已知国内量化平台的比较， Ricequant / 优矿究竟谁是下一个quantopian，哪家挖矿强？ https://www.zhihu.com/question/35097533 对于一个开源 Python 量化交易平台项目的建议有哪些？ http://www.zhihu.com/question/28354642
关于版面名称加上Quantopian的考虑：一是IB盈透的客户不少对它比较熟悉，因为它的下单是接盈透的，海洋这里至少有几百位在盈透开过户吧，其中曾为海洋贡献推介费的有200多位（这意味着他们不仅开户时填了海洋的推介号，而且已达到一定数量的交易门槛），所以说在国内有可能讨论起来Quantopian的地方非海洋莫属；二是它的发展模式很有特色，而海洋的管理团队在07年左右曾探讨过类似的想法，包括竞赛、托管、代码和资金双面众筹（那时街面上还没有croud funding、croud sourcing这些词）、走进校园等等，后来个别成员还分别做过一些实践，如neo_cn的竞赛、kuhasu的小机构扶持计划、盈透的校园计划等，因此我们也想继续跟进看看Quantopian后面怎么玩；三是近两年国内冒出来的Python平台风起云涌，而标杆就是Quantopian，对于平台开发者以至普通用户来说，不同程度地了解一下Quantopian应是很有益处的。基于以上三方面的考虑，所以在版面名称里加上它，希望引起海友们更多的关注，也让搜索引擎更多收录和提升有关关键词排名。
分享几个对Quantopian的信息： 1 Quantopian 能提供给投资者管理的资金规模挺小的。 2 Quantopian 往以色列扩张 3 Quantopian B轮融资之后没有声音，目前比较新锐的对手是Quantiacs ，但Quantiacs是直接上传交易系统。 4 Quantopian是纯python的平台，国内三家新锐Uqer, Joinquant, Ricequant，都是用python，这没错，但是显然底层没有加速在实际回测速度方面是很难满意。 5 Quantopian 在美国的知名度并不是很大，最近开始做一些线下的workshop， 比如在纽约，波士顿等地，和系列讲座，其实最终目的还是要营建一个社区，这和国内的氛围，有一定的不同，国内氛围最好的，我现在认为，还是海洋。 6 Quantopian 即便到现在也依然有各种各样的BUG，其实我个人把它玩坏过很多次，个人观点，quantopian没有中国的数据，这种平台的学习成本其实还是有的，按照kuhasu大侠的说法，还是专注策略吧。
一起来侃一下“硬伤” 先从传统量化平台的两大类别说起： 第一类，专为交易而设计的平台，通常是商业软件，譬如：TradeStation, AmiBroker, Wealth-Lab, TradeBlazer等 第二类，成熟的科学计算（包括统计分析）环境，有商业的也有开源免费的：譬如：Matlab, R, SciPy（基于Python）等 成熟的科学计算环境通常有以下共通之处： - 交互式编程环境 - 绘图功能 - 快速矩阵运算（向量化运算） - 能方便地使用科学计算及统计分析中的常用模型 - 完备的编程语言（能访问IO，有高级编程语言特性等） 另外补充一下Python与SciPy的区别和联系： - Python是一门通用编程语言，与Java, C#, C++, Haskell等属同一范畴。Python本身不是一个科学计算环境，这方面与Matlab、R之类的平台是完全不同的。 - SciPy是基于Python的一个科学计算环境，由一些核心工具和库程序构成，如IPython,NumPy,Matplotlib,pandas等。SciPy这一整套东西所搭建出来的环境与Matlab、R之类的平台就类似很多了。 说完传统量化平台的两大类别后，再来看Quantopian等平台，它们其实是把这两种类型融合起来了，其主要特点是： - 专为交易而设计的（具有第一类平台的特征） - 策略开发语言为Python，可以使用SciPy中的各种工具包（具有第二类平台的特征） - 与传统的两类平台相比，它们是Web-based而非Desktop，说得时髦点，是基于“云计算”的，数据和模型都在云端（“云回测”），还可以玩玩社交之类的 最后，回到类Quantopian平台的“硬伤”： - 作为新事物，稳定性及可靠性不足（Bug多，速度慢等）。这点倒是有可能随着时间的推移，用户的增多，而逐渐改善的。所以这个可以不叫“硬伤”，算是目前阶段的“软肋”吧。 - 云计算虽有种种好处，但模型放在别人的服务器上，总是不太放心。在知识产权无法受到良好保护的社会环境里，问题就更大一些。再者，会不会平台稍微做了点名堂出来后，树大招风，被人黑了，云里所有模型被一锅端，那也是一种顾虑。 当然，软肋也好，硬伤也罢，毕竟还是给量化交易者们多了一些选择。用不用、怎么用大家可以自主选择嘛
1 核心就是安全，我写的策略代码不好就罢了，好了怎么办？如果Quantopian是国外的企业可能还有一定的商业道德可以相信，那么国内的呢？ 2 平台的鲁棒性其实是比较难搞定的，以后跑实盘实际上对基础设施要求很高。 3 维护大量的不同类型的数据需要付出大量的精力和人力，这点只有踩过坑才知道，另外就是还有很多意想不到的问题，比如网页前端可能也会出问题。 基于这几点的情况就可能是这样一个结论： 一般或者还不错的策略会放上去跑，很好的策略和想法基本是不会放在云平台上公测？如果有信心宁愿自己花钱在部署一个私有云，但就我所知，目前能提供私有云部署服务的好像还只有Ricequant. Python 的大优势就在于它是一个很好的胶水，黏合了其他很多东西，实际上处理非结构化数据这方面，我相信matlab是直接跪的，R的话毕竟更多用于研究，而不是用于实战，因为没有Python那么强的灵活性。Pandas 这个包是由大名鼎鼎的AQR里的人开发的，这也奠定了未来python 在金融行业崛起的重要基础，没有pandas，其实很多类excel操作就无法完成，而类excel操作一旦能够完成，又能凭借强大的兼容性去拓展延伸，作为初期prototype 不断迭代开发将会有很惊人的效率。 多交流