开始接触量化这一概念的时候, 大家通常会面临一个首要的选择性问题, 就是究竟应该自己去编写代码来构建策略, 还是直接去使用市场上已经搭建好的现成平台?关于这个问题的答案其实是没有什么所谓标准规格的——它完全要看清楚你自身具备的相关背景、你所设定的最终目标、你愿意投入的时间精力多少, 以及你对操作自由度所持有的具体需求。现在网络上对于这两种方式的支持者与反对者都非常众多, 这些声音基本上大多数都是站在各自的立场和角度进行表述的, 而很少有那些真正把两边体系都进行深度实践和体验过的人来进行细致入微的拆解分析。我在面对这两个选择题目的时候是走过不少弯路的, 不过到现在为止我已经两套方案都在同步使用了: 在研究的初级阶段我主要是借助现成的平台来做快速的验证工作, 而在需要真正投入实盘操作策略的时候, 我就会选择用自己独立编写的这套系统来完成相关任务。这篇文章把所有选项所具有的各自的好处以及各自的坏处, 还有它们对应的价钱, 以及分别在什么样的情形之下使用会更加适合, 都一次性地给大家拆得清清楚楚、明明白白。自己写代码生态全景自己写代码来做量化, 它的核心优势就是自由。数据源可以自己选, 因子可以自己设计, 模型可以自己训练, 回测逻辑可以写到自己手里, 部署方式可以由你自己来定。这里没有平台的限制, 没有数据泄露这种顾虑, 也没有功能被阉割的情况。策略就是你的核心竞争力了, 所以把它牢牢握在自己手中, 在长远来看, 这是最安全的选择。当前的量化生态是非常完整的, 在数据获取这一块存在着不同的层系, 第一层是完全免费的平台, 它不仅覆盖了A股、期货、外汇还有宏观经济的诸多领域, 而且用户只需完成注册操作就可以立刻使用, 仅需写下一行代码就能把数据给拉取过来第二层是Pro, 这是在国内个人量化领域中占主流地位的付费数据源, 它的基本情况是基础功能免费赠送而高级功能则是按积分进行计算和收费, 其提供的服务内容非常周全, 像日线数据、财务数据、指数成分以及北向资金这些信息一应俱全, 同时API接口规范整齐, 对于用户来说一年只需要花费几百块钱就完全能够应付得过来第三层则是提供免费且稳定的服务, 这一层次主要适用于教学场景还有基础研究方面的工作。数据处理层是依赖于加numpy的, 这一点是非常明显的, 因为它是量化研究人员普遍采用的标准工具。在处理表格类型的数据、执行分组性质的统计操作以及进行时间序列相关动作方面, 它具有极高的效率。它的主要作用体现在对数值数据实施计算任务和对矩阵完成运算操作上。关于这两个库的重要程度如何描述呢, 它们是构成整体量化生态环境的基础部分。几乎所有现行的量化框架机制都在不同程度上依赖于这些库的存在与发展。回测引擎层是一个非常不错的开源框架, 而且它特别适合个人开发者去使用。这个框架采用了事件驱动的架构方式, 能够完整地支持多种不同的资产种类, 同时还内置了常见的技术指标计算功能。从设计上来看, 策略逻辑和回测引擎是分离开的, 这样的分离设计得很好。相关的文档非常齐全, 社区的活跃度也算不错。因为它是专门开源出来的一个回测框架, 所以专业性更强一些, 但是目前的维护情况不如那么活跃。vnpy这个平台的功能会更加全面一点, 它并不只是做回测这一件事, 它还包含了实盘交易的接口, 它的社区也很强, 但是上手操作的难度会比前者高得多。机器学习层有-learn提供完整的传统机器学习算法和是表格数据上表现最好的梯度提升树模型。做多因子选股用这几种就够了。需要时才学——如果你要做LSTM或模型才需要深度学习框架。在可视化层面绘制基础的图表, 并制作具有交互功能的图表, 进而通过呈现更加炫目的网页来达成视觉效果。以上所述的这些功能全部属于免费且开源的项目内容。但是, 学习成本是一个必须要考虑的问题。对于那些没有编程基础的人来说, 从头开始学, 大概需要一到两个月的时间。接着去学习某个东西, 大约需要两到四周的时间。再然后去学一个叫做回测框架的东西, 同样需要两到四周的时间。此外, 还要花两到四周的时间来学习数据库和数据管道相关知识。如果把这些时间全部加起来, 那么从零开始直到能够独立运行完第一个回测过程, 总共大概需要三个月的光阴。而如果学习者本身已经具备了一定的编程基础, 所需要的总时长就会大幅缩短很多。比如在某种情况下, 只要用户熟悉另外两个东西, 那就只需要两周就能让系统跑起来了。要是再多花上一个多月用于学习, 那么就完全有能力写出比较复杂的那些策略了。大家务必要留意那些维护成本方面的问题, 数据来源的接口在偶尔发生变化时就得去重新修改代码, 数据库版本一旦升级可能就需要进行适配操作, 策略迭代还有参数优化都得持续地编写代码, 而这一切工作全部都要依赖你自己亲自去承担并落实。现成量化平台对比聚宽是国内最早成立的那个在线量化平台, 而且它还是用户数量最多的那个。它可以帮助你编写策略, 可以进行在线回测, 拥有完善的因子库, 社区氛围也很活跃, 还提供模拟交易的服务。它的免费版把回测功能做得很完整, 只是数据方面的限制比较多一些。如果你想要获取更多的数据, 同时获得更高的回测频率, 就得选择高级版, 这玩意儿是需要付费的。这个平台很适合那些想要快速上手进行回测的用户, 因为社区里的资源真的非常丰富。米箩也是一款主流平台, 接口、数据质量高、回测速度快、机构版提供实盘对接。基本免费但高级数据付费。它适合对数据质量和回测速度有要求的用户。果仁网是国内很少见的, 那种完全不需要你去写代码的量化平台, 你只要通过鼠标拖拽的方式, 来挑选因子或者是选择策略模板, 系统就会自动帮你生成回测结果, 它的入门门槛是非常低的, 免费版本已经包含了大部分的功能, 如果你是想用高级版来获取更多的策略模板以及更丰富的数据, 那是需要支付费用才能使用的, 它特别适合那些完全不懂得怎么编程, 但是又想通过学习进行量化选股的人群。在恒生聚源这个公司所拥有的量化平台, 它主要是给那些机构用户来使用的, 所以该数据的专业程度是最高的。这里所提供的因素数据是达到了研究级别的标准, 而且接口的规范也是做得非常好的。同时, 该平台还会提供应用程序接口来让大家进行直接的对接操作。但是需要注意的是, 使用它的成本是比较昂贵的, 并且它的定位更偏向于机构层面。所以对于那些对数据本身的质量有着极其高要求的专业人士来说, 这个平台是非常适合的。在海外平台的选择上, 存在一个全球最大的开源量化平台, 该平台对C井予以支持, 并且提供诸如全球市场数据、云端回测服务、社区因子库以及实盘交易接口等丰富的功能模块。其运营模式是基础功能免费使用, 而高级功能则需要付费才能解锁, 这一特点使得它非常适合那些致力于进行全球多市场策略投资的用户群体。这些平台的共同优势, 在于能够实现开箱即用。数据接口衔接完成、回测引擎构建完毕, 再加上因子库资源就绪, 用户只需注册成功, 仅需花费几分钟时间, 即可运行第一回的测试任务。此过程不需要掌握复杂技能, 不需要布置开发环境, 也不需要维护代码逻辑。因此, 其入门门槛极低。他们的共同局限在于策略的自由度受到了限制, 只能在平台允许的框架内做策略, 不能接入自建数据库、不能用自定义数据源、不能部署自定义模型, 高频回测通常受限制, 实盘对接大多需要额外开发或付费, 策略保密性也是顾虑, 代码存在平台服务器上。六维度对比在学习成本的环节, 自己编写代码的时间大概需要花费两到三个月, 现成的平台几乎不需要时间, 注册之后即刻就能使用。策略自由度的角度, 自己编写代码拥有完全的自由度, 没有任何限制存在, 而现成平台受到了底层框架和功能设计的约束。实盘对接这个方面, 自己编写代码能够直接对接券商提供的API接口数据, 现成平台大多数情况不直接支持, 或者需要支付额外的费用才能进行定制开发。涉及策略保密性问题上时, 自己编写的代码可以保持完全机密的状态不会泄露, 现成平台的源代码会被存储在三方的服务器设备上面。在长期进行维护工作的时候, 需要自己去写代码就得一直去操心维护这件事。对于现成的平台来说, 基本就不需要花心思去维护。再看费用的问题, 要是自己选择写代码, 成本几乎是可以忽略不计的。因为开源的东西全都是免费的。对于现成的平台, 基础功能是免费使用的。要是用到更高级的功能了, 那可能就得付费了。自己写代码需要达到什么水平不需要让你精通到那种地步, 只要你能够使用这些工具就行了。你要会去读写那些叫做CSV的文件, 你会进行操作, 你会去画一些图形, 你会去调用接口来拉取数据, 你还能够写下循环的代码以及条件判断的逻辑。你完全不需要去搞懂什么对象导向的思想, 也不需要去了解什么设计模式的理论, 更没必要去钻研那些复杂的并发编程的知识。你的策略代码只要几百行就能够满足需求了, 所以你也根本不需要具备什么样的系统架构方面的能力。我的实际使用方式我的AI选股系统, 这完全是由我自己动手写出来的。出现这么一种状况, 原因就在于三个方面。第一个是因为必须要有一套自定义的因子库, 这一百多个因子的计算逻辑是非常特殊的情况, 市面上任何平台都处理不了这些复杂问题。第二个原因是必须利用自建的这种存储方式以及查询本地数据的这套机制。第三个原因是需要把这些程序部署在服务器上面从而实现一年三百六十五天、一天二十四小时不间断的自动化交易功能。正是由于上述这些特别的需求存在导致市面上的所有平台都无法满足要求, 所以最终才选择了自主研发这条路。但是, 我在策略研究的阶段里, 就频繁地使用平台去做快速的验证工作。对于每一个新的想法, 我就在聚宽上跑几分钟的快速回测。这个操作大概是为了验证方向有没有出现错误。当方向确认是正确的之后, 我再去系统上做深度的回测。当方向是不对的, 就直接在平台上淘汰掉它。聚宽加上米筐这两者都可以使用, 不需要去纠结具体应该选择哪一个。给你具体的路线建议对于那些拥有编程方面背景或者也愿意花费时间进行学习的人员来讲, 其最终的绝对目标一定得是依靠自己去编写代码。关于推荐的行动路线则是: 先借助平台快速地验证一些想法, 与此同时再通过搭建的方式去构建自己的系统, 接下来再逐渐地从使用平台状态向自建系统的这种方向进行迁移转移, 这个整体变化的过程所需要的时间通常大概是三到六个月这样一个时段。如果你的金融或者投资背景比较深, 但是又不想过多的花费时间去深入学习编程技巧的话, 选择使用现成的平台就是非常足够的解决方式了。在入门的阶段可以选择聚宽这种工具来获取基础的能力进入到进阶学习阶段的时候再尝试米筐这个平台来提升自己的水平, 而果仁网则非常适合用来进行快速的验证工作。对于绝大多数并非科班出身的量化投资者群体来讲, 目前这些平台所提供的各种工具和功能能力方面来说, 都已经远远超过他们日常实际操作当中所需要的程度和范围了。有些人只是出于好奇, 想要去试一试。他们可以在平台上注册一个免费的账户, 然后运行几个示例策略, 以此来感受回测以及因子分析的基本流程究竟是怎样的情况。在花了大约半个小时去体验完毕之后, 再决定自己是否要继续深入地进行学习, 而不是在一开始就直接投入到大量的学习中, 首先需要确认自己是能够对这件事情保持持续的兴趣的。请你现在正在使用什么样的工具, 或者说是在哪个平台上来进行操作呢? 欢迎你在评论区这个地方来分享一下你那些具体的工具组合方式, 以及你个人的实际使用体验感受。我这个人是在南山工作的程序员。大家可以关注我, 我来分享那些真的很有用的量化投资经验这些只属于我个人的看法仅仅是给大家提供一个参考的依据。#怎样才能量化入门#
