『壹』 量化交易测试历史数据，程序化交易历史回测数据哪里找
大富翁数据中心有股票，期货等等tick等，可用于量化交易测试，程序化交易历史回测
『贰』 量化策略一般用什么平台回测分别有什么优劣势
盈时量化策略回测平台，不会编程也能玩转量化。
盈时“策略机器人”集策略智能生成、策略评估、筛选优化、批量生成等功能于一体的交互式策略生成平台。平台以计算机智能生成算法为核心，使用了机器学习、模式识别、统计学、可视化技术等人工智能技术，包含策略构建模块、混编计算模块、策略绩效优化模块等组件，在策略优化方面使用了高效的遗传编程与NSGA-II等算法，进而充分利用CPU多核心性能，实现多进程同步高效生成策略。
语言：Python
适用人群：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。
自动生成策略原理与简介：通过设置参数，运用机器学习的方法，一键生成源码策略。
备注：国内首个利用深度学习的人工智能量化平台，不懂编程也能做量化。
盈时，专注于为客户提供高品质的量化交易技术咨询服务和领先的量化交易产品，是一家从事金融数据分析、金融软件开发、程序化交易算法与交易策略研究等业务的科技公司。
『叁』 在国内做交易策略的回测的具体步骤是什么
交易策略回测属于量化交易，至于用什么工具看个人习惯，可以用量化交易平台，也可以用某些行情交易软件，也可以自己利用一门计算机语言，最简单的用excel，也可以进行回测分析。
『肆』 目前哪个程序化软件可以支持套利程序化历史回测
用程序化交易软件自动交易，你盯盘就好，不要干涉首先，要把这个交易策略写成程序
其次，用程序化交易软件（比如TB）进行历史回测，优化参数（警惕过度优化风险）并模拟运行
最后，你要有一套明确可量化的期货交易策略
然后
『伍』 程序化交易中策略的回测是怎么做的
是程序交易员使用一些程序代码编写的，微量网就是这样做到的，而且策略是7*24小时自动运行在云端的，楼主可以去了解一下，求采纳
『陆』 python量化哪个平台可以回测模拟实盘还不要钱
Python量化投资框架：回测+模拟+实盘
Python量化投资 模拟交易 平台 1. 股票量化投资框架体系 1.1 回测 实盘交易前，必须对量化交易策略进行回测和模拟，以确定策略是否有效，并进行改进和优化。作为一般人而言，你能想到的，一般都有人做过了。回测框架也如此。当前小白看到的主要有如下五个回测框架： Zipline ：事件驱动框架，国外很流行。缺陷是不适合国内市场。 PyAlgoTrade ： 事件驱动框架，最新更新日期为16年8月17号。支持国内市场，应用python 2.7开发，最大的bug在于不支持3.5的版本，以及不支持强大的pandas。 pybacktest ：以处理向量数据的方式进行回测，最新更新日期为2个月前，更新不稳定。 TradingWithPython：基于pybacktest，进行重构。参考资料较少。 ultra-finance：在github的项目两年前就停止更新了，最新的项目在谷歌平台，无奈打不开网址，感兴趣的话，请自行查看吧。 RQAlpha：事件驱动框架，适合A股市场，自带日线数据。是米筐的回测开源框架，相对而言，个人更喜欢这个平台。 2 模拟 模拟交易，同样是实盘交易前的重要一步。以防止类似于当前某券商的事件，半小时之内亏损上亿，对整个股市都产生了恶劣影响。模拟交易，重点考虑的是程序的交易逻辑是否可靠无误，数据传输的各种情况是否都考虑到。 当下，个人看到的，喜欢用的开源平台是雪球模拟交易，其次是wind提供的模拟交易接口。像优矿、米筐和聚宽提供的，由于只能在线上平台测试，不甚自由，并无太多感觉。 雪球模拟交易：在后续实盘交易模块，再进行重点介绍，主要应用的是一个开源的easytrader系列。 Wind模拟交易：若没有机构版的话，可以考虑应用学生免费版。具体模拟交易接口可参看如下链接：http://www.dajiangzhang.com/document 3 实盘 实盘，无疑是我们的终极目标。股票程序化交易，已经被限制。但对于万能的我们而言，总有解决的办法。当下最多的是破解券商网页版的交易接口，或者说应用爬虫爬去操作。对我而言，比较倾向于食灯鬼的easytrader系列的开源平台。对于机构用户而言，由于资金量较大，出于安全性和可靠性的考虑，并不建议应用。 easytrader系列当前主要有三个组成部分： easytrader：提供券商华泰/佣金宝/银河/广发/雪球的基金、股票自动程序化交易，量化交易组件 easyquotation : 实时获取新浪 / Leverfun 的免费股票以及 level2 十档行情 / 集思路的分级基金行情 easyhistory : 用于获取维护股票的历史数据 easyquant : 股票量化框架，支持行情获取以及交易 2. 期货量化投资框架体系 一直待在私募或者券商，做的是股票相关的内容，对期货这块不甚熟悉。就根据自己所了解的，简单总结一下。 2.1 回测 回测，貌似并没有非常流行的开源框架。可能的原因有二：期货相对股票而言，门槛较高，更多是机构交易，开源较少； 去年至今对期货监管控制比较严，至今未放开，只能做些CTA的策略，另许多人兴致泱泱吧。 就个人理解而言，可能wind的是一个相对合适的选择。 2.2 模拟 + 实盘 vn.py是国内最为流行的一个开源平台。起源于国内私募的自主交易系统，2015年初启动时只是单纯的交易API接口的Python封装。随着业内关注度的上升和社区不断的贡献，目前已经一步步成长为一套全面的交易程序开发框架。如官网所说，该框架侧重的是交易模块，回测模块并未支持。 能力有限，如果对相关框架感兴趣的话，就详看相关的链接吧。个人期望的是以RQAlpha为主搭建回测框架，以雪球或wind为主搭建模拟框架，用easy系列进行交易。
『柒』 如果想用统计软件做一些交易策略的回测，用什么软件好，不想用股票软件自带的，限制有点多,谢了...
这个看你个人的技术水平了，简单的哪怕想excel就可以自己做策略回测，水平高的可以选择用matlab或者c++等自己写个程序回测，当然所有的前提是你有数据来源。
『捌』 目前市面上的量化交易平台做到了什么程度
个人对比了一下 ricequant。米狗量化貌似更有优势，同样是不用写程序，米狗量化的模型定义和回测模型更加智能化。
『玖』 程序化交易软件哪个好
一 什么是程序化交易
程序化交易：用计算机软件代替人工进行交易的部分过程或者全部过程。
程序化交易可以分为
全自动：人为不干涉。所有信号均由计算机去执行。
半自动：计算机执行部分指令，比如只是用程序去开仓。平仓人工来执行。还有就是人工下单。然后计算机去执行出场程序。还有就是会人工判断行情是否单边与横盘，然后选择性的去加载程序。
二 程序化的优点与缺点
优点：
1 最大的优点就是可以克服主观交易中的心理问题：焦虑，犹豫，紧张，恐惧。兴奋等等各种心理因素。
2 可以同时很多个品种。且可以实时扑捉到交易机会第一时间进场。比人工观察要快很多很多。提高效率。把资金分散到几十个策略和品种上去的时候，极大的分散的投资风险。
3 主观交易策略使用的条件太复杂的情况下会影响交易的实时和客观。特别是日内交易，条件越多，每次下单的时候会影响速度，还会经常出现犹豫的情形。但是程序化就可以避免这些。再多的再复杂的条件也能很快的去执行。这个是人无与伦比的。
4 一个策略的盈利与否，如果用主观去判断会需要很长时间实盘去检验。特别是中长线策略。需要以年为单位来进行检验效果。但是用程序那么就能通过过去的大量数据很快检验出是否能盈利，当然真正的实盘与程序回撤数据还是有差异的。但即使如此也比主观要更加快的评测出策略的有效性。
缺点：
1 程序化不能实现人工复杂的思想的表达，还有些是模糊的难以用语言准确去描述的如盘感。
2 程序化相对比较死板，无法灵活的感觉各种盘面的变化去做出灵活的应对。
3 大量策略雷同，导致一些以前用的好的策略，过了段时间后就效果不好了。
三 程序化编写需要注意的几点
1 避免使用未来函数。
未来函数：指可能引用未来数据的函数，即引用或利用当时还没有发生过的数据对之前发出的判断进行修正的函数。
2 指令触发的K线取值。现在有实时触发，和K线走完取值，还比如实时触发K线走完复核，等等很多种。如果取TICK数据回测那么这些都触发条件与实盘都是最接近的。如果不是去TICK数据测试，那么就只有K线走完不复核取值，为最接近实盘效果。
3回测历史数据的时候，引用的是指数和主连合约的区别。
指数是以每个合约的成交量做权重算出的该商品的指数
主连是主力合约的连续，主连合约是是不同时段主力合约的连接，指数是所有合约按照成交量加权而形成的。很显然，主连合约因为有换月的状况所以有跳空情况，而指数是全部合约的加权，所以会有很优秀的连续性。
如果用指数来测试，那么实际交易的时候不会有这样的数据产生。如果是日内程序，那么就要用主连来测试，如果是过夜那么就最好是用指数。或者能有自动换月的函数来测试，那么效果就更贴近实际。
4 手续费和滑点
如果是低频的策略，那么这个影响将不大。如果是中频特别是高频的，那么就影响很大了。所以再回撤数据的时候越严格那么就实际效果越贴近实际。
5 测试的时候需要的数据源要足够的多。比如是日内的程序，那么少点没关系。如果是过夜的长周期策略，那么就需要足够多数据来检测在各种复杂情况下的有效性。最好先截取一两年的数据测试效果，这些数据里一定要有明显的单边和横盘行情。这样才能更加有效的去衡量效果。然后再换其他时间段来测试效果，最后再所有时间去测试，这样会更加的贴近真实效果。