VNPY CTP量化交易仿真柜台学习资源

VNPY系列产品是由原量化私募基金的成员研发的量化交易仿真回测系统和商业化交易系统，随着产品不断迭代，目前已经一步步成长为一套功能完善全面的交易程序开发框架，用户群体也日渐多样化，包括私募基金、证券自营和资管、期货资管和子公司、高校研究机构、个人投资者等。

vnpy (http://www.vnpy.cn) 是用于量化交易的底层仿真回测系统，由私募基金从业人员研发。随着在量化交易行业业内关注度的上升，用户群体也日渐多样 化，包括：高校研究机构、专业个。 对vnpy和量化交易新手的建议： 1.Python 适合用于快速开发，解释性语言导致了运行效率比较低，但是开发速度相对于其他语言却很高。当然Python做数据分析的效率比较高，但是做底层会下降一个 数量级的原因，所以尽可能建议用成熟的资管系统去实现多账户。目前虚拟币市场比较混乱，厂商的API水平参差不齐，而A股禁止使用资管系统，外盘相对而言 波动小是一个更成熟的市场，国内的期货的API是最成熟和完善的，那么期货的资管也很丰富，包括了信管家、融航、酷操盘手等。 2.因为搭建整个量化平台需要涉及很多，包括数据处理，策略开发，底层搭建，而这些工作在私募基金是由一个团队去完成的，如果是一个爱好者自己做怎么的也得3-5年吧。所以给出的建议是，尽可能的将精力放在策略开发上，对底层和框架可以拿来主义。 3.对一些人工智能库该怎么用，对大多数程序员来说也只是学会调用，能做到调参的已经是比较高的水平了。若想真正做到精通人工智能算法，对程序员也 不是一个简单的工作，更不要说一般爱好者了，人工智能算法需要的是优秀的算法工程师 ， 要熟练的掌握高等数学、线性代数、离散数学、组合数学、矩阵论、概率统计等数学课程，数据结构 （树、链表、矩阵、图）等各种典型的数据结构以及常用的查找和排序算法（比如冒泡排序、快速排序、二分查找、希尔排序等，熟悉各自算法的时间复杂度）。对 于通用型的算法思想，比如递推、分治、贪心、递归、动态规划等算法策略要熟记于心并能灵活运用。要做好人工智能算法这一些都离不开深厚的数学功底。。 所以所以对一般量化交易爱好者而言，一上来不要追求人工智能去开发策略。 4.vnpy python框架也在不断进化，VNPY提供高性能的仿真回测系统和商业化软件，建议爱好者将精力方在策略开发上，策略相比平台则是更保值的东西。 vnpy (http://www.vnpy.cn) 是用于量化交易的底层仿真回测系统，由私募基金从业人员研发。随着在量化交易行业业内关注度的上升，用户群体也日渐多样 化，包括：高校研究机构、专业个人投资者、私募基金、期货资管、证券自营和资管等等。 vnpy是底层仿真回测系统，和原生API一起接入实盘，但和编程语言无关。VNPY具有多账户下较高的并发性能，建议采用资管系统来实现。