自己做量化交易，關(guān)于量化平臺的選擇

在個人量化平臺的選擇上，我感覺還是有點發(fā)言權(quán)的O(∩_∩)O哈哈~
我現(xiàn)在是一名自由職業(yè)類型的個人量化交易員，職業(yè)交易這種類型的，俗稱“xx養(yǎng)家”。我用過的量化平臺大致上分為兩類，一類是相對資歷較老的專量化投資工具集平臺類，如老牌的掘金、天軟、期貨市場的文華、開拓者等等，

其實最早量化投資只是一種泛泛的叫法，比如巴菲特的數(shù)量化投資理念，亦是一種量化投資的形式。
關(guān)于量化投資，我認(rèn)為最重要的就是數(shù)量化的分析決策思維是最重要的，談到數(shù)量化分析，就離不開數(shù)量化分析的工具，這里面從基礎(chǔ)數(shù)據(jù)分門別類的儲存、清洗、加工，到數(shù)據(jù)集發(fā)掘復(fù)現(xiàn)歷史規(guī)律的拓展研究，這里面的相關(guān)門道，浩如煙海，并非普通個人力所能及。
我個人認(rèn)為只要是幫助投資者，進(jìn)行數(shù)量化分析決策思維的工具，這一類的軟件功能、工具集、插件等等。都應(yīng)算做量化投資相關(guān)素材。
因此，開始越來越多的量化交易工具研究人員，嘗試合作抱團(tuán)。有一些團(tuán)隊嘗試著將這些工具集、量化交易的相關(guān)素材集成在了某一套系統(tǒng)上，并對外開放使用或者商用，這就形成了“量化交易平臺”的說法了。
比如2015年左右誕生了大量的基于云端的web版量化平臺，聚寬，優(yōu)礦，Bigquant等等。因其核心人員大多來自互聯(lián)網(wǎng)的原因，這一類的平臺大多具備了互聯(lián)網(wǎng)行業(yè)的基因，大多形成了開發(fā)環(huán)境+數(shù)據(jù)API集成+可視化界面+分享互動社區(qū)的模式。
這一類的平臺，因為研究計算基本基于云平臺環(huán)境，
就產(chǎn)生了一些特定的優(yōu)勢，
比如，開源云端部署，即拿即用，而且貼心的準(zhǔn)備了很多的小白入門教程，基本上有一點計算機相關(guān)基礎(chǔ)的人，都可以直接查看相關(guān)API的幫助文檔，直接上手開發(fā)策略了。當(dāng)然前提是交易策略思想層面的部分你得提前準(zhǔn)備好。
這類平臺，對中低頻類型的A股市場投研策略來說，如果是小散之類技術(shù)指標(biāo)分析型選手，或者基本面之類的因子研究流派來說，也基本夠用了。
另外，像聚寬一類的大一點的平臺，已經(jīng)與一些券商進(jìn)行了實盤接入的可能性探討。比如券商反向采購聚寬的量化系統(tǒng)，直接改一個名字叫XX券商量化平臺，其實代碼層面其實就還是原來聚寬一模一樣的。
本來沒有這么麻煩的，不過國內(nèi)對這塊管控的要嚴(yán)格一些，不僅要從門檻上堵死你，在投研分析的工具使用權(quán)上，也做了限制。如果你是一家私募或者公募量化團(tuán)隊，根本也就沒有這些煩惱了。
好在時代在進(jìn)步，現(xiàn)在個人投資者，只要達(dá)到相應(yīng)的券商要求（某些券商要求X萬量化實盤開通門檻），基本上都能實現(xiàn)。
這類云端量化平臺，不足的地方也很要命，比如回測速度慢，極慢。
數(shù)據(jù)訪問層層限制，很多高級一點的數(shù)據(jù)慢慢都收了費，或者采用了積分制。對新人不友好。
還有就是某些人擔(dān)心的一點，策略保密性的問題，保密性上確實是個問題，關(guān)于保密性，我想說的是，就算各類平臺的管理維護(hù)團(tuán)隊都是正人君子，僅僅代表他們不會去拿，不代表他們看不到。
所以，如果你對策略的安全保密性有要求的話。這確實是一個很要命的點。
我用過的，股票的類型的平臺，聚寬還算是一個不錯的選擇，期貨期權(quán)類型，真格量化也是一個不錯的選擇。當(dāng)然還有一些其它平臺，我多少接觸過，但沒細(xì)研究，但同行業(yè)的反饋來說，目前這兩個平臺針對中小散A股的個人量化投資來說，是值得一試的。至少對提升自身數(shù)量化建模意識能力來說，是不錯的。賺錢與否還得看你對市場的理解本身。
這類量化平臺的痛點，恰恰是另外一些本地化部署的量化平臺的特點。

學(xué)姐可以把當(dāng)時上岸的備考規(guī)劃給你。少走1個月的彎路，同時我把備考的資料分享給大家，都是課程的內(nèi)部資料，大家需要的可以戳下面卡片領(lǐng)取↓↓↓ 比如迅投QMT系列，這套量化平臺采用的是本地化的部署，主流的Python量化開發(fā)語言環(huán)境，另外這類系統(tǒng)內(nèi)部嵌入了豐富的報單算法函數(shù)，這可能是由于迅投公司前身是基于專業(yè)量化投資機構(gòu)的PB資管軟件服務(wù)商的原因。這類型的函數(shù)在實際實盤開發(fā)中經(jīng)常需要大量運用，尤其是一些涉及到高頻交易，大量報撤單一類的算法。比如追價，拆單，算法單等等。這種特點在那些云網(wǎng)絡(luò)的量化平臺上是不具備的，大多需要自己單獨去寫。我當(dāng)時運用查看的時候，已經(jīng)被豐富的報盤函數(shù)API給震撼到了。
這類平臺，因為本地化布置，所以安全性上得到了極大的提升，尤其是特色數(shù)據(jù)的訪問獲取也有了實現(xiàn)的可能，比如你可以在本地加工一些計算好的特色化歷史數(shù)據(jù)，再代入進(jìn)行運算。這樣下來，回測速度上也得到極大的提升。
這類平臺還有一個特別大的優(yōu)勢，那就是基本大中小券商基本都有采購，你只需要向券商申請開通使用就是了，估計會有一些資金的開戶門檻。
而且迅投系統(tǒng)還有豐富的多帳戶管理系統(tǒng)，以及風(fēng)險控制系統(tǒng)，以及與普通報盤界面嵌套合作的方式，更加的適用于一些專業(yè)量化研發(fā)團(tuán)隊。
當(dāng)然這類平臺，也有不足的地方，比如只能限定IP與硬盤地址，且不能多點登陸之類的。
期貨量化平臺，可選擇性就太多了，比如老牌的文華財經(jīng)，以及交易開拓者等等。另外還有一些基于python的本地量化平臺也是可以的，比如VNPY這種。時至今日，期貨市場的程序化交易氛圍是大大強于A股的。因為各方面原因的制約，A股我個人認(rèn)為仍處在相對農(nóng)耕時代一些，A股市場是地主，與韭菜遍地的市場。
而期貨市場我認(rèn)為相對更文明一些。文明的原因，恰恰是因為期貨期權(quán)市場上，擁有一群專業(yè)化投資人員，以及數(shù)量化的投資分析工具，還有監(jiān)管層對程序自動化的開放包容性。
如果是ETF指數(shù)期權(quán)，真格量化平臺也是不錯的選擇，因為我有在這個平臺上實現(xiàn)了一些其它平臺不能實施的策略，比如寬跨市策略。
總的來說，個人量化我認(rèn)為路徑眾多，還是得針對自己所處的市場，資金體量大小，策略類型來決定開發(fā)平臺。
個人量化，前路漫漫。