先可以試試用掘金量化的平臺， 有免費版， 不能交易， 可以實盤模擬。 平臺做的不錯， 能想到的，人家都想到了。 我們玩兒熟了， 然后做了自己的python平臺， 很多地方參考了掘金

找一個開源的項目， zipline， algotrader什么的， 作為開發的基礎。 原則是， 第一這個項目一定要active， 有人一直在維護， 里面的功能設計要全面， 同時可擴展性強。有一天你要增加新的功能的時候， 就會發現當初選用一個很難擴展的框架是多痛苦。 第二就是性能， 你要用這個系統來做回測， 一定要快快快!!! 一個策略， 從想法誕生， 到測試買入賣出點的合理性， 到你開始樣本外的移動測試， 蒙特卡洛模擬， 單就一個策略idea， 你起碼測試10-100K次。 如果你要把這個idea不斷演化， 回測測試起碼再乘上個n倍吧。 如果一次回測超過半分鐘， 你自己算算測一個策略要多久吧 。 結果是， 我們自己做了3個回測系統： 初級回測系統基于vectorized的方法， 忽略一些復雜交易要素，極大提高運算速度?；販y速度在秒級（針對>100K數據點）。 中級回測系統考慮了所有交易要素， 模擬精準度很高， 回測速度在分鐘級， 主要用于篩選過后的策略。 最后高級回測系統其實就是交易系統， 可以用歷史數據回測， 或者直接切換到實盤。 這個主要用于模擬實盤交易跟蹤策略。 我們的策略可以用簡易的腳本構建 ，可以在3個回測系統里面自如的切換

實盤交易系統： 這個其實沒有必要說太多， 前面的回測系統做好了， 才是第一步。 基于世面上有的CTP接口， 就可以搭一個實盤交易系統。 問題是， 一定要確保幾件事兒。 1. 你的回測系統跟交易系統的誤差要小， 要極小。 拋開下單成交問題， 兩個系統所有的單據， 統計， 買賣點觸發時間， 等等這些地方， 一定要一致。 這些可以縮減的誤差一定要去除。 2. 成交， 模擬環境不可能達到實際交易情況， 如果你用限價單，止損單的話， 在模擬情況下成交，在真實情況為未必成交。 我們的回測系統要盡可能貼近交易系統。

數據： 是個大坑。 1分鐘bar歷史數據， 大家可以去交易開拓者上下載， 免費而且質量很好。 實時數據我們一直自己在下載著， tick數據生成bar數據， 里面的小坑無數。 不過細心解決不是大問題。我們自己實時生成的1分鐘bar數據跟開拓者的一致，。

總結

以上是生活随笔為你收集整理的量化交易软件 python_用python实现量化交易的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。