易策略评估清晰明确
4.工具免费化
5.可网络调度
备注：   是对你手上已有数据的一个可视化处理，让数据看起来更加形象。

[h1]MindGo   [/h1]成立时间： 2017.02注册商标
服务：   需要自己编写代码生成策略
语言：   Python
目标客户：   投资者、策略提供者
数据库：   A股
回测用时：   以秒记
支持的功能： 数据研究、策略回测、模拟交易、自然语言选股/回测
优势：
1. 数据齐全
2. 支持tick回测
3.支持自然语言回测
4.定期举行比赛

[h1]BotVS   [/h1]成立时间： 2015.07
服务：需要自己编写代码生成策略
语言： JavaScript、Python、云端编写
目标客户：   投资者、策略提供者
数据库： 全面
回测用时： 以秒记
支持的功能： 回测、实盘模拟交易、实盘接入交易
优势：
1.模块化策略开发
2.策略分享机制
3.P2P模式策略租用机制
4.实盘公开展示
5.支持三大金融市场

[h1]DigQuant（点宽）   [/h1]成立时间： 2004年
服务：   需要自己编写代码生成策略
语言：   MATLAB
目标客户： 投资者、策略提供者
数据库： 全面
回测用时：   以秒记
支持的功能：
1.基于 MATLAB 的量化策略
2.支持股票、期货的策略研究和程序化交易（是一个软件Auto-Trader Pro）
3.量化研究文章分析
优势：
1.其核心架构与微软 Azure 云架构深度整合
2.社区内有《中国证券期货》杂志专栏
备注：
1.基于 MATLAB 的量化策略
2.核心产品主要是巴别塔实时协作平台系列软件产品

[h1]OpenQuant[/h1]成立时间： 1997年
服务： 需要自己编写代码生成策略
语言： C#
目标客户： 能提供投资方案的投资策略编写者
数据库： 全面
支持的功能： 交易策略创建开发、策略回测、参数优化、策略运行及风险监控。
优势：
1.可构建大型对冲基金级量化交易解决方案
2.专业用户可扩展全新功能
3.丰富的金融函数及专业软件对接能力

[h1]中量网-交易王   [/h1]成立时间： 2012年
数据库：   全面
支持的功能： 中量金融、中量股票、期货仿真、期货实盘、策略商城

[h1]i量化 [/h1]成立时间： 2015.01
数据库： 全面
支持的功能： 量化交易、金融咨询、社交、在线教育
优势：
1.拥有海外量化投资最专业的平台
2.提供开放的社区和在线教育服务
[h1]quantopian [/h1]服务： 可以自己编写代码，生成策略（有代码显示）
语言： Python
数据库：   US equities futures（最早2002）
回测用时： 分钟记（动图的形式）
支持的功能： 回测、实盘模拟交易、实盘接入交易
优势： 能够借助他人做实验检测

[h1]quantconnect [/h1]服务：   可以自己编写代码，生成策略（有代码显示）
语言：   C#、F#、Python
目标客户： engineer
数据库：   股票外汇基金期权期货（US）
回测用时： 分钟记（动图的形式）
支持的功能： 回测、实盘模拟交易、实盘接入交易
优势：
1.可以很方便地将自己的策略应用到实际中
2. lean（Lean Algorithmic Trading Engine）基于C#的算法交易平台的运用和介绍

[h1]quantstar   [/h1]服务：   Qstrader的引入
语言： Python
支持的功能： 回测、实盘模拟交易、实盘接入交易
优势：   有3本书籍介绍

[h1]zulutrade   [/h1]服务：
1.你可以成为交易者（提供策略）
2.你可以跟随他人的策略
3.策略基于外汇，二元期权
语言： Java
目标客户： 一般金融爱好者、engineer
数据库：   外汇、二元期权
支持的功能： 外汇策略交易
优势：   专门做外汇方面的

[h1]quantbedia   [/h1]服务：   搜索合适的策略使用，编写策略上传
语言：   Python
数据库： 几乎所有的数据都有
优势： 一个很明显的策略交易平台

[h1]algotrading101[/h1]服务： 讲解机器学习应用到策略中（主要是教学）
优势：   运用了机器学习

[h1]investopedia [/h1]服务：   股票，外汇模拟交易（教学）
数据库： 股票  外汇
优势： 教导新手做相关模拟交易

[h1]Amibroker[/h1]服务：   一个系统化交易的平台
语言： formula language
数据库： 股票  外汇
优势：   比较全面，功能齐全，速度快

有关回应 · 2021-5-26 10:53:39

不请自来，这三家量化平台在国内起步都比较早，之所以很多知友好奇到底哪一家会成为下一个Quantopian，其原因就是这三家平台模式类似国外的Quantopian 。

国外的Quantopian已经做了6、7年了，但现在其实真实有效用户也有限，也没有做到垄断大一统的局面，面临的竞争对手很多：QuantStart、quantiacs、algotrading101、autotrading、wealth-lab等等。现在量化平台的行业现状就是这样，太多的量化平台，而且同质性极强，以国内的几家可看出，用户在各个平台的转换难度不大。
探讨哪家成为Quantopian其实并没有意义，真正重要的是：如何为用户创造更大价值？如何让用户能够跟上量化交易的时代浪潮，尤其是现在人工智能技术迅猛发展的当下。如果说过去的量化投资是冷兵器时代，那么现在已经进入了飞机大炮时代，只有拥有先进的技术工具才能处于更有利的位置。对使用机器学习、深度学习等人工智能技术运用在量化投资感兴趣的知友可以关注 BigQuant - 人工智能量化投资平台 .
【我们不一样】
在投资中，高层制定战略，确定投资大方向；中层制定策略，在战略方向下做出最优策略；基层交易员是做好快速高效的执行。
传统量化/程序化主要是优化执行层面，比如根据经验规则选出挑选股票或者根据预定条件执行交易，但是规则或者条件的制定属于策略层面，还是需要人来做。
人工智能能够在策略层面赋能，提升策略制定的效率和效果：

在投资战略大方向下，AI将制定最优的投资策略
AI更可复制和扩展，个人一般只能做好一个最多两个投资类型，AI可以用于任何投资方向
能避免人性的弱点带来的在投资决策中的不确定性

有关回应 · 2021-5-26 10:53:40

目前高票真不很知名完全搞错了这两个平台的用途。

首先本身量化交易由于交易市场的特殊性，不存在和其他行业一样竞争越激烈越有可能使整个社会全面进步，而是一个人只要有能盈利的策略就可以稳割韭菜。

所以这种平台是为了干什么呢？肯定是为了吸引用户啊……吸引用户是干什么呢？肯定不是为了找最优策略吧……大家都是小怪，碰撞不出什么高端策略……

说白了以后肯定要利用媒体等商业模式变现啊，所以这两个都是社交平台呀。

有关回应 · 2021-5-26 10:53:41

讲起，你说的这些平台跟quant没啥关系，他们最多就算个自娱自乐的平台，销售快乐

已知国内量化平台的比较， Ricequant / 优矿究竟谁是下一个quantopian，哪家挖矿强？

5 个回复