『壹』 量化交易系统可以用到股票上吗
当然可以，而且是任何交易者都可以使用量化交易技术，股票交易数据是很容易采集的，就是分析起来比较麻烦，如果题主是职业散户，美股研究社更建议使用一些软件炒股辅助，策略炒股通主要对有量化思路但又没有编程能力的散户非常试用。它量化了所有股票数据数据，而且还提供多因子策略模型供用户建立自己的策略，通过手机点选就能实现，非常好用。
『贰』 怎样用 Python 写一个股票自动交易的程序
方法一
前期的数据抓取和分析可能python都写好了，所以差这交易指令接口最后一步。对于股票的散户，正规的法子是华宝，国信，兴业这样愿意给接口的券商，但貌似开户费很高才给这权利，而且只有lts，ctp这样的c++接口，没python版就需要你自己封装。
方法二
是wind这样的软件也有直接的接口，支持部分券商，但也贵，几万一年是要的。
方法三
鼠标键盘模拟法，很复杂的，就是模拟键盘鼠标去操作一些软件，比如券商版交易软件和大智慧之类的。
方法四
就是找到这些软件的关于交易指令的底层代码并更改，不过T+1的规则下，预测准确率的重要性高于交易的及时性，花功夫做数据分析就好，交易就人工完成吧
『叁』 怎样用 Python 写一个股票自动交易的程序
一个程序怎么可能3言两语说得完，你可以去github看看吧，很多开源的
『肆』 有人可以推荐一些好用的股票量化交易系统吗
股票量化交易系统需要跟证券公司联系，使用他们的软件，他们可以帮你接通量化交易
『伍』 股票量化交易系统和期货量化交易系统是一样的吗
简单讲讲期货与股票的区别，美股研究社提供:
1、期货市场的交易费用低，一次买卖的费用为交易额的千分之一左右，且期货盈利暂不收取所得税；股票市场的交易费用高，一次买卖的费用为交易额的百分之一左右。
2、期市的交易品种较少，基本面资料相对也少，而且均可以在公开的媒体上查阅；股市的股票数量较多，且每只股票的资料均需要研究，还要配合综合指数，常出现“赚了指数赔了钱”的情况。
3、以整体价格波动幅度看，大豆十年来基本上在 1700-4000 之间波动，铜在 13000-33000 之间波动，即最高价仅是最低价的 2－3 倍，期货价格的高低和现货息息相关；而股票价格高低难以有一个统一的衡量基准。
4、期货市场的操作可以当天进出买卖，即 T＋0 交易，发现操作失误可以马上平仓离场；股票市场的操作是当天买进，第二天才可以卖出，即 T＋1 交易，盘中即使发现操作失误也只能眼巴巴的看到收盘，而无能为力。
5、期货市场始终是一半人赚钱，一半人亏损；股票市场的交易结果是“共赢同赔”，且股市的系统性风险目前无法规避。
6、以单日价格波动幅度看；期货一般仅为 3% ；股票是 10％
7、从风险监控角度看，期货市场交易的品种多是大宗农产品或工业原料，事关国计民生，价格的波动受到交易所、证监会乃至国务院有关部委的监控；而股票由于上市公司众多，目前已经 1500 多家，股票价格的形成受多种因素支配，对价格的合理波动范围认定十分困难，难以实施有效的监管，市场上价格操纵现象屡禁不止。
8、从定价基础和价格秩序看，期货市场商品的价格以价值为基础，随供求关系而波动，还有现货作参考，多空双方地位平等，任何一方都不敢脱离现货价格胡作非为，并且市场操作公开、透明，每日成交、持仓情况均对外公布，内幕交易少，大户操纵较难；；而股票市场操作的详细资料很难获取，内幕交易多。由于股票的可流通股份是相对有限的，股票的“庄家”可以通过自己的信息、资金优势提前暗地介入，收集大部分筹码，可以相对掌握股价的“定价权”，坐庄者和跟庄者地位严重不平等，往往出现价格和价值严重脱节。
9、期货市场的保证金交易制度使投资者可以“以小搏大”，以一当十，也就是说你有一万款钱在期货市场上就可以买到十万元的商品，期货交易由于其保证金的杠杆原理，可以放大收益，四两拨千斤。期货只需付出合约总值的10%以下的本钱；股票则必须100%投入资金，所以只要操作得当，就可以获取高额回报；但如果操作失误，损失也大，关键看你怎么把握．
10、期货市场的操作是“双程道”，可以先买后卖，也可以先卖后买；股票市场的操作是“单程道”，只能是“先买后卖”。
11、期货市场的操作需要注意时间因素，现有期货合约的“寿命”均在一年半之内，到期必须平仓或者实物交割；股票市场操作的时间性不强．
12、期货市场中的持仓总量是变动的，资金流入，持仓总量增加；资金流出，持仓总量减少；股票市场的单只股票的可流通股本是固定的，总的份额不会变化。
13、期货市场交易手段丰富，既可以单纯买卖交易，也可以跨期套利、跨市套利、跨品种套利等；股票市场交易手段单一。
14、期货市场的研究重点在于期货品种的供求关系、经济波动周期、政府政策、季节性因素等；股票市场的研究重点是宏观经济环境和个股企业的生产、经营情况。
『陆』 那些股票量化交易系统是怎么操作的
股票量化交易系统
是根据系统里面的固定系统内容进行操作的。
『柒』 如何用python量化交易
用Python来进行量化交易大多是只能在平台上进行量化分析，具体到实际投资上很少的。
『捌』 用python做量化交易要学多久
5个月。
python凭借其突出的语言优势与特性，已经融入到各行各业的每个领域。一般来说，python培训需要脱产学习5个月左右，这样的时长才能够让学员既掌握工作所需的技能，还能够积累一定的项目经验。当然如果你想要在人工智能的路上越走越远，则需要不断的积累和学习。
python培训的5个月时间里，有相当大一部分时间是在实战做项目，第一阶段是为期一个月学习python的核心编程，主要是python的语言基础和高级应用，帮助学员获得初步软件工程知识并树立模块化编程思想。学完这一阶段的内容，学员已经能够胜任python初级开发工程师的职位。
(8)股票量化交易系统python扩展阅读：
Python开发基础课程内容包括：计算机硬件、操作系统原理、安装linux操作系统、linux操作系统维护常用命令、Python语言介绍、环境安装、基本语法、基本数据类型、二进制运算、流程控制、字符编码、文件处理、数据类型、用户认证、三级菜单程序、购物车程序开发、函数、内置方法、递归、迭代器、装饰器、内置方法、员工信息表开发、模块的跨目录导入、常用标准库学习，b加密 e正则logging日志模块等，软件开发规范学习，计算器程序、ATM程序开发等。
『玖』 有没有python应用于量化交易的实战课
丁鹏主讲的《量化投资-策略与技术》
有空来掘金量化社区逛逛，与各位宽客互动交流学习
『拾』 python的量化代码怎么用到股市中
2010 ~ 2017 沪深A股各行业量化分析
在开始各行业的量化分析之前，我们需要先弄清楚两个问题：
第一，A股市场上都有哪些行业；
第二，各行业自2010年以来的营收、净利润增速表现如何？
第一个问题
很好回答，我们使用JQData提供的获取行业成分股的方法，输入get_instries(name='sw_l1')
得到申万一级行业分类结果如下：它们分别是：【农林牧渔、采掘、化工、钢铁、有色金属、电子、家用电器、食品饮料、纺织服装、轻工制造、医药生物、公用事业、交通运输、房地产、商业贸易、休闲服务、综合、建筑材料、建筑装饰、电器设备、国防军工、计算机、传媒、通信、银行、非银金融、汽车、机械设备】共计28个行业。
第二个问题
要知道各行业自2010年以来的营收、净利润增速表现，我们首先需要知道各行业在各个年度都有哪些成分股，然后加总该行业在该年度各成分股的总营收和净利润，就能得到整个行业在该年度的总营收和总利润了。这部分数据JQData也为我们提供了方便的接口：通过调用get_instry_stocks(instry_code=‘行业编码’, date=‘统计日期’)，获取申万一级行业指定日期下的行业成分股列表，然后再调用查询财务的数据接口：get_fundamentals(query_object=‘query_object’, statDate=year)来获取各个成分股在对应年度的总营收和净利润，最后通过加总得到整个行业的总营收和总利润。这里为了避免非经常性损益的影响，我们对净利润指标最终选取的扣除非经常性损益的净利润数据。
我们已经获取到想要的行业数据了。接下来，我们需要进一步分析，这些行业都有什么样的增长特征。
我们发现，在28个申万一级行业中，有18个行业自2010年以来在总营收方面保持了持续稳定的增长。它们分别是：【农林牧渔，电子，食品饮料，纺织服装，轻工制造，医药生物，公用事业，交通运输，房地产，休闲服务，建筑装饰，电气设备，国防军工，计算机，传媒，通信，银行，汽车】；其他行业在该时间范围内出现了不同程度的负增长。
那么，自2010年以来净利润保持持续增长的行业又会是哪些呢？结果是只有5个行业保持了基业长青，他们分别是医药生物，建筑装饰，电气设备，银行和汽车。（注：由于申万行业在2014年发生过一次大的调整，建筑装饰，电气设备，银行和汽车实际从2014年才开始统计。）
从上面的分析结果可以看到，真正能够保持持续稳定增长的行业并不多，如果以扣非净利润为标准，那么只有医药生物，建筑装饰，电气设备，银行和汽车这五个行业可以称之为优质行业，实际投资中，就可以只从这几个行业中去投资。这样做的目的是，一方面，能够从行业大格局层面避免行业下行的风险，绕开一个可能出现负增长的的行业，从而降低投资的风险；另一方面，也大大缩短了我们的投资范围，让投资者能够专注于从真正好的行业去挑选公司进行投资。
「2010-2017」投资于优质行业龙头的收益表现
选好行业之后，下面进入选公司环节。我们知道，即便是一个好的行业也仍然存在表现不好的公司，那么什么是好的公司呢，本文试图从营业收入规模和利润规模和来考察以上五个基业长青的行业，从它们中去筛选公司作为投资标的。
3.1按营业收入规模构建的行业龙头投资组合
首先，我们按照营业收入规模，筛选出以上5个行业【医药生物，建筑装饰，电气设备，银行和汽车】从2010年至今的行业龙头如下表所示：
结论
通过以上行业分析和投资组合的历史回测可以看到：
先选行业，再选公司，即使是从2015年股灾期间开始投资，至2018年5月1号，仍然能够获得相对理想的收益，可以说，红杉资本的赛道投资法则对于一般投资者还是比较靠谱的。
在构建行业龙头投资组合时，净利润指标显著优于营业收入指标，获得的投资收益能够更大的跑赢全市场收益率
市场是不断波动的，如果一个投资者从股灾期间开始投资，那么即使他买入了上述优质行业的龙头组合，在近3年也只能获得12%左右的累计收益；而如果从2016年5月3日开始投资，那么至2018年5月2日，2年时间就能获得超过50%以上的收益了。所以，在投资过程中选择时机也非常重要。
出自：JoinQuant 聚宽数据 JQData