回测分析

⑴ 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。

⑵ 股票回测是什么意思

你好，股票回测是指设定了某些股票指标组合后，基于历史已经发生过专的真实行情数据，在历史上属某一个时间点开始，严格按照设定的指标组合进行选股，并模拟真实金融市场交易的规则进行模型买入、模型卖出，得出一个时间段内的盈利率、最大回撤率等数据。该过程即为一次股票回测。
风险揭示：本信息部分根据网络整理，不构成任何投资建议，投资者不应以该等信息取代其独立判断或仅根据该等信息作出决策，不构成任何买卖操作，不保证任何收益。如自行操作，请注意仓位控制和风险控制。

⑶ QMACD量化分析门户中的《量化分析海龟训练营》课程量化分析版块中的历史回测都讲了哪些方面

同济乔博士的【量化分析海龟训练营】课程里的历史回测主要讲了年化收益率、胜率、盈亏比、夏普率、最大回撤比等相关知识。

⑷ 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。

⑸ 为什么回测效果非常好的策略实盘却不行

1。误判。这不是我的答案。这是一个血淋淋的教训。在我的量化测试的历史中，当对现有的显著盈利能力的结果进行测量时，超过95%是这个错误的结果。例如，在计算中遗漏了一个负号，另外，在不同的语言迭代0和1的时候，在混淆的起始点，等等，倾向于给一个好的，我认为会改变世界的结果。所以我养成了彻底检查自己是否错的习惯，只要结果好就行。

要控制它的外观，唯一要做的事情就是要小心，因为逻辑上的错误要比前面提到的“错误估计”更难检测。我自己的经验是，在准备一个测试过程时，它是严格按照时间顺序进行的，而样本中的计算本身就完全阻止了样本中的数据。一句话，经验就是财富。

⑹ 同花顺的I问财回测大家有用过的吗

i问财策略回测是根据您设置的择时交易计划，对输入的策略（问句）进行全市场股票的历史模拟交易，最终对选出的所有股票的回测结果进行客观的统计分析，并给出策略回测报告，为您找到最适合自己的投资策略提供客观的数据支持。
使用方法：
一、设置需要回测问句及信息，点击回策！
二、回测数据分析，从回测分析中可以看到各个持有周期的收益率、成功率等信息。
如“非新股，非st，非停牌，总市值小于25.5亿，pe大于0，peg大于0小于15，资产负债率小于60%，总市值从小到大”问句，最大预期年化收益率169.36%
三、您也可以在策略广场上查看其它人的策略哦！

⑺ 如何利用excel回测量化投资策略

用excel回策量化策略，效率太低了，而且数据过大的话excel完成不了，可以利用现有的内量化交易平容台，如果非的用excel回策，你至少要学会各种技术指标，和如何用计算机语言描述走势行情分析，还需要会编辑回测所用的各种回测指标公式，你才能完成excel的量化回测，初学时可以用这个但，实际应用时，至少要用一套量化分析平台的软件，或者自己利用c语言，Python，等开发出一套量化分析软件。

⑻ 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。

⑼ 为什么回测效果非常好的策略实盘却不行

你需要搞懂，滑价，偷价，参数过度优化，回测数据是静态的，实盘是动态的，例如用收盘价计算的均线金叉回测时百分百没问题，但实盘时是行不通的，因为实盘时收盘价是动态的。而且历史回测只有一个计算价格，实盘时这个价格你可能会出现买不到的情况，等等实盘与回测的差别都需要一一解决。不要盲目相信回测数据一定要仔细分析。

⑽ 请问大家什么软件能够用外部指标进行历史回测

需要一些比较专业的统计软件。第三方炒股软件一般都做的不好，有些我拿更权威的统计软件去计算，发现结果居然是错的。这个是个人经验（不过有点过时了，2012年尝试的，估计那个软件自己已经把错误更改了。）。

建议你做以下操作：

1. 自己收集外部指标，并随时更新。如果可以的话，自己建个数据库。MYSQL之类的，免费而且非常容易上手。
   

2. 选择一款可以轻松将金融数据导出成标准格式的第三方炒股软件。这个就是你自己的喜好了。大部分软件，这方面做的还是不错的，虽然要交费。

3. 用一款比较专业的统计软件，将两者数据导入，然后按自己的想法，自由自在的做分析。你可以随便选一款你自己使用着习惯的统计软件。EVIEWS之类的太简单，包含的东西太少了。高度建议你选择一些自带金融计量分析工具的软件。建议你用以下统计软件：

1. MATLAB。这个上手超快，前提是你很好的学过线性代数，因为计算是以矩阵为基础的。他自带的financial econometrics tool box包含的东西非常广，非常全。就算没有，因为软件自由度很高，所以可以轻松自己创造出一个。

2. STATA。这个上手比上面那个还快。而且，不需要很好的线性代数，因为编程理念不是以矩阵为基础的。自带的金融计量的东西很多很全。更新也很快。缺点是，没上面那个自由度高。某些全新的算法和公式，你想用的话，自己写出来比较费劲，效率也容易低。特别是你想做蒙特卡罗模拟实验的时候。

3. 其他的那些免费的统计软件，比如R, OX之类的我并不建议。因为是免费的，所以用户体验做的并不好。