交易策略編程語言

㈠ 量化投資用什麼編程語言研發策略好呢

么以下我就以程序語言的角度來回答
當然如果已經會了某些語言,那你可以使用熟悉的語言去找網上的學習資源會比較快
如果沒有特別熟悉的語言,或者是願意多學一種非常好用的語言
我的建議是學習Python

我從以下幾點來分別說明

平台資源

國內外使用Python做雲端回測以及運算的免費平台相當的多,例如有 寬客在線，發明者量化，優礦, 等等不勝枚舉,可以使用平台的支持以及社區的互相幫助來學習

容易學習

綜合以上所說,"目前的環境底下" 我推薦Python.（推薦直接下載 Anaconda的集成開發環境）

㈡ 期貨量化交易編程怎麼弄

方法：1、前提是你必須有自己的期貨交易賬戶，每個期貨公司都可以開，現在不用出門就可以用手機在線開戶。
2、其次，要選擇合適的交易軟體。其中交易開拓者的軟體是最好編程的，很多交易團隊基本都在用這個軟體。確定賬戶和交易軟體。
3、剩下的就是如何用編程語言編寫策略，並將其輸入交易軟體。編程其實並不難。在程序化交易中，程序化只佔程序化交易的30%。好的編程可以簡化代碼，提高運行速度，增加交易策略的多樣性和完整性，實現一些復雜的策略。
4、如果沒有這方面的編程能力，可以參加期貨交易的相關培訓課程。另外70%主要是策略、倉位設置、交易品種選擇、程序化交易心態控制、網路設置等的組合管理。
拓展資料：
1、 戰略的確定。一個成功的量化交易系統的開發過程必須是恰當的。如何找到一個成功的量化交易策略，是構建量化交易體系的基礎。無論是基本面還是技術面，都可以用量化的方法進行分析，進而得出量化的交易策略。比如，從根本上說，GDP的增長和貨幣流通量的增加可以用定量的方法來分析和描述。技術上，移動平均線和指數smma是物理和化學策略思想的來源。
2、 經典理論。很多量化投資策略思路來源於傳統經典投資理論，比如經典商品期貨技術分析主要包括技術分析的理論基礎、道指理論、圖表介紹、趨勢基本概念、主要反轉形態、持續形態、交易量和倉位興趣、長期圖表和商品指數、移動平均線、擺動指數和相反意見、盤中點圖、三點轉向和優化點圖、艾略特波浪理論、時間周期等等。這些經典理論有的有具體的指標和具體的應用理論，有的只有理論，需要根據理論生成具體的應用指標來完成策略的測試。因此，經典投資理論可以通過量化思維將理論中的具體邏輯量化為指標或事件形成交易信號，通過信號優化檢驗實現經典理論的投資思路。這種方式可以有效實現經典理論，同時也可以從原有的經典理論中衍生出周邊的投資方法，是量化策略發展初期的主流模式。
3、 邏輯推理。邏輯學的戰略思維大多來源於宏觀基礎信息，其量化戰略思維是通過對宏觀信息的量化處理，梳理出符合宏觀基礎信息的量化模型。典型的量化策略包括行業輪動量化策略、市場情緒輪動量化策略、上下游供需量化策略等。這種策略思路來源非常廣泛，數據一般不規范，很難形成標准。目前，許多對沖基金都有類似的想法來生成量化策略產品。
4、 總結經驗。經驗總結是量化戰略思想的另一個主要來源。在使用量化策略交易之前，市場上有大量經驗豐富的投資者，其中許多人在長期穩定回報方面表現突出。因此，他們對市場的看法和交易思路成為了量化策略開發者的模仿對象，有經驗的交易者也願意量化一些他們覺得相對固化、能夠獲得穩定回報的交易策略，最終可以用機器自動交易，只監控交易。這可以大大減少交易中消耗的能量。在這個前提下，出現了一個與經驗豐富的交易者合作的量化策略團隊。
操作環境：iPad第九代15.1 交易開拓者4.5.2

㈢ 做量化交易選擇什麼語言好呢

量化交易，就是把人能夠識別的信息變成數字，輸入給計算機程序處理，輔助或者代替人類的思考和交易決策。

初學者碰到的第一個問題就是工具的選擇。首先大部分交易員本來不會寫程序，選擇任何一個語言進行策略開發，都有不小的學習成本。更重要的是，選擇了一門語言，接下來開發環境、人員招聘、數據介面與平台、甚至同類人群之間的交流、遇到問題後的支持，都跟著被「套牢」。所以從一開始就必須慎重對待。

先給出答案：對於還沒有確定一套固定量化環境的，建議用Python。

量化交易員面臨的大致選擇有：C/C++/java/C#/R/Matlab/excel等。我們從以下幾個方面考慮簡單做個對比。

注意：這里假設你團隊規模在50人以下。

1 學習成本和應用的廣泛性

C、C++的特點是速度最快，但要想用好，必須對計算機底層架構、編譯器等等有較好的理解，這是非計算機專業的人很難做到的，對於做量化交易來說更是沒有必要。

Java本來是SUN的商業產品，有學習成本和體系的限制，也不適合。

Excel面對GB級別的數據無能為力，這里直接排除。

Python、R和Matlab學起來都簡單，上手也快，可以說是「一周學會編程」。但R和Matlab一般只用來做數據處理，而Python作為一門強大的語言，可以做任何事，比如隨時寫個爬蟲爬點數據，隨時寫個網頁什麼的，更何況還要面對處理實時行情的復雜情況。

2 開始做量化分析後，哪個用起來碰到問題最少，最方便省事?

用歷史數據的回測舉例。假設我們有2014年所有股票的全年日線，現在我們想看看600001的全年前10個最高股價出現在什麼時候。python世界有個強大的pandas庫，所以一句話就解決問題：

dailybar[dailybar [『code』]==『600001』].sort_values([『close』].head(10)

R/Mathlab等科學語言也可以做到。

C/C++沒有完備的第三方庫。如果為了做大量的計算，要自己實現、維護、優化相應的底層演算法，是一件多麼頭疼的事。

Python從一開始就是開源的，有各種第三方的庫可以現成使用。這些底層功能庫讓程序員省去了「造輪子」的時間，讓我們可以集中精力做真正的策略開發工作。

3 現在我們更進一步，要做實時行情分析和決策

以A股的入門級L1數據為例，每3秒要確保處理完3000條快照數據，並完成相應的計算甚至下單。這樣的場景，C和C++倒是夠快了。所以行情軟體比如大智慧、同花順等客戶端都是使用高效率的語言做的，但像客戶端那樣的開發量，絕大部分量化交易機構沒能力也沒必要去做吧。

python的速度足夠對付一般的實時行情分析了。其底層是C實現的，加上很多第三方的C也是C實現，盡管其計算速度比不上原生C程序，但對我們來說是足夠啦。

4 quant離職了，他的研究成果怎麼辦

Python是使用人群最多、社區最活躍的語言之一，也是最受quant歡迎的語言之一。如果你是老闆，你能更容易地招聘到優秀人材，享受到python社區帶來的便利。

附幾個量化中常用的python庫：

- Pandas：

天生為處理金融數據而開發的庫。幾乎所有的主流數據介面都支持Pandas。Python量化必備。

- Numpy：

科學計算包，向量和矩陣處理超級方便

- SciPy：

開源演算法和數學工具包，與Matlab和Scilab等類似

- Matplotlib：

Python的數據畫圖包，用來繪制出各類豐富的圖形和報表。

PS: Python也是機器學習領域被使用最多的語言之一。像tensorflow、scikit-learn、Theano等等對python都有極好的支持。

㈣ 我想學股票期貨程序化交易編程，有誰知道程序化交易編程用哪種語言啊在網上看到C，VB，之類，要學哪種

。。。程序化交易。。現在都是期貨比較多。
建議學習金字塔，功能比較強大。。
直接進他們公司的網站學習吧。。簡單的編些程序都是比較簡單。。

㈤ 我想做一個股票自動交易策略軟體，請問哪種語言合適

進這個頁面，然後下面Java SE Development Kit 1.4.2_19有windows平台的，32位和64位都有，記得上面選accept : )
希望採納

㈥ 如何識別優秀的量化交易策略

1、交易時間。自己是否有時間進行日間交易？如果沒有，可能需要考慮隔夜持倉的交易策略。2、編程水平。你只會Excel還是可以寫Python、Java、C或者C++這些語言？如果只會Excel，可能做的交易策略會比用其他編程語言能做的交易策略簡單一些。需要澄清的是：簡單的未必是不好的。3、資金規模。小的資金規模能夠交易的股票數量少，同時也會限制對沖策略的規模，這都會影響交易策略的選擇。4、收益目標。你的收益目標需要綜合考慮持有期和收益持續性之間的關系。

㈦ quant 用什麼語言編程

Python是一門什麼編程語言，它的顯著優勢和劣勢分別是什麼
Python編程環境的快速搭建（包括包管理（現在pip正在被標准化），編輯器，以及調試工具）
Python最被廣泛認同的編碼規范和最佳實踐是什麼 (e.g., ('a' + 'b') VS. ''.join(['a', 'b'], 這一點被很多初學者所忽略（「為什麼不呢？反正我的代碼運行正確了。」），但是如果學習者最初花多一點時間來回答這個問題（「雖然有多種選擇，但是哪種選擇在這個時候最合適」），或者說建立起來這樣一種思考方式，你將很快的超越自己，成為別人眼中的專家。)

㈧ Python編程語言主要應用在什麼領域

Python是一門簡單、易學並且很有前途的編程語言，很多人都對Python感興趣，但是當學完Python基礎用法之後，又會產生迷茫，尤其是自學的人員，不知道接下來的Python學習方向，以及學完之後能幹些什麼?以下是Python十大應用領域!
1. WEB開發
Python擁有很多免費數據函數庫、免費web網頁模板系統、以及與web伺服器進行交互的庫，可以實現web開發，搭建web框架，目前比較有名氣的Python
web框架為Django。從事該領域應從數據、組件、安全等多領域進行學習，從底層了解其工作原理並可駕馭任何業內主流的Web框架。
2. 網路編程
網路編程是Python學習的另一方向，網路編程在生活和開發中無處不在，哪裡有通訊就有網路，它可以稱為是一切開發的「基石」。對於所有編程開發人員必須要知其然並知其所以然，所以網路部分將從協議、封包、解包等底層進行深入剖析。
3. 爬蟲開發
在爬蟲領域，Python幾乎是霸主地位，將網路一切數據作為資源，通過自動化程序進行有針對性的數據採集以及處理。從事該領域應學習爬蟲策略、高性能非同步IO、分布式爬蟲等，並針對Scrapy框架源碼進行深入剖析，從而理解其原理並實現自定義爬蟲框架。
4. 雲計算開發
Python是從事雲計算工作需要掌握的一門編程語言，目前很火的雲計算框架OpenStack就是由Python開發的，如果想要深入學習並進行二次開發，就需要具備Python的技能。
5. 人工智慧
MASA和Google早期大量使用Python，為Python積累了豐富的科學運算庫，當AI時代來臨後，Python從眾多編程語言中脫穎而出，各種人工智慧演算法都基於Python編寫，尤其PyTorch之後，Python作為AI時代頭牌語言的位置基本確定。
6. 自動化運維
Python是一門綜合性的語言，能滿足絕大部分自動化運維需求，前端和後端都可以做，從事該領域，應從設計層面、框架選擇、靈活性、擴展性、故障處理、以及如何優化等層面進行學習。
7. 金融分析
金融分析包含金融知識和Python相關模塊的學習，學習內容囊括Numpy\Pandas\Scipy數據分析模塊等，以及常見金融分析策略如「雙均線」、「周規則交易」、「羊駝策略」、「Dual
Thrust 交易策略」等。
8. 科學運算
Python是一門很適合做科學計算的編程語言，97年開始，NASA就大量使用Python進行各種復雜的科學運算，隨著NumPy、SciPy、Matplotlib、Enthought
librarys等眾多程序庫的開發，使得Python越來越適合做科學計算、繪制高質量的2D和3D圖像。
9. 游戲開發
在網路游戲開發中，Python也有很多應用，相比於Lua or
C++，Python比Lua有更高階的抽象能力，可以用更少的代碼描述游戲業務邏輯，Python非常適合編寫1萬行以上的項目，而且能夠很好的把網游項目的規模控制在10萬行代碼以內。
10. 桌面軟體
Python在圖形界面開發上很強大，可以用tkinter/PyQT框架開發各種桌面軟體!

㈨ 使用python做量化交易策略測試和回驗，有哪些比較成熟一些的庫

numpy
介紹：一個用python實現的科學計算包。包括：1、一個強大的N維數組對象Array；2、比較成熟的（廣播）函數庫；3、用於整合C/C++和Fortran代碼的工具包；4、實用的線性代數、傅里葉變換和隨機數生成函數。numpy和稀疏矩陣運算包scipy配合使用更加方便。
scipy
介紹：SciPy是一款方便、易於使用、專為科學和工程設計的Python工具包。它包括統計、優化、線性代數、傅里葉變換、信號和圖像處理、常微分方程求解等等。
pandas
介紹：Python Data Analysis Library 或 pandas 是基於NumPy 的一種工具，該工具是為了解決數據分析任務而創建的。Pandas 納入了大量庫和一些標準的數據模型，提供了高效地操作大型數據集所需的工具。pandas提供了大量能使我們快速便捷地處理數據的函數和方法。你很快就會發現，它是使Python成為強大而高效的數據分析環境的重要因素之一。
quantdsl
介紹： quantdsl包是Quant DSL語法在Python中的一個實現。Quant DSL 是財務定量分析領域專用語言，也是對衍生工具進行建模的功能編程語言。Quant DSL封裝了金融和交易中使用的模型（比如市場動態模型、最小二乘法、蒙特卡羅方法、貨幣的時間價值）。
statistics
介紹：python內建的統計庫，該庫提供用於計算數值數據的數學統計的功能。
PyQL
介紹： PyQL構建在Cython之上，並在QuantLib之上創建一個很淺的Pythonic層，是對QuantLib的一個包裝，並利用Cython更好的性能。

㈩ 要成為一名程序化交易員需要學習哪一種編程語言呢

首先，有2個門檻，1個，你不用任何程序，手動交易，都能確保你穩定盈利，回內撤少於10%，一旦容某次超過10%就是失敗，並且必須用自己的真金白銀，實盤操作。並且持續連續交易超過10年！沒一年虧損的。並且必須正收益，並且必須跑贏大盤，你就是及格的交易員。
2、程序化的，首先，你得所有理論的，實操的都及格，比如C C++ JAVA C# 匯編，並且要精通，比如資料庫，MYSQL，SQLSERVER，ORACLE等，並且你不用電腦，可以在紙上默寫出，能執行的程序，包含資料庫的，你就及格了，還有，打代碼也必須超過10年，否則也洗洗睡吧，因為金融的，很嚴謹，技術要求也超高，達不到，還是洗洗睡吧。
3、必須1個人能獨立完成。多人的，沒用。
4、必須處男或者處女，欲練神功，必須。。。