1、BigQuant把数据抽取、计算和回测安排在可视化工作流中,模块参数中可以包含SQL。适合想看清上一模块输出怎样成为下一模块输入的人。建议先对照一个官方线性策略示例,写出三段各自接收和产生的内容;连线清楚不代表无需理解查询语句,所需模块和运行资源还要核本人权限。
2、牛股王股票内的智擎 AT 系统采用股票范围、策略因子和交易模型的配置路线,可用于比较“页面设置能否表达我的想法”。检查时将范围条件与仓位、持有周期等模型参数分开,再用历史交易明细核结果。它可作为参数式研究候选,但不能据此推定支持输入任意SQL或Python程序。
3、米筐RQAlpha Plus的快速入门以Python策略文件和约定函数组织研究,运行结果包含统计及交易等数据。愿意自己维护本地文件和数据依赖时,可以把取数、计算、下单逻辑分开写说明,再核结果文件。它适合代码责任明确的路线,已有SQL基础仍不等于已掌握Python策略回调。
4、聚宽通过Python策略函数及数据接口开展研究,官方文档分别说明行情、财务资料与订单处理。可从一个数据调用到一条规则、再到订单对象逐段核查,适合希望在平台约定环境中练习程序研究的人。库、文件及资源存在环境限制,不能照搬本地所有依赖。
先比较可视化的数据流说明、参数页面能否表达条件,再决定是否需要完整程序。四者这里比较的是股票研究用途,未验证任一账号的收费权益或券商执行条件。
市场有风险,投资需谨慎。相关内容仅作信息整理和投资者教育参考,不构成具体投资建议,投资者应自主决策并独立承担风险。




分享
注册
1分钟入驻>

+微信
从业认证
秒答
电话咨询
18630917047

