大家好，我是喵酱，一枚沪漂转行学量化的女汉纸，酷爱rap。

工欲善其事，必先利其器。

今天喵酱给大家分享一些量化编程工具、常用量化平台、数据获取网站。希望对大家有所帮助。

01

量化编程工具盘点

常用的量化软件有python、matlab、java、C++。从开发的难度而言，python和matlab都比较容易，java和C++麻烦一些。从运行速度而言，C++、java要快于matlab和python。

不过，对于大部分人而言，尤其是初学者，开发占用的时间远大于运行时间。如果追求运行速度的话，可以先把策略开发出来，再用C++重写。

另外，从量化资源而言，python资源多于matlab，而且matlab是商业软件，python是免费开源的。因此我推荐大家用python。

使用python的话，最好下载一个anaconda。这个软件将常用的库都集成好了，免去自己安装的烦恼。

所以，如果是编程零基础的同学，入门量化的编程语言毋庸置疑是选择Python。

官网地址：https://www.anaconda.com/

02

主要量化平台盘点

1、掘金量化（Myquant）

数据方面：掘金提供近10年日/分钟/Tick级别股票数据，及财务、分红送配、行业、板块等数据。还提供股指期货、商品期货的连续数据。

研究方面：支持Python、Matlab、C、C++、C#语言，提供API接口。

回测方面：支持股票、期货等品种回测及其混合回测，支持日、分钟、Tick级回测。

模拟交易方面：支持股票、商品期货、股指期货等品种的日、分钟级别的模拟交易。

实盘交易方面：掘金量化支持股票、期货、两融等量化实盘，实盘开通需要客户提交申请和平台人工审核，具有实盘交易权限后也可以手动交易。

掘金量化的社区活跃度还是较高的。

推荐理由：投研+交易的一站式量化投研系统，提供丰富的数据、多语言策略开发、tick级回测、仿真模拟、实盘交易、风控、绩效等专业量化服务。最重要的是，本地化终端运行无需上传策略，毕竟策略的安全性是用户的致命痛点。

2、米筐（Ricequant）

数据方面：提供股票、ETF、期货（股指、国债、商品期货）、现货的基本信息。

包括股票、ETF过去10多年以来每日的市场数据，2005年以来的分钟线数据。ETF过去20多年以来的市场数据和财务数据等。

研究方面：提供基于IPython Notebook的研究平台，支持Python，Matlab，Excel，提供API。

回测方面：支持股票、ETF、期货等品种的回测，支持日、分钟级回测。

交易方面：米筐同时支持日、分钟级别的股票、ETF、期货等品种的模拟交易，和期货的实盘交易。

米筐量化的社区活跃度，也是比较高的。

推荐理由：作为国内外领先的量化方案供应商，米筐拥有丰富的开发经验和领先的金融工程模型服务。

3、聚宽（JoinQuant）

数据方面：米筐提供2005年至今完整的股市Leve1数据、上市公司财务数据、完整的停复权信息。实时更新行情数据，盘后更新财务数据。

此外还提供基金（包括ETF、LOF、分级A/B基金、货币基金）的行情和净值数据，金融期货数据、股票指数数据、行业板块数据、概念板块数据、宏观数据、行情数据等。

研究方面：提供基于IPython Notebook的研究平台，支持Tick级数据，支持Python2、Python3。提供API（Application Programming Interface）。

回测方面：支持股票、基金、期货等品种的回测，支持日、分钟、Tick级回测。

模拟交易方面：支持股票、股指期货、商品期货、ETF等品种的日、分钟、Tick级别的模拟交易。

实盘交易方面：支持多种实盘交易，包括股票、场内基金、期货的自动化交易。

相较于掘金量化和米筐，聚宽的社区交流活跃度会更高。

推荐理由：聚宽对于新手的友好度不错，有丰富的学习资源和社区交流，平台的回测速度也可以。是不错的平台，数据、回测、仿真、实盘，不算很好但也不算很差吧。

4、Bigquant

数据方面：Big提供日/分钟级别的股票、期货、基金等数据的实时和历史数据，以及新闻、社交等新型数据。

研究方面：支持Python，提供AI开发策略，提供API。

回测方面：支持股票、期货等品种的回测，支持日、分钟、Tick级回测。

模拟交易方面：支持日、分钟级别的股票、期货等品种的模拟交易。

实盘交易方面：可推送秒级交易信号，提供API接口对接交易终端，由用户手动交易。

交流社区方面：“Bigquant量化社区”，活跃度较高。

推荐理由：Bigquant是首个将人工智能应用在量化投资领域的平台产品。以AI赋能投资，为投资者提供企业级AI平台、量化投资大数据、AI投研工具、Quant成长体系和社区。

5、优矿（Uqer）

数据方面：提供2007年以后的沪深港上市公司财务报表数据，沪深交易所股票基本信息和日/分钟级别行情，港股日级别行情。大宗商品、债券、宏观产业4据。以及股票/指数的量化因子库，主流媒体数据，主流电商数据等。

研究方面：提供类似IPython Notebook的研究平台，只支持使用Python2进行策略研究，提供API。

回测方面：优矿支持股票、场内外基金、期货、指数等品种的日、分钟级回测。

模拟交易方面：优矿支持股票、场内外基金、期货、指数等品种的模拟交易。

实盘交易方面：暂时无法实现实盘交易。

其实，优矿的社区交流活跃度也是比较高的。

推荐理由：优矿的数据种类丰富，收费数据可以免费试用，有活跃的社区（日报我很喜欢哦，如果有动态大图就更破费了），回测速度非常快，是我比较推荐的一个平台。

6、GFQuant（广发证券旗下）

数据方面：2005年以来的股票行情数据、市值数据、财务数据、上市公司基本信息、融资融券信息，商品期货行情数据，基金行情及净值数据，金融期货数据，股指数据，行业概念数据，宏观数据。

研究方面：GF支持使用Python进行策略研究，提供API。

回测方面：提供股票、期货、基金等品种的日、分钟级回测。

模拟交易方面：GF支持日、分钟级别、Tick级别的模拟交易。

实盘交易方面：推送后用户手动操作跟单。

GF在社区交流上面，活跃度一般。

7、中信建投

数据方面：中信建设提供股票、ETF、期货（股指、国债、商品期货）的所有基本信息、行情数据、分钟线数据。

研究方面：提供IPython Notebook研究平台，支持使用Python进行策略研究，提供API。

回测方面：提供股票、期货、ETF等品种的日、分钟级回测。

模拟交易方面：中信建设支持日、分钟级别的模拟交易。

中信暂时不支持实盘交易。它的社区交流活跃度也比较低。

03

数据获取的平台盘点

tushare 网址：tushare.pro

Tushare是一个免费、开源的python财经数据接口包。

主要实现对股票等金融数据从数据采集、清洗加工 到 数据存储的过程，能够为金融分析人员提供快速、整洁、和多样的便于分析的数据，为他们在数据获取方面极大地减轻工作量，使他们更加专注于策略和模型的研究与实现上。

baostock 网址：baostock.com

证券宝是一个免费、开源的证券数据平台（无需注册）。提供大量准确、完整的证券历史行情数据、上市公司财务数据等。通过python API获取证券数据信息，满足量化交易投资者、数量金融爱好者、计量经济从业者数据需求。

akshare 网址：akshare.xyz

AKShare 是基于 Python 的财经数据接口库，目的是实现对股票、期货、期权、基金、外汇、债券、指数、加密货币等金融产品的基本面数据、实时和历史行情数据、衍生数据从数据采集、数据清洗到数据落地的一套工具 主要用于学术研究目的。

AKShare 的特点是获取的是相对权威的财经数据网站公布的原始数据, 通过利用原始数据进行各数据源之间的交叉验证, 进而再加工， 从而得出科学的结论。

以上内容来自网上搜索，希望对大家的量化学习和工作能有所帮助，如果哪位有比较好的平台可以推荐，欢迎加喵喵的微信，一起探讨。

看完别忘了点个赞哈~biubiu~

@文章来源于喵喵酱学量化

我是喵酱，沪漂转行学量化的女汉纸，酷爱rap，日常会分享一些我自己的量化学习经历和对金融圈的所见所闻，欢迎捧场哈~