掘金量化平台好用吗？

一、掘金量化平台好用吗？

平台挺好用的, 支持多种编程语言, 本地端, 支持期货和股票实盘, 正在使用期货实盘, 直连CTP, SDK通俗易懂, 事件驱动策略的模式还是非常不错的。

二、量化交易平台介绍？

量化交易属于借助外在编程程序实现智能交易的一种辅助软件或者插件，和交易平台关系不大，主要看交易平台是否有能够提供辅助插件的功能，一般属于机械性交易。国内大部分平台都不支持，这里面会涉及一些违规的操作，好处是避免人为的干预，但量化系统能否稳定盈利要看具体编程人员对于市场的认知能否行为稳定盈利的交易系统，不然爆仓是唯一结果

三、有什么数字货币量化平台推荐？

火影数字资产银行不错，可以去看下，数字货币量化交易也是蛮不错的

四、请问国内哪家量化平台比较好？

推荐VNPY，开源其次是TBMCMT4这类商业软件最后是各种优矿米匡XXXX矿之类的线上平台

五、fortrader量化交易平台靠谱吗？

靠谱的。

整体来说是靠谱的。对于量化而言，我们一再强调，这是一个在投资实践过程中祛魅的手段。选择了量化，投资人便诉诸了自身的理性，他将摆脱感性与玄学的束缚，他的投资行为便具有了可复制性——如果时间倒退，在同样的时间点他会做出相同的选择。这是知行合一的基础。

六、QL量化券商平台骗局是传销吗？

量化券商平台是否是传销不难断定，符合下列条件者，即为传销。以发展人员为目的，通过对被发展人员以其直接或者间接发展的人员数量或者销售业绩为依据计算和给付报酬，或者要求被发展人员以交纳一定费用为条件取得加入资格等方式牟取非法利益，扰乱经济秩序，影响社会稳定的行为就是传销。

七、币现货量化网格交易哪个平台好？

网格交易是一种量化交易策略，我借助（部分）券商的条件交易功能，搭建网格策略实现自动交易，如下是我的网格实盘笔记，挑战3年翻一番，即平均年化收益目标26%，拭目以待！

一、交易记录

今日自动交易 11 笔，网格盈利 222 元。

共买入 5 笔，卖出 6 笔。

① 创成长(159967)：网格盈利 36 元。

自动买入 0 笔，自动卖出 1 笔。

② 科创50(588000) ：网格盈利 38 元。

自动买入 0 笔，自动卖出 1 笔。

③ 酒ETF(512690)：网格盈利 0 元。

自动买入 1 笔，自动卖出 0 笔。

⑤ 生物医药(512290)：网格盈利 96 元。

自动买入 0 笔，自动卖出 1 笔。

⑥ 恒生互联网(513330)：网格盈利 0 元。

自动买入 1 笔，自动卖出 0 笔。

⑦ 中概互联(513050)：网格盈利 0 元。

自动买入 1 笔，自动卖出 0 笔。

⑩ 酒ETF2(512690)：网格盈利 0 元。

自动买入 1 笔，自动卖出 0 笔。

⑪ 养殖ETF(159865)：网格盈利 52 元。

自动买入 1 笔，自动卖出 3 笔。

——————————————

本月截止目前网格收益 378 元。

从2021/2/2先后建仓，自动运行至今，累计网格净利 106575 元。

①创 成 长 (159967)：累计网格盈利 583 元。

②科 创 50 (588000)：累计网格盈利 10852 元。

③酒 ETF (512690)：累计网格盈利 789 元。

④证 券 ETF(512880): 累计网格盈利 9623 元。

⑤生物医药 (512290)：累计网格盈利 9320 元。

⑥恒生互联 (513330)：累计网格盈利 4890 元。

⑦中概互联 (513050)：累计网格盈利 11508 元。

⑧锂 电 池 (159840)：累计网格盈利 9511 元。

⑨光 伏 50 (516880)：累计网格盈利 18276 元。

⑩酒 ETF2 (512690)：累计网格盈利 1173 元。

⑪养殖ETF (159865)：累计网格盈利 717 元。

⑫教育ETF (513360)：累计网格盈利 684 元。

⑬伊利股份(600887)：累计网格盈利 956 元。

已清仓食品饮料、创业板50、互联网50累计网格盈利 27725 元。

*统计未考虑浮动盈亏。

——————————————

二、盘后总结

沪 指 收盘3016（-9）点；

深成指收盘10818（-21）点；

创业板指收盘2351（+7）点；

科创板指收盘 927（+2）点；

两市成交额约7283亿，较上一交易日增量181亿，连续第25交易日下破万亿，北向净流出约60亿；

行业板块中计算机应用、计算机设备、教育等板块领涨，煤炭开采加工、房地产开发、银行等板块领跌。

今天大盘低开低走，k线在水平线上下窄幅震荡，沪深收微跌，创科收微涨。沪指坚守在3000点上方，两市交易额与昨天差不多，北向流出加大。养殖板块今天继续强势上涨，创业和科创都有所反弹。

网格账户今天买卖均衡，值得高兴的是，又开始动起来了就好，除了光伏、锂电其余的都开启运转了。最近发现证券板块已经很久没怎么动过了，上次交易是9/26，且整个9月也才交易6笔，严重不活跃！

个人关注：证券、生物医药、大消费（白酒）、高端制造、锂电、光伏、新能源、芯片行业、互联网龙头、养殖、教育等。

码字不易，望多多点赞、在看、分享支持~

八、亿众智能高频量化交易平台这个平台是真的吗？

没听过，尽量用一些mt4的平台，盈利出金的平台

九、股票价格真的能预测吗？

谢邀。提供一个我的视角。其中不可避免有很多英文的素材，我尽量不使用公式，用图表阐明观点。相关文献太多，我只选择一个切入点。

首先说，预测股价，跟预测股票的收益率是等价的，因为今天的价格是已知的。理解了这一点以后我想说，目前学术界的主流观点是：

收益率是可以预测的。这跟有效市场假说不矛盾。同时大家都知道这种预测对于投资来说没有多大卵用。

怎么预测收益率？是不是应该先定义什么叫预测？事实上，任何跟收益率相关系数不为零的变量都可以预测收益率。有效市场假说成立等价于股价已经完全反映了所有已知信息，那么任何会影响价格的信息都可以预测股票的收益率。

来我给你上点证据。

上表中使用股息率（Dividend/Price ratio）来对股价收益率进行预测。其中第一行，使用当年的股息率预测接下来一年的收益率，第二行使用当年的股息率预测接下来五年的累计收益率。注意这么两点

1. （绿框）随着预测周期的增加而显著上升，股息率对于预测长期收益率有用。
2. 预期收益率的波动率（红框）同样随着预测周期的增加而增加。

先说第一点，用一张图来阐明这个观点更直观。看下图，其中蓝线为CRSP股票市值加权指数的股息率，而红线为同一指数的接下来7年的累计收益。看出来两条曲线的相关度有多高了吗？

你可能会说：“我看上去相关系数不是很高啊。”学术界里面具有这种预测功能的变量，我还可以找出一堆，再看下面这张图。其中绿线仍然是股息率，它虽然跟实际收益率（红线）的相关系数高但是未免太过平滑，不算一个好的变量。现在在股息率的基础上再加上宏观上的消费/财富比率（consumpiton wealth ratio）得到蓝线。看出来蓝线跟红线的相关系数更高了吧？不仅如此，蓝线还常常比红线先变化，这算是一个好的预测变量了吧？

到目前为止，我只做了一些任何接受过基础统计训练的人都可以做的事情，我还没有上任何高级的模型，但这已经足够为收益预测的可能性进行佐证了。

好了，在你感叹收益率/股价可以预测的同时，让我们回到第二点，预期收益率的波动率也随着预测周期的增大而增大。 换言之，你如果预测错误需要付出的代价也上升了。如果你预测明天的股价收益率，在我大A股你最多吃一个跌停板，但是如果你预测下周的收益率，你预测错了，你可以吃好几个跌停板，就这么简单。

如果你觉得我举得这个例子太极端，那么我邀请你跟我思考下面这样一个问题。

从1926年1月开始，如果你把1美元一直利滚利投资到美国的国债券里，那么到了2009年12月你将会把1美元变成20美元。同期内，如果你把你的股票一直投资到 S&P 500指数里的话，那么到期你将会获得3126美元。一个合理的预测是，长期内股票的累计收益率将远远高于国债或是存款，那么为什么大家不都把钱都投资到股票里去呢？

如果这能够引发你的思考的话，那么再看下面这张时间序列图。其中绿线为CRSP股票指数的年收益率，蓝线是美国国债券的收益率。股票的长期收益率虽然远高于国债，但是波动也同时远远高于国债，而且你可能一连好几年都是负收益，这些损失需要很多年才能挽回。

这让我足以抛出我的两个核心观点

1. 收益率/股价预测本身并不构成一个完整的投资/交易决策
2. 不能把收益率当作衡量投资/交易质量的唯一标准

1. 收益率/股价预测本身并不构成一个完整的投资/交易决策

光有对收益的预测本身是不够的，至少还需要对风险的评估和相应的风控手段。这点我曾经在我的专栏中咕哝过两句知乎专栏 。就拿股票和国债的例子来讲吧，虽然你知道长期来看股票的收益率是高于债券的，但是你不知道你入场的时机是对是错，你也不知道这个长期到底是多少年。2008年那波站在山岗上的人现在还没解套呢。同样，你也可以说：“我大A股虽然2016年熊了一年，但是相比2013年底还是涨了50个百分点的。” 再好的预测也一定有失灵的时候，如果你不能承受错误的代价，那么你就不能执行这个策略。

2. 不能把收益率当作衡量投资/交易质量的唯一标准

获得一万块钱的喜悦可能抵消不了丢掉一万块钱的痛苦吧？人类对风险是有厌恶的，对预期是有折现的，对现金/流动性是有需求的。套在高点上的人，为什么很多不愿意站岗，宁愿割肉？衡量投资/交易的质量，需要同时考虑你能不能承受相对应的风险，不要只考虑如果你做对了能赚多少钱，也许你过了十年你证明了你当初的一场豪赌是正确的，但是这十年间你可能一直套牢没钱花，这最后的正确相比你十年的等待到底值得不值得？我想每个人的答案是不一样的吧？那么请不要把收益率当作唯一的衡量标准，这就足以避免很多豪赌行为。

我想Andrew Ang的书开头第一句话可以概括我的观点。

The two most important words in investing are bad times .

投资中最重要的是想想身后身，而不是只看眼前路。如果你能够体会，那么关于股价到底能否预测这个问题，答案其实并不重要。

相关文献

1. Ang, Andrew. Asset management: A systematic approach to factor investing. Oxford University Press, 2014.
2. Cochrane, J.H., 2011. Presidential address: Discount rates. The Journal of Finance, 66(4), pp.1047-1108.
3. Fama, E.F. and French, K.R., 1988. Dividend yields and expected stock returns. Journal of financial economics, 22(1), pp.3-25.
4. Lettau, M. and Ludvigson, S., 2001. Consumption, aggregate wealth, and expected stock returns. the Journal of Finance, 56(3), pp.815-849.
5. Shiller, R.J., 1980. Do stock prices move too much to be justified by subsequent changes in dividends?.

更多内容请浏览我的专栏 -- Terrier Finance

十、何谓量化噪声？如何减少量化噪声？

所谓量化就是把采集到的数值送到量化器（A/D转换器）编码成数字，每个数字代表一次采样所获得的声音信号的瞬间值。量化时，把整个幅度划分为几个量化级（量化数据位数），把落入同一级的样本值归为一类，并给定一个量化值。量化级数越多，量化误差就越小，声音质量就越好。

目前常用量化数据位来表示量化级，例如数据位为8位，则表示28个量化级，最高量化级有216个（=65536个）等级。量化过程存在量化误差，反映到接收端，这种误差作为噪声再生，称为量化噪声。增加量化位数能够把噪声降低到无法察觉的程度，但随着信号幅度的降低，量化噪声与信号之间的相关性变得更加明显。

一种方法是将量化级差分得细一些,这样可以减少量化误差,从而减少量化噪声;

另一种是采用不均匀量化分组,也就是说将小信号的量化的量化级差分得细一些,将大信号的量化级差分得粗一些,这样可以使在保持原来的量化级数时将信噪比做得都高于