跳转至

量化系统参考

平台

开源

  • QUANTAXIS

1）主要功能

数据爬取与处理: QUANTAXIS 提供了股票、期货、期权、债券、基金、数字货币等各类金融产品的历史及实时数据爬取功能，同时也提供各类财务、宏观数据的获取。

数据分析: QUANTAXIS 提供了丰富的数据分析工具，包括数据清洗、数据转换、技术指标计算、数据可视化等。

策略开发与回测: 提供了策略开发框架，用户可以在此基础上编写自己的交易策略，并且可以使用提供的回测工具进行策略性能测试。

模拟交易与实盘交易: QUANTAXIS 提供了模拟交易环境以及与多个交易平台对接的实盘交易功能，用户可以在模拟环境中测试策略，也可以将策略应用于实盘交易。

2）资源

开源地址1：github.com/yutiansut/QUANTAXIS

开源地址2：gitee.com/yutiansut/QUANTAXIS

文档地址：doc.yutiansut.com

  • Backtrader

1）主要功能

策略开发和回测：Backtrader主要用于开发和测试交易策略。用户可以编写自己的交易策略，然后使用Backtrader进行回测，看看这种策略在历史数据上的表现如何。

多种数据源支持：Backtrader支持多种数据源，包括CSV文件、pandas DataFrame，还可以接入实时数据源。

可视化：Backtrader内置了强大的可视化功能，可以生成交易策略的详细报告，包括交易详情、性能指标等。

实时交易：除了回测功能，Backtrader还支持实时交易。

扩展性：Backtrader的设计考虑到了扩展性，用户可以自定义数据源、交易手续费、滑点等模型。

2）资源

开源网址：github.com/mementum/backtrader

官网：www.backtrader.com

官方文档：

范例代码：github.com/backtrader/backtrader/tree/master/samples

  • RQAlpha

RQAlpha是由RiceQuant（米筐）团队开发的一个开源的、用Python编写的量化交易框架。

1）主要功能

模拟交易：RQAlpha可以模拟实际的交易环境，包括股票、期货和其他金融产品的交易。

策略回测：RQAlpha提供了强大的策略回测功能，用户可以使用RQAlpha提供的历史数据进行策略回测，优化交易策略。

实时交易：RQAlpha还可以实时运行策略，进行实时的模拟交易。

策略开发：RQAlpha提供了一套完整的策略开发环境，用户可以在这个环境中开发自己的量化交易策略。

可扩展性：RQAlpha的设计考虑到了扩展性，用户可以自定义数据源、交易手续费、滑点等模型。

2）资源

开源地址：github.com/ricequant/rqalpha

文档地址：rqalpha.readthedocs.io/zh_CN/latest/

  • Qlib

Qlib 是由微软研究院开发的一个开源的注重机器学习的量化投资研究平台

1）主要功能：

数据处理：Qlib提供了一系列数据处理工具，可以方便地处理金融数据，包括数据清洗、数据标准化等。

模型训练：Qlib内置了一些常用的机器学习模型，可以方便地进行模型训练。

策略开发和回测：Qlib提供了策略开发和回测的功能，用户可以在Qlib中开发自己的交易策略，并进行回测。

交易模拟：Qlib还包括一个交易模拟器，可以模拟实际的交易过程。

2）资源：

开源地址：github.com/microsoft/qlib

文档地址：qlib.readthedocs.io

  • VN.PY

VN.PY 是由中国的量化交易社区开发的一款开源量化交易框架，该项目在 GitHub 上开源，并且积极维护

1）主要功能：

交易API封装：VNPY支持多种交易接口的API，包括CTP（中金所）、InteractiveBrokers、TD Ameritrade等。用户可以方便地接入这些交易接口，进行实际交易。

策略回测：VNPY提供了一整套策略回测系统，用户可以使用VNPY提供的历史数据进行策略回测，优化交易策略。

实时交易：VNPY不仅可以进行策略回测，还可以实时运行策略，进行实时交易。

事件驱动引擎：VNPY采用了事件驱动的设计模式，这样可以更好地处理实时交易中的各种事件，比如订单的提交、成交等。

量化交易策略开发：VNPY提供了一套完整的策略开发环境，用户可以在这个环境中开发自己的量化交易策略。

2）资源：

开源地址1：github.com/vnpy/vnpy

开源地址2：gitee.com/vnpy/vnpy

官网地址：www.vnpy.com