因為我們可以快速檢驗自己的想法

因為我們可以免受情緒的干擾

因為我們可以節省出很多時間

因為我們可能獲得更高的收益

……

「可是學習量化，需要有編程基礎啊。」

出於這樣的原因，很多人對量化會有所遲疑，甚至望而卻步。

其實，完全不用有這個擔心。

1 量化其實很簡單

量化看上去很高深，其實簡單一點來看，你可以把它當作一個數據統計的工具。

從這個角度來理解，其實你可以發現，用了很長時間的excel就是這樣的一個工具。

把行情的數據到一導出，然後單元格一拉，就實現了最基本的量化。

然後再將數據生成折線圖，就可以很直觀地看到結果。

我第一次進行量化，用的就是excel。

這樣的一個曲線圖，如果用過excel的話，應該不會陌生。

我剛剛開始接觸量化的時候，學習了張翼軫的二八輪動模型。這幅圖是我對指數數量進行擴展，然後回測得到的結果。

據說，雪球大V持有封基就是通過excel進行量化，過去十年賺了十倍。

所以，我們沒有必要把量化看成很高深的東西。

2 不會編程就能使用的量化平台

使用excel進行量化，還需要導出或者下載數據，編寫一些簡單的公式。

但是，隨著現在很多量化平台的出現，我們連這一步都可以省掉了。

甚至很多策略在這些量化平台上，都已經實現了，我們需要的只是簡單的拷貝就可以了。

首先是果仁網，這個應該是最早實現不會編程就能使用的平台。

它的出現對於量化投資的初學者而言，可以說是一個福音。

裡面有很多現成的指標，我們可以直接組合成自己的策略。

不過果仁網也有一些限制，不少功能需要購買VIP才能夠使用。

和果仁網類似，實現了無需編碼就能回測的平台還有：

優礦、京東量化平台、聚寬。

這些平台都是提供了策略生成器，通過選擇指標的方式，自動轉換成代碼，實現無需編碼就能使用。

其中優礦指標數最多，京東量化平台指標數次之，聚寬指標數最少。

三者的指標數量均不如果仁網，但優點在於免費。

3 學編程其實是出於個性化需要

當你發現，簡單的指標選擇方式，已經不能滿足自己個性化的量化需要，可以嘗試學習一下編程。

可是市面上那麼多量化平台，應該如何選擇呢？

也不是專業的評測人員，我就從一個普通用戶的角度，說說我自己的體驗和感受。

3.1 優礦（Uqer）

還記得當時想要通過MATLAB來建立數據倉庫，在這個過程中，了解到了優礦。

優礦是通聯數據旗下的一個產品，有著這樣的背景，數據自然就非常齊全。

我公眾號裡面，周二到周六分享的基金定投回測結果，以及關於價值投資選股、行業數據對比、估值的小工具，就是用優礦實現的。

不過優礦有一大缺點，就是訪問有點慢，甚至常常打不開：

這是比較令人苦惱的，為此，我曾經還棄用了一段時間，直到後面有數據的使用需求，才重新使用。

一開始我以為是網路的原因，只有我自己是個例。

不過在分享了價值投資小工具之後，發現不少人都有類似的體驗。

還有人認為我分享的工具是空白的，最後才發現是打開得太慢。

3.2 聚寬（JoinQuant）

聚寬是我使用得最多的一個量化平台，最近研究的動態因子、動態多因子策略，都分享在上面，之前還寫了一篇文章來推薦它。

聚寬不僅訪問起來非常迅速，目前為止基本上沒有什麼卡頓的情況。

不過這個不是重點，讓我感受最深的是，就算關閉了回測窗口，也不影響回測結果生成的功能。

這讓我可以同時進行十個回測，大大的節省了調試策略參數的時間。

這裡的分享氛圍不錯，不僅有適合老鳥的分享，也有適合新手的教程。

那個曾經讓我驚喜萬分的小市值策略，就是在聚寬的社區拷貝的。

對於量化的新手來說，通過量化課堂，也可以一步一步成體系地學習：

總體來說，聚寬給我的用戶體驗是不錯的，唯一美中不足的地方是數據不如優礦豐富。

3.3 米筐（RiceQuant）

其實在發現聚寬之前，我更早知道的是米筐。

不過和優礦一樣，因為網路原因，棄用了。現在米筐訪問起來，已經很快了，應該有做過改善。

在使用聚寬的過程中，我發現米筐和聚寬其實是一個深度的競品，從兩者的菜單對比，就可見一斑：

兩者不論是界面、使用的方式、還有數據，都非常相似。

或許是因為創建者的靈感都來源於國外的量化平台Quantopian吧。

米筐一開始還能支持java進行回測，但剛剛進去看了一下，發現這個功能已經關閉了。

下圖是米筐的學院，裡面也有不少量化的教程。

總的來說，米筐給我的感覺更加偏程序員化。

3.4 其他

除了上面介紹的幾個量化平台之外，還有京東量化平台、掘金。

這兩個平台，我大概地了解了一下：

京東量化平台菜單看上去和聚寬、米筐差不多，「學院」菜單內的教程也挺成體系的：

京東量化平台還支持java語言，有京東大數據，缺點是網頁訪問不夠流暢，有點慢。

掘金需要下載客戶端，策略在本地運行，相對更加安全，同時能夠支持C，C#，C++，Python，GNU，R，Matlab，Easy等多種語言。

掘金給我的感覺，應該是比較適合相對專業的量化人員。

這兩個平台，由於都沒有使用過，了解得比較淺顯。

當然，應該還有其他的量化平台，但比較容易找到的就上面這些了。

如果感興趣的話，大家可以自行研究下，找到最適合自己的平台。

文章提前一天發布在公眾號：止一之路

推薦閱讀：