成立时间:2016.06
服务:
1.选取参数,自动生成策略(需要购买次数)
2.购买别人的策略
语言: Python
目标客户: 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。
优势:
1.对期货做策略(竞争少)
2.运用机器学习,理论更新颖
3.能够自己代入实盘
自动生成策略原理与简介: 通过设置参数,然后通过机器学习的方法,判断期货应该如何交易才能盈利。
备注:国内首个利用深度学习的人工智能量化平台
成立时间: 2015.05
服务:
1.选取参数,自动生成策略
2.可以自己编写代码,生成策略(有代码显示)
语言: Python, R
目标客户: 有经验的quant
数据库: 全面
回测用时: 分钟记(动图的形式)
支持的功能:
1.支持日级、分钟级回测
2.支持日级、分钟级、tick级模拟交易
3.免费提供A股行情、财务数据、指数数据、基金数据
优势:
1.期货,期权有数据,但得自己做
2. 支持回测中访问网络
3.社区活跃,有很多不错的ETF策略
4.有销售策略活动
5.Api丰富且友好
自动生成策略原理与简介: 通过设置的参数,不断筛选股票池里的股票,然后根据市场变动,判断是否进行操作。(打分法)
备注:
1. 门槛低,人人皆可为宽客
2. 可设置股票是否复权
成立时间: 2015.10
服务: 可以自己编写代码,生成策略(有代码显示)
语言: Python
目标客户: 刚入门的quant,有编程基础
数据库: 全面
回测用时: 以秒记(动图的形式)
支持的功能:
1.IPython Notebook与回测引擎的整合可做参数优化
2.支持分钟线回测及日数据仿真交易
3.CAL库支持了不少常用的不常用的金融算法
4.可自定义library,复用自己的模块
优势:
1.数据全面
2.有比赛可以进行交流
3.有适用于高频交易的专业版
备注: 比赛的形式还是挺吸引人的
成立时间: 2014.12
服务: 需要自己编写代码生成策略
语言: Python,Java
目标客户: 有经验的quant
数据库: A股(2005年至今)
回测用时: 分钟回测
支持的功能:
1.针对 FOF 投资的 CRM 功能
2.支持用户分组
3.自动邮件提醒
4.数据更新选项
优势:
1.使用RQBeta回测绩效分析,结果展示丰富
2.视觉设计和文档做的非常棒,特别是回测结果页面,看着很舒服
3.定期举办比赛
成立时间: 2016.04
服务: 选取参数,自动生成策略(使用机器学习,并配有代码)
语言: Python
目标客户: 一般股民
数据库: A股
回测用时: 十分钟
支持的功能:
1.因子可供选择得很多
2.有基础知识教程
优势:
1.可供选择的因子多
2.门槛低
自动生成策略原理与简介: 选取参数后,使用历史数据,利用机器学习的原理考虑是否进行交易,在实盘时,用实盘日期,回测时用传入的数据。(机器学习)
成立时间: 2015.04
服务:
1.选取参数,自动生成策略
2.可以自己编写代码,生成策略
语言: Java、Python
目标客户: 一般股民
数据库: A股(2012至今)
回测用时: 以秒记
支持的功能: 回测速度快
优势:
1.回测速度快
2.可以使用Java
自动生成策略原理与简介: 选取参数后,不断筛选股票,然后根据实际价格变动,判断是否进行操作。(打分法)
备注: 基础知识介绍偏少,但有相关代码介绍,有长短期的区别
成立时间: 2015.08
服务: 选取参数,自动生成策略(没有代码)
语言: 未知
目标客户: 一般投资者
数据库: 国内上市的A股和ETF
回测用时: 以秒记
支持的功能: 考虑对冲(vip)
优势:
1.因子选择界面感觉最舒服
2.回测快
3.将对冲考虑在内
自动生成策略原理与简介: 选取因子后,筛选出股票然后排名。一种是在每个交易日结束时卖出,然后买入想要的股票;另一种是卖出不符合的股票,买入合适的股票。(打分法)
备注: 界面用起来挺舒服,有长短期的区别
服务:
1.选取参数,自动生成策略
2.可以自己编写代码,生成策略(有代码显示)
语言: Python(Java还不能用)
目标客户: 一般投资者
数据库: 指数数据、京东大数据
回测用时: 以秒记、以动图的形式体现
支持的功能: 提供量化选股服务
优势:
1.回测速度快
2.可以量化选股
自动生成策略原理与简介: 选取因子后,筛选出股票。然后根据之前的数据,和今日实时更新的数据,判断如何对股票进行操作。(打分法)
备注: 无长短期分别,但有调仓周期
成立时间: 2016.11
服务: 选取因子,自动生成策略 。
语言: 未知
目标客户: 一般股民
数据库: A股
回测用时: 无法回测
优势:
1.无需编程,自动生成策略。
2.综合运用多因子构建模型对股票进行评价
自动生成策略原理与简介: 选取因子后,筛选出股票。然后根据实时数据,判断是否交易。(打分法)
成立时间: 2015.01
服务: 选取策略模版,手动编程
语言: C/C++、C#、MATLAB、Python、R
目标客户: 投资者、策略提供者
数据库: 全面
回测用时: 首次回测秒级完成,后续回测毫秒级完成
支持的功能:
1.统一的量化交易接口
2.一致的策略事件模型
3.完善的风险控制机制
4.多策略多账户支持
5.完整的策略生命周期管理
优势:
1.策略存放在本地,安全性高
2.可定制性强
3.定期举行比赛
备注: 支持tick数据
成立时间: 2014.01
服务: 选取参数,自动生成策略(没有代码)
语言: 未知
目标客户: 一般投资者
数据库: 全面
支持的功能: 期货程序化CTA策略
优势: 有策略从上传到出售全流程链 自动生成策略原理与简介: 选取因子后,筛选出股票。然后根据实时数据,判断是否交易。(打分法)
备注: 国内首家采用策略云托管模式的投资平台
成立时间: 2014.01
服务:选取参数,自动生成策略(没有代码)
语言: 未知
目标客户: 一般投资者
数据库: 全面
回测用时: 以秒记
支持的功能: 通过众包做量化投资策略,全视角,跨品种,多周期,无编程
优势:
1.品种多样化
2.效率高
自动生成策略原理与简介: 建立一个建仓条件,一个出仓条件,可以设置止损和分批建仓次序。然后看盈利多少(按行业分)
备注: 个人感觉做得太过粗糙
云量科技
成立时间: 2015.11
服务:选择策略及交易账户层面的风控模块(即刻使用)
语言: 未知
目标客户: 投资者、策略提供者
数据库: 全面
回测用时: 以秒记
支持的功能: 量化投资策略开发、交易算法设计、投资咨询、移动互联网(投资类)应用开发
优势:
1.高模仿人类对话
2.超智能营销多维度精确锁定,主动出击唤醒
3.全网覆盖、7*24小时服务
备注: 是一个公司,提供机器人服务,不是量化投资平台
诸葛量化
成立时间: 2016.12
服务:选取参数,自动生成策略(没有代码)
语言: Lua 目标客户: 投资者、策略提供者
数据库: A股
回测用时: 以秒记
支持的功能: 策略生成 ,策略购买;资产配置 ,条件选股
优势:
1. 快速生成策略
2. 自带遗传基因算法,智能优化策略
自动生成策略原理与简介: 选股方法有两种:打分法,趋势法(今日比昨日打分高就买进)。然后通过遗传算法改进策略,达到满意为止(有遗传代数限制),最终接入实盘。
量化大师(软件)
成立时间: 2013.08
服务:选取参数,自动生成策略(没有代码)
语言: 未知
目标客户: 一般投资者(散户)
数据库: A股
支持的功能: 量化选股、策略回溯、策略提醒、程序化交易
优势: 效率高
自动生成策略原理与简介: 选取因子后,根据实时股价进行筛选,选出排名靠前的股票(个数自己设置),然后根据实时数据,判断是否交易。(打分法)
备注: 一款手机app
况客
成立时间: 2014.12
服务: 提交数据,生成图表,检验信息的准确性
语言: R
目标客户: 投资者、策略提供者
数据库: A股
支持的功能: 针对 FOF 投资的 CRM 功能,支持用户分组,自动邮件提醒,数据更新选项
优势:
1.量化策略可根据用户需求灵活定制
2.操作简单
3.交易策略评估清晰明确
4.工具免费化
5.可网络调度
备注: 是对你手上已有数据的一个可视化处理,让数据看起来更加形象。
MindGo
成立时间: 2017.02注册商标
服务: 需要自己编写代码生成策略
语言: Python
目标客户: 投资者、策略提供者
数据库: A股
回测用时: 以秒记
支持的功能: 数据研究、策略回测、模拟交易、自然语言选股/回测
优势:
1. 数据齐全
2. 支持tick回测
3.支持自然语言回测
4.定期举行比赛
BotVS
成立时间: 2015.07
服务:需要自己编写代码生成策略
语言: JavaScript、Python、云端编写
目标客户: 投资者、策略提供者
数据库: 全面
回测用时: 以秒记
支持的功能: 回测、实盘模拟交易、实盘接入交易
优势:
1.模块化策略开发
2.策略分享机制
3.P2P模式策略租用机制
4.实盘公开展示
5.支持三大金融市场
DigQuant(点宽)
成立时间: 2004年
服务: 需要自己编写代码生成策略
语言: MATLAB
目标客户: 投资者、策略提供者
数据库: 全面
回测用时: 以秒记
支持的功能:
1.基于 MATLAB 的量化策略
2.支持股票、期货的策略研究和程序化交易(是一个软件Auto-Trader Pro)
3.量化研究文章分析
优势:
1.其核心架构与微软 Azure 云架构深度整合
2.社区内有《中国证券期货》杂志专栏
备注:
1.基于 MATLAB 的量化策略
2.核心产品主要是巴别塔实时协作平台系列软件产品
OpenQuant
成立时间: 1997年
服务: 需要自己编写代码生成策略
语言: C#
目标客户: 能提供投资方案的投资策略编写者
数据库: 全面
支持的功能: 交易策略创建开发、策略回测、参数优化、策略运行及风险监控。
优势:
1.可构建大型对冲基金级量化交易解决方案
2.专业用户可扩展全新功能
3.丰富的金融函数及专业软件对接能力
中量网-交易王
成立时间: 2012年
数据库: 全面
支持的功能: 中量金融、中量股票、期货仿真、期货实盘、策略商城
i量化
成立时间: 2015.01
数据库: 全面
支持的功能: 量化交易、金融咨询、社交、在线教育
优势:
1.拥有海外量化投资最专业的平台
2.提供开放的社区和在线教育服务
quantopian
服务: 可以自己编写代码,生成策略(有代码显示)
语言: Python
数据库: US equities futures(最早2002)
回测用时: 分钟记(动图的形式)
支持的功能: 回测、实盘模拟交易、实盘接入交易
优势: 能够借助他人做实验检测
quantconnect
服务: 可以自己编写代码,生成策略(有代码显示)
语言: C#、F#、Python
目标客户: engineer
数据库: 股票 外汇 基金 期权 期货(US)
回测用时: 分钟记(动图的形式)
支持的功能: 回测、实盘模拟交易、实盘接入交易
优势:
1.可以很方便地将自己的策略应用到实际中
2. lean(Lean Algorithmic Trading Engine)基于C#的算法交易平台的运用和介绍
quantstar
服务: Qstrader的引入
语言: Python
支持的功能: 回测、实盘模拟交易、实盘接入交易
优势: 有3本书籍介绍
zulutrade
服务:
1.你可以成为交易者(提供策略)
2.你可以跟随他人的策略
3.策略基于外汇,二元期权
语言: Java
目标客户: 一般金融爱好者、engineer
数据库: 外汇、二元期权
支持的功能: 外汇策略交易
优势: 专门做外汇方面的
quantbedia
服务: 搜索合适的策略使用,编写策略上传
语言: Python
数据库: 几乎所有的数据都有
优势: 一个很明显的策略交易平台
algotrading101
服务: 讲解机器学习应用到策略中(主要是教学)
优势: 运用了机器学习
investopedia
服务: 股票,外汇模拟交易(教学)
数据库: 股票 外汇
优势: 教导新手做相关模拟交易
Amibroker
服务: 一个系统化交易的平台
语言: formula language
数据库: 股票 外汇
优势: 比较全面,功能齐全,速度快