这个问题我有一定发言权，简单罗列几个我比较熟悉的量化平台，介绍一下他们的优劣势，供参考 　　

　　

　　一、量化通 　　

　　

　　https://lht.95358.com 　　

　　

　　平台优势 　　

　　

　　1)完整的价格和成交量数据库：历史数据下载器提供数据下载功能，图表最长日频数据可达2002年，分钟数据可达2010年，分笔数据可达12个月。提供由报价经理QM维护的历史数据。 　　

　　

　　2)强大完整的交易功能：图表交易、条件下单；完整的实时报价界面；市场扫描仪；手动下订单箱；自动/半自动交易系统；同步下单功能(证券/期货同步交易)；技术索引库的类型比较全面。 　　

　　

　　3)完整的交易风险控制功能：交易安全限额(开仓限额/下单速度限额等。);交易跟踪器；基础信号风控(基础信号)；信号风险控制(MM信号)。 　　

　　

　　4)特色策略研究功能：组合回溯测试(PB)模块；易语言编程自动化事务功能；参数优化功能(包括参数平面、遗传迭代和移动采样算法)；多策略协调功能；资金管理职能；信号可视化功能。 　　

　　

　　5)特色标记和排序功能：Iconic具有强大的图表分析组件，提供多种图表类型和周期的选择，可以实现图表关键点的设置和排序功能，为客户提供完整的价格管理工具。 　　

　　

　　适用客户： 　　

　　

　　1)专业技术分析送交易用户； 　　

　　

　　2)证券期内组合一组套利客户； 　　

　　

　　3)使用易语言量化编程语言的客户； 　　

　　

　　4)专业的股票、期货交易需求客户。 　　

　　

　　二、聚宽 　　

　　

　　JoinQuant集合并拓宽量化交易平台 　　

　　

　　www.joinquant.com 　　

　　

　　平台优势 　　

　　

　　1)丰富完整的线上线下数据库：提供2005年以来股票/商品/基金/期货/指数/行业/概念/宏观的日频率、分钟价格数据和基本面数据，提供C语言/MATLAB/Python等多种编程语言的API，可以将数据下载到本地，增强策略的安全性。 　　

　　

　　2)丰富的教材，活跃的社区：详实的教材，包括金融、数学、编程、策略等在线视频课程，用户友好的API指南文档，丰富的样本策略，互动问答；一个平台。高校社团孵化背景，策略挑战赛、策略大赛等策略交流模块活跃。 　　

　　

　　3)历史回测分析功能丰富：滚动beta/alpha分析；归因分析，包括布林森收入分解、Fama-5收入分解和Barra风险因素暴露分析。 　　

　　

　　4)基于Python语言的量化编程交易分析平台，自由度高，门槛高。 　　

　　

　　5)自动交易功能：连接交易柜台，为客户提供实盘交易的全自动委托功能。全自动委托是指根据客户的策略和严格的风险控制设定下单条件后的全自动委托交易。(提供从模拟交易到实盘交易的深刻功能，包括是否设置了风险控制参数、模拟交易记录是否合规、检查模拟资源的小规模、审批后向客户揭示风险) 　　

　　

　　适用的客户群 　　

　　

　　1)有python编程基础的年轻客户群； 　　

　　

　　2)专业量化策略，发展客户群； 　　

　　

　　3)在量化投资领域有深度发展趋势的客户群体。 　　

　　

　　三、果仁 　　

　　

　　坚果网——易用高效的量化投资平台 　　

　　

　　guorn.com 　　

　　

　　平台优势 　　

　　

　　1)平台准入门槛低：条件参数检查，使用方便，无需编程专业语言，提供丰富现成的因子库；主动社群策略，详细视频教学。 　　

　　

　　2)策略回测系统简单易用，回测报告丰富：单因素、多因素排名分析(逐档检查回测，输出各档市值信息，分析历史IC、IR)；检查多项指标进行回测，输出详细的回测报告(包括收入、回测、换手、持仓等数据)。 　　

　　

　　3)模块化交易功能选项：勾选两类交易模式(周期轮换和条件触发)；检查市场时机；检查公司经理分单功能(按比例分单/按金额分单)；确认手动订购fu 　　

　　

　　5)具有开通自动交易和手动确认订单功能，具有实时订单推送手机信息功能。 　　

　　

　　适用的客户群 　　

　　

　　1)有交易逻辑和概念。 　　

　　

　　2)非专业编程语言交易客户群 　　

　　

　　3)初级量化投资者 　　

　　

　　4)对数据频率和完整性要求不高的客户。 　　

　　

　　这三个平台的功能和优势略有不同，但都是成熟稳定的量化交易平台。