『壹』 量化交易測試歷史數據，程序化交易歷史回測數據哪裡找
大富翁數據中心有股票，期貨等等tick等，可用於量化交易測試，程序化交易歷史回測
『貳』 量化策略一般用什麼平台回測分別有什麼優劣勢
盈時量化策略回測平台，不會編程也能玩轉量化。
盈時「策略機器人」集策略智能生成、策略評估、篩選優化、批量生成等功能於一體的互動式策略生成平台。平台以計算機智能生成演算法為核心，使用了機器學習、模式識別、統計學、可視化技術等人工智慧技術，包含策略構建模塊、混編計算模塊、策略績效優化模塊等組件，在策略優化方面使用了高效的遺傳編程與NSGA-II等演算法，進而充分利用CPU多核心性能，實現多進程同步高效生成策略。
語言：Python
適用人群：期貨投資者（有無編程基礎都可）
資料庫：期貨
回測用時：需要排隊分鍾記
支持的功能：支持將策略使用在交易開拓者的平台，屬於實盤交易。策略給出建議，但需要自己手動確定進行買賣。
自動生成策略原理與簡介：通過設置參數，運用機器學習的方法，一鍵生成源碼策略。
備註：國內首個利用深度學習的人工智慧量化平台，不懂編程也能做量化。
盈時，專注於為客戶提供高品質的量化交易技術咨詢服務和領先的量化交易產品，是一家從事金融數據分析、金融軟體開發、程序化交易演算法與交易策略研究等業務的科技公司。
『叄』 在國內做交易策略的回測的具體步驟是什麼
交易策略回測屬於量化交易，至於用什麼工具看個人習慣，可以用量化交易平台，也可以用某些行情交易軟體，也可以自己利用一門計算機語言，最簡單的用excel，也可以進行回測分析。
『肆』 目前哪個程序化軟體可以支持套利程序化歷史回測
用程序化交易軟體自動交易，你盯盤就好，不要干涉首先，要把這個交易策略寫成程序
其次，用程序化交易軟體（比如TB）進行歷史回測，優化參數（警惕過度優化風險）並模擬運行
最後，你要有一套明確可量化的期貨交易策略
然後
『伍』 程序化交易中策略的回測是怎麼做的
是程序交易員使用一些程序代碼編寫的，微量網就是這樣做到的，而且策略是7*24小時自動運行在雲端的，樓主可以去了解一下，求採納
『陸』 python量化哪個平台可以回測模擬實盤還不要錢
Python量化投資框架：回測+模擬+實盤
Python量化投資 模擬交易 平台 1. 股票量化投資框架體系 1.1 回測 實盤交易前，必須對量化交易策略進行回測和模擬，以確定策略是否有效，並進行改進和優化。作為一般人而言，你能想到的，一般都有人做過了。回測框架也如此。當前小白看到的主要有如下五個回測框架： Zipline ：事件驅動框架，國外很流行。缺陷是不適合國內市場。 PyAlgoTrade ： 事件驅動框架，最新更新日期為16年8月17號。支持國內市場，應用python 2.7開發，最大的bug在於不支持3.5的版本，以及不支持強大的pandas。 pybacktest ：以處理向量數據的方式進行回測，最新更新日期為2個月前，更新不穩定。 TradingWithPython：基於pybacktest，進行重構。參考資料較少。 ultra-finance：在github的項目兩年前就停止更新了，最新的項目在谷歌平台，無奈打不開網址，感興趣的話，請自行查看吧。 RQAlpha：事件驅動框架，適合A股市場，自帶日線數據。是米筐的回測開源框架，相對而言，個人更喜歡這個平台。 2 模擬 模擬交易，同樣是實盤交易前的重要一步。以防止類似於當前某券商的事件，半小時之內虧損上億，對整個股市都產生了惡劣影響。模擬交易，重點考慮的是程序的交易邏輯是否可靠無誤，數據傳輸的各種情況是否都考慮到。 當下，個人看到的，喜歡用的開源平台是雪球模擬交易，其次是wind提供的模擬交易介面。像優礦、米筐和聚寬提供的，由於只能在線上平台測試，不甚自由，並無太多感覺。 雪球模擬交易：在後續實盤交易模塊，再進行重點介紹，主要應用的是一個開源的easytrader系列。 Wind模擬交易：若沒有機構版的話，可以考慮應用學生免費版。具體模擬交易介面可參看如下鏈接：http://www.dajiangzhang.com/document 3 實盤 實盤，無疑是我們的終極目標。股票程序化交易，已經被限制。但對於萬能的我們而言，總有解決的辦法。當下最多的是破解券商網頁版的交易介面，或者說應用爬蟲爬去操作。對我而言，比較傾向於食燈鬼的easytrader系列的開源平台。對於機構用戶而言，由於資金量較大，出於安全性和可靠性的考慮，並不建議應用。 easytrader系列當前主要有三個組成部分： easytrader：提供券商華泰/傭金寶/銀河/廣發/雪球的基金、股票自動程序化交易，量化交易組件 easyquotation : 實時獲取新浪 / Leverfun 的免費股票以及 level2 十檔行情 / 集思路的分級基金行情 easyhistory : 用於獲取維護股票的歷史數據 easyquant : 股票量化框架，支持行情獲取以及交易 2. 期貨量化投資框架體系 一直待在私募或者券商，做的是股票相關的內容，對期貨這塊不甚熟悉。就根據自己所了解的，簡單總結一下。 2.1 回測 回測，貌似並沒有非常流行的開源框架。可能的原因有二：期貨相對股票而言，門檻較高，更多是機構交易，開源較少； 去年至今對期貨監管控制比較嚴，至今未放開，只能做些CTA的策略，另許多人興致泱泱吧。 就個人理解而言，可能wind的是一個相對合適的選擇。 2.2 模擬 + 實盤 vn.py是國內最為流行的一個開源平台。起源於國內私募的自主交易系統，2015年初啟動時只是單純的交易API介面的Python封裝。隨著業內關注度的上升和社區不斷的貢獻，目前已經一步步成長為一套全面的交易程序開發框架。如官網所說，該框架側重的是交易模塊，回測模塊並未支持。 能力有限，如果對相關框架感興趣的話，就詳看相關的鏈接吧。個人期望的是以RQAlpha為主搭建回測框架，以雪球或wind為主搭建模擬框架，用easy系列進行交易。
『柒』 如果想用統計軟體做一些交易策略的回測，用什麼軟體好，不想用股票軟體自帶的，限制有點多,謝了...
這個看你個人的技術水平了，簡單的哪怕想excel就可以自己做策略回測，水平高的可以選擇用matlab或者c++等自己寫個程序回測，當然所有的前提是你有數據來源。
『捌』 目前市面上的量化交易平台做到了什麼程度
個人對比了一下 ricequant。米狗量化貌似更有優勢，同樣是不用寫程序，米狗量化的模型定義和回測模型更加智能化。
『玖』 程序化交易軟體哪個好
一 什麼是程序化交易
程序化交易：用計算機軟體代替人工進行交易的部分過程或者全部過程。
程序化交易可以分為
全自動：人為不幹涉。所有信號均由計算機去執行。
半自動：計算機執行部分指令，比如只是用程序去開倉。平倉人工來執行。還有就是人工下單。然後計算機去執行出場程序。還有就是會人工判斷行情是否單邊與橫盤，然後選擇性的去載入程序。
二 程序化的優點與缺點
優點：
1 最大的優點就是可以克服主觀交易中的心理問題：焦慮，猶豫，緊張，恐懼。興奮等等各種心理因素。
2 可以同時很多個品種。且可以實時撲捉到交易機會第一時間進場。比人工觀察要快很多很多。提高效率。把資金分散到幾十個策略和品種上去的時候，極大的分散的投資風險。
3 主觀交易策略使用的條件太復雜的情況下會影響交易的實時和客觀。特別是日內交易，條件越多，每次下單的時候會影響速度，還會經常出現猶豫的情形。但是程序化就可以避免這些。再多的再復雜的條件也能很快的去執行。這個是人無與倫比的。
4 一個策略的盈利與否，如果用主觀去判斷會需要很長時間實盤去檢驗。特別是中長線策略。需要以年為單位來進行檢驗效果。但是用程序那麼就能通過過去的大量數據很快檢驗出是否能盈利，當然真正的實盤與程序回撤數據還是有差異的。但即使如此也比主觀要更加快的評測出策略的有效性。
缺點：
1 程序化不能實現人工復雜的思想的表達，還有些是模糊的難以用語言准確去描述的如盤感。
2 程序化相對比較死板，無法靈活的感覺各種盤面的變化去做出靈活的應對。
3 大量策略雷同，導致一些以前用的好的策略，過了段時間後就效果不好了。
三 程序化編寫需要注意的幾點
1 避免使用未來函數。
未來函數：指可能引用未來數據的函數，即引用或利用當時還沒有發生過的數據對之前發出的判斷進行修正的函數。
2 指令觸發的K線取值。現在有實時觸發，和K線走完取值，還比如實時觸發K線走完復核，等等很多種。如果取TICK數據回測那麼這些都觸發條件與實盤都是最接近的。如果不是去TICK數據測試，那麼就只有K線走完不復核取值，為最接近實盤效果。
3回測歷史數據的時候，引用的是指數和主連合約的區別。
指數是以每個合約的成交量做權重算出的該商品的指數
主連是主力合約的連續，主連合約是是不同時段主力合約的連接，指數是所有合約按照成交量加權而形成的。很顯然，主連合約因為有換月的狀況所以有跳空情況，而指數是全部合約的加權，所以會有很優秀的連續性。
如果用指數來測試，那麼實際交易的時候不會有這樣的數據產生。如果是日內程序，那麼就要用主連來測試，如果是過夜那麼就最好是用指數。或者能有自動換月的函數來測試，那麼效果就更貼近實際。
4 手續費和滑點
如果是低頻的策略，那麼這個影響將不大。如果是中頻特別是高頻的，那麼就影響很大了。所以再回撤數據的時候越嚴格那麼就實際效果越貼近實際。
5 測試的時候需要的數據源要足夠的多。比如是日內的程序，那麼少點沒關系。如果是過夜的長周期策略，那麼就需要足夠多數據來檢測在各種復雜情況下的有效性。最好先截取一兩年的數據測試效果，這些數據里一定要有明顯的單邊和橫盤行情。這樣才能更加有效的去衡量效果。然後再換其他時間段來測試效果，最後再所有時間去測試，這樣會更加的貼近真實效果。