A. 做量化交易選擇什麼語言好呢
量化交易，就是把人能夠識別的信息變成數字，輸入給計算機程序處理，輔助或者代替人類的思考和交易決策。
初學者碰到的第一個問題就是工具的選擇。首先大部分交易員本來不會寫程序，選擇任何一個語言進行策略開發，都有不小的學習成本。更重要的是，選擇了一門語言，接下來開發環境、人員招聘、數據介面與平台、甚至同類人群之間的交流、遇到問題後的支持，都跟著被「套牢」。所以從一開始就必須慎重對待。
先給出答案：對於還沒有確定一套固定量化環境的，建議用Python。
量化交易員面臨的大致選擇有：C/C++/java/C#/R/Matlab/excel等。我們從以下幾個方面考慮簡單做個對比。
注意：這里假設你團隊規模在50人以下。
1 學習成本和應用的廣泛性
C、C++的特點是速度最快，但要想用好，必須對計算機底層架構、編譯器等等有較好的理解，這是非計算機專業的人很難做到的，對於做量化交易來說更是沒有必要。
Java本來是SUN的商業產品，有學習成本和體系的限制，也不適合。
Excel面對GB級別的數據無能為力，這里直接排除。
Python、R和Matlab學起來都簡單，上手也快，可以說是「一周學會編程」。但R和Matlab一般只用來做數據處理，而Python作為一門強大的語言，可以做任何事，比如隨時寫個爬蟲爬點數據，隨時寫個網頁什麼的，更何況還要面對處理實時行情的復雜情況。
2 開始做量化分析後，哪個用起來碰到問題最少，最方便省事?
用歷史數據的回測舉例。假設我們有2014年所有股票的全年日線，現在我們想看看600001的全年前10個最高股價出現在什麼時候。python世界有個強大的pandas庫，所以一句話就解決問題：
dailybar[dailybar [『code』]==『600001』].sort_values([『close』].head(10)
R/Mathlab等科學語言也可以做到。
C/C++沒有完備的第三方庫。如果為了做大量的計算，要自己實現、維護、優化相應的底層演算法，是一件多麼頭疼的事。
Python從一開始就是開源的，有各種第三方的庫可以現成使用。這些底層功能庫讓程序員省去了「造輪子」的時間，讓我們可以集中精力做真正的策略開發工作。
3 現在我們更進一步，要做實時行情分析和決策
以A股的入門級L1數據為例，每3秒要確保處理完3000條快照數據，並完成相應的計算甚至下單。這樣的場景，C和C++倒是夠快了。所以行情軟體比如大智慧、同花順等客戶端都是使用高效率的語言做的，但像客戶端那樣的開發量，絕大部分量化交易機構沒能力也沒必要去做吧。
python的速度足夠對付一般的實時行情分析了。其底層是C實現的，加上很多第三方的C也是C實現，盡管其計算速度比不上原生C程序，但對我們來說是足夠啦。
4 quant離職了，他的研究成果怎麼辦
Python是使用人群最多、社區最活躍的語言之一，也是最受quant歡迎的語言之一。如果你是老闆，你能更容易地招聘到優秀人材，享受到python社區帶來的便利。
附幾個量化中常用的python庫：
- Pandas：
天生為處理金融數據而開發的庫。幾乎所有的主流數據介面都支持Pandas。Python量化必備。
- Numpy：
科學計算包，向量和矩陣處理超級方便
- SciPy：
開源演算法和數學工具包，與Matlab和Scilab等類似
- Matplotlib：
Python的數據畫圖包，用來繪制出各類豐富的圖形和報表。
PS: Python也是機器學習領域被使用最多的語言之一。像tensorflow、scikit-learn、Theano等等對python都有極好的支持。
B. 怎麼學習python量化交易
下面教你八步寫個量化交易策略——單股票均線策略
1 確定策略內容與框架
若昨日收盤價高出過去20日平均價今天開盤買入股票
若昨日收盤價低於過去20日平均價今天開盤賣出股票
只操作一隻股票，很簡單對吧，但怎麼用代碼說給計算機聽呢？
想想人是怎麼操作的，應該包括這樣兩個部分
既然是單股票策略，事先決定好交易哪一個股票。
每天看看昨日收盤價是否高出過去20日平均價，是的話開盤就買入，不是開盤就賣出。每天都這么做，循環下去。
對應代碼也是這兩個部分
definitialize(context):
用來寫最開始要做什麼的地方
defhandle_data(context,data):
用來寫每天循環要做什麼的地方
2 初始化
我們要寫設置要交易的股票的代碼，比如 兔寶寶（002043）
definitialize(context):
g.security='002043.XSHE'#存入兔寶寶的股票代碼
3 獲取收盤價與均價
首先，獲取昨日股票的收盤價
#用法：變數=data[股票代碼].close
last_price=data[g.security].close#取得最近日收盤價，命名為last_price
然後，獲取近二十日股票收盤價的平均價
#用法：變數=data[股票代碼].mavg(天數，『close』)
#獲取近二十日股票收盤價的平均價，命名為average_price
average_price=data[g.security].mavg(20,'close')
4 判斷是否買賣
數據都獲取完，該做買賣判斷了
#如果昨日收盤價高出二十日平均價,則買入，否則賣出
iflast_price>average_price:
買入
eliflast_price<average_price:
賣出
問題來了，現在該寫買賣下單了，但是拿多少錢去買我們還沒有告訴計算機，所以每天還要獲取賬戶里現金量。
#用法：變數=context.portfolio.cash
cash=context.portfolio.cash#取得當前的現金量，命名為cash
5 買入賣出
#用法：order_value(要買入股票股票的股票代碼，要多少錢去買）
order_value(g.security,cash)#用當前所有資金買入股票
#用法：order_target(要買賣股票的股票代碼，目標持倉金額）
order_target(g.security,0)#將股票倉位調整到0，即全賣出
6 策略代碼寫完，進行回測
把買入賣出的代碼寫好，策略就寫完了，如下
definitialize(context):#初始化
g.security='002043.XSHE'#股票名:兔寶寶
defhandle_data(context,data):#每日循環
last_price=data[g.security].close#取得最近日收盤價
#取得過去二十天的平均價格
average_price=data[g.security].mavg(20,'close')
cash=context.portfolio.cash#取得當前的現金
#如果昨日收盤價高出二十日平均價,則買入，否則賣出。
iflast_price>average_price:
order_value(g.security,cash)#用當前所有資金買入股票
eliflast_price<average_price:
order_target(g.security,0)#將股票倉位調整到0，即全賣出
現在，在策略回測界面右上部，設置回測時間從20140101到20160601，設置初始資金100000，設置回測頻率，然後點擊運行回測。
7 建立模擬交易，使策略和行情實時連接自動運行
策略寫好，回測完成，點擊回測結果界面（如上圖）右上部紅色模擬交易按鈕，新建模擬交易如下圖。 寫好交易名稱，設置初始資金，數據頻率，此處是每天，設置好後點提交。
8 開啟微信通知，接收交易信號
點擊聚寬導航欄我的交易，可以看到創建的模擬交易，如下圖。 點擊右邊的微信通知開關，將OFF調到ON，按照指示掃描二維碼，綁定微信，就能微信接收交易信號了。
C. 量化投資用什麼編程語言研發策略好呢
么以下我就以程序語言的角度來回答
當然如果已經會了某些語言,那你可以使用熟悉的語言去找網上的學習資源會比較快
如果沒有特別熟悉的語言,或者是願意多學一種非常好用的語言
我的建議是學習Python
我從以下幾點來分別說明
平台資源
國內外使用Python做雲端回測以及運算的免費平台相當的多,例如有 寬客在線，發明者量化，優礦, 等等不勝枚舉,可以使用平台的支持以及社區的互相幫助來學習
容易學習
綜合以上所說,"目前的環境底下" 我推薦Python.（推薦直接下載 Anaconda的集成開發環境）
D. 作為Python程序員 怎樣入門量化交易
量化交易大多用在股票交易上，量化是指將某隻股票或者摸個行業的數據進行量化，在更具各家機構自己的量化公式進行選擇，量化交易只是選擇，並不涉及交易，程序化交易也是一種量化交易，但是是更具已有的數據進行，比如各種行情指標，MACD KDJ等，無法像量化交易那樣把能涉及到的所有數據進行量化，程序化交易更側重交易的自動進行，沒有認為干預，且模型編寫簡單，個人用戶也可以進行
E. 想學量化交易的C++編程，有沒有比較好的參考書可看
下面這個可以參考一下，具體還要看個人的情況。
我覺得應該根據你的工作需要或者說你的發展方向而定。基本上兩大類吧：C/C++和Java。比如，如果你要做企業級應用的你應該學習Java和C＃；如果你想做嵌入式，那麼應該學好C語言；其他情況下，在你不知道要做什麼之前你可以選擇學習C/C++。學會這兩大類中的一類，對於你學習其他語言都將是比較輕松，包括腳本語言，動態語言„„呵呵，這里想就自己的學習經歷和情況給大家一個建議，僅供參考。
1、我的入門是從學習C語言開始的（其實課程是C＋＋)，這是我們學校的公共課，我上課比較認真（雖然老師講得很差，而且一段時間後，我就發現自己的基礎掌握比她好，當然理解深度沒她好），因此，我認為對於完全沒有基礎的人而言，聽別人講比較容易入門。當時的教材是學校自己編的，挺爛的。
建議一（以C/C++為例），對於剛想進入編程的人（就是從來都沒有接觸過編程的人），最好是聽課的方式（自己看的話估計要很慢，而且很痛苦），可以找視頻或者培訓等。C語言推薦入門教材：譚浩強的C語言，最新版是第三版，不過第二版應該也可以了（藍色的）。說明一下：堅決不同意直接看K&R的《The C programming language》，這本書絕對不是初學者可以看懂的，裡面講語法的並不多，語法都是合在程序裡面講。不過這本書非常好，入門以後一定要看的一本書。
當然可以從C＋＋直接入門，C＋＋之父強烈推薦從C＋＋直接入手。C＋＋推薦入門教材：錢能的C++（紅色的，清華大學出版），這本書第一版不是ISO C＋＋，不過比較經典，作者現在也出了第二版了，第二版好像不是太好。國外的最好的入門教材據說是：《Acclerated C++》作者是Koenig和Moo夫婦，非常厲害。他們的著作還有《c陷阱與缺陷》《c＋＋沉思錄》。《Acclerated C++》這本入門的書我沒有看過，我覺得還是先找本國內的書好好看，看的差不多了，國外的經典書籍隨便看就會覺得很有味道，否則你可能會很受打擊。入門的書至少要看兩三遍（要徹底理解哦 ):）。如果是C＋＋，我建議後面類的部分至少要理解三到五遍。說明一下，c＋＋模板的部分可以先不用看，如果有興趣的話，等把c＋＋學的差不多了，我覺得可以把模板、STL、泛型編程結合起來學習，這個又是一個很大的工作量了，又得下很大的功夫。所以說，C++博大精深啊。
建議二、學習過程中要結合簡單的演算法，像冒泡還有類似c語言程序百例這樣的小例子做做；更進一步應該做點大一點的項目，最好是控制台程序。或者你已經著手學習win32、MFC或linux，你也可以結合平台做點小的項目。
2、第一階段是最苦的，接下來相對就知道應該怎麼去學習了。這時候假設你已經有了扎實的c＋＋基礎。這是你可以選擇也應該選擇發展方向了，做企業級應用，還是系統開發，嵌入式設計或者游戲開發„„ 那時我其實並沒有考慮那麼多，因為我不是學計算機的，因此我就把參加一些計算機之類的考試當作學習目標。我當時其實C＋＋語言基礎已經很不錯了，但是上機實踐很少（那時我沒有電腦），因此參加省計算機二級，全國計算機三級和全國計算機四級考試，結果上機都沒有通過。我很郁悶，二級的時候是我不知道怎麼樣進那個DOS界面把題目調出來，三級的時候是很快就編好了，也通過運行了，可是成績出來卻不及格，四級的時候是編好了，可能是我那題目比較難，好像用了兩次循環，結果那破機器竟然承受不了。後來一亂就毀了（當然主要是上機太少了）。不過我那些上機都沒有去補考。二級和三級的時候是自恃水平已經遠遠超過考試要求了，四級的時候則因為自己已經通過高級程序員考試，覺得補考上機好像沒必要。（我高程和四級都是在2003年考的）。
建議三：定位學習方向，並好好學習計算機基礎知識。在你還不確定學習方向，或者你還在大學本科期間，那麼我認為應該先把計算機的基礎知識好好學習一下。我認為計算機必學的基礎課程而且要精學——首先是數據結構，其次是操作系統、軟體工程，資料庫。這四門課不管你將來想從事哪個方向的基本上都會用到。當然，有時間的話，其他基礎課都是應該掌握的，離散數學、組成原理、體系結構、網路、編譯原理甚至跨學科的。方向是很重要的，因為知識其實是無限的，一個小小的領域就夠你研究很久了。本科生可能還沒有什麼方向的感覺，但是到了研究生你一定要清楚自己到底想要做什麼，要往哪個方面發展，不要盲目學，瞎學亂學，否則最後可能看似什麼都會，其實什麼都不會。
我也曾經學習過Java一段時間，這篇文章既然是談編程語言的入門學習，我也簡單說一說。因為有了比較C＋＋扎實的語言基礎，所以Java學起來比較輕松。我先找了國內一本薄薄的教材很快看了一遍（幾乎都理解，但是只看了一遍），空閑的時間配合清華張孝詳老師的java視頻。以後其實才算我真正要開始入門JAVA的學習，我用了是《core java》中文第六版（本來想用候捷翻譯的第二版的《Thinking in Java》，發現被同學弄丟了），這本書我差不多用了20天才把裡面的知識都搞懂，當然包括程序風格的模擬，最重要的時我把有關GUI編程的那三章裡面的程序例子幾乎可以默寫出來（當然，那是因為我理解了，其實這樣就變成了我的知識了），裡面的API我也記得差不多了。（說明：Java裡面的GUI編程沒什麼用處了，建議大家先跳過，GUI不是Java的長處，如果以後需要的話再查手冊或者再記憶學習）。
其實學習了C＋＋以後，學習Java是比較容易了，但是建議不要兩種都學啦，他們的用途是不一樣的，你應該熟悉其中一種，更重要的是熟悉其應用領域所需要的專業知識甚至平台，以及使用他們的企業，有創業計劃的還應該考慮一下他們的應用領域，最重要的是思考他們的潛在的應用領域。
對於初級的學習就講到這里，接下去的學習其實都是高級部分，先不介紹了，因為：一、我自己都還沒有學懂，這里亂吹會誤人子弟。 二、高級東西的學習很多，有很多選擇，又需要很多繁瑣的知識，可能也一下子沒辦法講清楚。
F. 用python做量化交易要學多久
5個月。
python憑借其突出的語言優勢與特性，已經融入到各行各業的每個領域。一般來說，python培訓需要脫產學習5個月左右，這樣的時長才能夠讓學員既掌握工作所需的技能，還能夠積累一定的項目經驗。當然如果你想要在人工智慧的路上越走越遠，則需要不斷的積累和學習。
python培訓的5個月時間里，有相當大一部分時間是在實戰做項目，第一階段是為期一個月學習python的核心編程，主要是python的語言基礎和高級應用，幫助學員獲得初步軟體工程知識並樹立模塊化編程思想。學完這一階段的內容，學員已經能夠勝任python初級開發工程師的職位。
(6)股票交易寫量化學什麼語言擴展閱讀：
Python開發基礎課程內容包括：計算機硬體、操作系統原理、安裝linux操作系統、linux操作系統維護常用命令、Python語言介紹、環境安裝、基本語法、基本數據類型、二進制運算、流程式控制制、字元編碼、文件處理、數據類型、用戶認證、三級菜單程序、購物車程序開發、函數、內置方法、遞歸、迭代器、裝飾器、內置方法、員工信息表開發、模塊的跨目錄導入、常用標准庫學習，b加密 e正則logging日誌模塊等，軟體開發規范學習，計算器程序、ATM程序開發等。
G. 編寫股票分析軟體需要學會哪些計算機語言
編寫股票分析軟體需要學會的計算機語言是C++、Java、Java Script 、 VB 、Visual Foxpro 語言。
股票分析軟體准確稱為是證券決策分析系統，它是在普通行情軟體的基本功能整加了一些特定的功能，如一些分析大盤的指標、公式，新聞資訊，預警系統，選股系統，盤後分析，信息實時發布系統，研究報告，贏富數據等。" 股市有風險，投資需謹慎"，廣大股民朋友要根據自己的需求選擇合適自己的股票軟體，而後結合一定的分析理論和自己的炒股經驗，形成一套自己的、行之有效炒股模式。股票分析軟體實質是通過對股市行情數據的統計，按照一定的分析模型和交易模型匯總成一系列的報表，指標圖形，實時資訊，讓廣大股民朋友更加清晰直觀的從基本面、技術面分析大盤和個股，即時方便的掌握股市的動向。股票分析軟體是炒股的工具，所以請廣大股民朋友要靈活運用。
H. 金融工程，量化投資學什麼軟體好Python還是Matlab
這真的非常難說。。總的來看美 國大部分用python，國 內可能用matlab的比較多（因為盜版什麼的問題呵呵）。我個人是覺得python有更好的靈活性，比如可以和C鏈接等等，很多美國的hedge fund等公司都在從matlab轉到python。matlab的好處是：收錢的東西質量有保證。所以matlab在optimization等方面的toolbox寫得非常棒！總的來說就是簡單好用。問題就是它的syntax非常惡心（這點和R類似。。）。另外速度比較慢（當然R更慢）。。我個人是比較喜歡python多一點，但是很多時候搞量化分析偷懶就會用matlab和R，因為很多東西都是現成的。。
I. python量化交易半個月可以學會嗎
python量化交易半個月可以學會的。
如果已經有了Python基礎，半個月可以入門的，如果沒有Python基礎，就先學Python，學一兩個月有了基礎後，再結合量化交易的模型，邊學Python語言，邊學以Python實現量化模型，上手也會很快的。
大家可能覺得搞量化的人就是整天和大量數據打交道，用一行行代碼寫出復雜的模型，然後沒完沒了地Run，在回測和優化中掙扎，沉浸在數學和統計海洋里的一群人。
實際上，這只是表面現象。雖然每個搞量化的人必須會寫代碼，也必須具備扎實的數學功底，在開發策略的過程中，的確需要分析大量數據，不斷做回測和優化，但是，這一切的背後是強大的金融思維和對金融市場的深刻理解在支撐的。
換句話說，如果你沒有經濟、金融的完整知識體系和工作經驗，或者沒有正確的、科學的思維方式，無論數學多麼地好，也很可能在做無用功；即便編程多麼在行，也只能淪為碼農一枚（沒有歧視程序員的意思哦）。
反過來說，如果你具備科學的思維和邏輯，並發現了經濟、金融的某些規律，想做Quant就不難了。接下來，你只需花點時間學習編程工具，好好利用數據和代碼為你實現自己的想法。
J. 國外股票程序化交易中所用的程序是用什麼語言編輯的
國外的交易軟體基本都是程序化交易系統。編寫的語言很多，又分散戶和投資機構用。無論哪種語言編輯，執行都是c++