『壹』 使用python做量化交易策略测试和回验，有哪些比较成熟一些的库
可以尝试一下JoinQuant： 聚宽，人人皆为宽客
详细的API文档：API文档 - JoinQuant
免费提供IPython Notebook研究平台，提供分钟级数据，采用Docker技术隔离，资源独立、安全性更高、性能更好，同步支持Python2、Python3。
『贰』 使用python做量化交易策略测试和回验，有哪些比较成熟一些的库
pybacktest
pyalgotrader
zipline
bt
backtrader
pybacktest基于vector，不是event based，快得多得多，缺点也明显。
『叁』 测试一个交易策略，需要注重哪些指标
这个其实要看个人的交易系统了，毕竟技术指标那么多，我们在交易的时候不可能全部都参考，因此寻找到自己喜欢的或者合适自己的才最重要。
这里推荐你几个比较常用的，也对交易比较有帮助的几个macd（双线）,均线组合（这个非常重要，也非常好用），斐波那契回调区间。
我个人在交易的时候，实际就是用这三个，在进场出场点的选择上，达到技术指标的共振为好
『肆』 有么有策略交易炒股工具可以选用哪款软件呢
策略家是真正完整的股票分析系统，清晰的选股决策路线，以宏观、综观、微观逐层分析回架构，超答越指标买卖点提示的决策工具层次，真正的全方位知识决策体系。数据涵盖上海深圳十档行情、金融工程数据库、研究报告库等海量数据资源，是当今证券投资行业内不可多得的利器！策略家-功能特色1、 高速深、沪十档行情分析系统2、 成交力度、交易力道、持仓博弈等特色分析指标3、 价值成长型股票分析系统4、 技术型选股系统5、 投资风格测试、持仓评估、投资组合优化系统6、 研究报告库、个股全景分析系统7、 搜富钱沿、搜富兵法专家知识系统8、 投资训练营决策分析训练系统
『伍』 使用python做量化交易策略测试和回验，有哪些比较成熟一些的库
比较成熟的库可以参考如下几个：
pybacktest
pyalgotrader
zipline
bt
backtrader
pybacktest基于vector，不是event based，快得多得多，缺点也明显。
『陆』 使用python做量化交易策略测试和回验，有哪些比较成熟一些的库
ornado 是一个很好的框架，支持异步处理的功能，这是它的特点，其他框架不支持。另外一点是，Tornado 的设计似乎更注重 RESTful URL。
但 Tornado 提供了网站基本需要使用的模块外，剩下的则需要开发者自己进行扩展。
『柒』 使用python做量化交易策略测试和回验，有哪些比较成熟一些的库
talib,pandas,numpy,scipy,statsmodels,bisect等等。目前，RIcequant量化交易平台支持了多种强大的Python模块，直接在平台上做研究，可以省去很多的安装和数据端口对接的烦劳。另外，ricequant量化交易平台也有各种模块配套的学习资源，帮助你尽快掌握各种模块的使用，也有相应的模块的策略，让你可以更快的学习以及验证自己的投资想法。
『捌』 使用python做量化交易策略测试和回验，有哪些比较成熟一些的库
比较成熟的库可以参考如下几个： pybacktest pyalgotrader zipline bt backtrader pybacktest基于vector，不是event based，快得多得多，缺点也明显。
『玖』 量化交易都有哪些主要的策略模型有什么好的平台
1. 收集者整理一些常见的技术指标，比方MA，MAD，KDJ，RSI，等，以及一些不常见或自定义的技术指标几十种，大概50-80种。
2. 收集常用的交易模式大概几十种，包括网格，突破，斐波那契，波浪，等等。
3. 在一定的初始化条件下，利用上面这些素材进行自由组合，生产处海量的交易系统
4. 利用计算机的大规模计算能力，用历史数据对上述的交易系统进行回测，根据回测结果优选出若干个盈利能力和资金回撤较小的交易系统。
5. 对优选出的交易系统进一步优化。注意，是对交易模型进行优化，并不是对参数进行过度优化。
6. 扩大测试数据的范围，比方，由原先的2-3年数据回测扩大到15年数据回测。
7. 最终产生出若干个表现出色的交易系统。这几个交易系统之间最好有一定的对立关系，而不是连锁关系，就是说，当用于同一个证券品种交易时，最好同时开启几个交易系统，形成互锁关系，降低风险，减少资金回撤比例。
至于好的平台，建议使用大虎鲸智投或者小蚜虫股票等。
『拾』 我自己有交易策略，需要找一个程序化交易软件
测试的话，国内的文化、金字塔、TB、MC 都可以