量化投资代码
A. 学习量化投资和程序化交易都要学习那方面的内容 谢谢了
计算机、数学、金融， 这三种知识 是必须的，其中计算机主要的是编程技术，数学涵盖的比较多版，有统计、数学建模权等，金融方面需要有最基础的金融知识（证券交易方面）。 再者就是找一个好的量化平台了，以前的都是程序员，也是宽客，自己写代码，写软件编写平台，接入交易所进行量化交易，但是这样需要有比较高的编程技术。由于底层协议比较复杂，往往很费力费时。不过现在有了很多 客户端的软件，网络的平台比如 BotVS 量化平台，这些都把底层很好的封装，有统一的操作接口，量化学习者只用把精力放在 量化策略、模型、数据分析上了。大概就是这样。
B. matlab做量化投资分析，怎么学
做了2年半程序化，开发了一套适用多品种多周期的趋势策略，靠自己摸索。
tb加matlab开发，很多问题答案网上是找不到的。
C. 做量化投资哪家收益高
我自己尝试过好几个平台，做下来感觉比特币基金平台比较好，比特币的支付领域更加广泛让比特币更加有价值，牛市一定能赚很多钱，也可靠。
D. 量化投资 用python好 还是c++
Python是非常适合做quant类工作的语言，本身就是科学计算方面的统治级语言，现在加入了IPython，pandas等重量级神器，为Quant类工作量身定做，而且仍在飞速发展中，以后会越来越重要。
关于其他语言，首先介绍一下我自己最喜欢的一个比较小众的组合，Mathematica+Java/Scala。 Mathematica的优点在于：本身提供函数式的编程语言，表达能力非常强大，比如Map/Rece是标配，很多时候不需要去做烦人的for循环或下标控制，排版经常可以直接照数学公式原样输入，即直观又不容易写错；代码和输出混排的排版方式使得建模时的演算和推理过程非常流畅，甚至还可以直接生成动画，对于找直观理解非常有帮助（这几点分别被IPython和R偷师了一部分）。Mathematica的缺点在于对金融类的时间序列数据没有很好的内建支持，使得存储和计算都会比较低效，因此需要用内嵌Java的方式来补足，对于数据格式或性能敏感的操作都可以用Java/Scala实现。这个组合在我心目中无出其右，不论是快速建模，还是建模转生产，都远远领先于其他选择。但Mathematica的商用授权很贵，如果公司本身不认可的话很难得到支持，这是最致命的缺陷。另外随着Python系的逐渐成熟，领先优势在逐渐缩小，长远看Python的势头更好一些。
其他答案里也列举了不少其他语言，我自己既做Quant的工作，也做软件开发的工作，这里想从一个软件工程师的角度，说说我的理解。平时工作中会和一些偏Quant背景的人合作，很容易发现建模能力好的人往往在计算机方面基础比较薄弱（因为以前的训练重点不在这里）。他们也可以快速学习掌握一种像C++，Java这样的语言，实现很多必要的功能。但是一方面这些语言陡峭的学习曲线和繁琐的开发步骤会给他们真正要做的工作增加不必要的负担，另一方面一旦涉及到性能敏感的情景，他们对计算机体系结构缺乏理解的缺点就容易暴露，比如说很可能他们没有计算复杂度，内存碎片，cache miss，甚至多线程等概念，导致写出的程序存在相当大的隐患。
即使是计算机功底扎实，如果每天的工作需要在C++，Python，R/Matlab，甚至一众脚本语言之前来回切换，思维负担也会非常重，人的精力是有限的，很难同时兼顾数学建模和底层代码调试这种差距巨大的工作。长期发展下去最可能的结果就是要么远离建模，专心做生产环境开发，要么远离生产环境，专心建模。这种局面显然不论对个人还是团队都是有很大弊端的。
如果深入思考这个问题，相信不难得出结论，对于Quant来说，C++这种相当面向机器的语言肯定不是最佳选择。的确在历史上，它比更面向机器的C已经友好了很多，但是在计算机技术飞速发展的今天，如果还需要Quant大量使用C++做建模类的工作显然是很遗憾的事情。设想一下你拿到一份股票数据，不论你是想分析价格走势，成交量分布，还是波动性，第一件要做的事一定是画出图来看看，有一个直观认识。如果你的工具是C++，肯定有很多时间花在编译，调试，再编译的过程上，好容易能解析文件了，接下来怎么算移动平均？怎么算波动性？全都要自己写代码。再然后怎么画图？这整个工作流简直惨不忍睹，这些问题浪费掉你大部分精力，而他们全部和你真正感兴趣的工作毫无关系。所以如果你是一个数理金融等背景的新人打算开始Quant生涯，在决定是否要投资到这项重量级技术上时需要慎重，即便它目前的市场定价可能仍在峰值。相比之下我认为Python会是更理想的选择，即能很好的完成建模工作，也可以训练一定的编程技巧，使你在必要时也能胜任一些简单的C++工作。
最后同意 @袁浩瀚，不要拘泥于语言，不论学习那一种，对其他的语言还是要抱有开放的心态。另外世界变化很快，你会发现单一的语言分类方式其实是没有意义的，每一门语言在发展过程中都会逐渐吸收其他语言的特性，比如Python本身就既有C/C++/Java那样命令式的特点，也有函数式的特点，像pandas甚至还提供类似SQL的使用方式，在其他语言或系统里也都或多或少包含了不同的特点，可以在学习过程里慢慢体会。
E. 金融工程，量化投资学什么软件好Python还是Matlab
C++、VBA是首选，matlab、python等等次之
用过Matlab，在我的小本里，龟速，是在是忍受不了了，毕业之后就不用了。
后来用R和Python，组合来用。Python首先是通用语言，当你有一个想法要表达的时候，如果你对各种各样的库不熟悉（得花好多时间去学啊，工作那么忙，我是做金融的，不是专业的程序员），这时候用Python是最容易实现的。
Python的基本数据结构列表和字典，功能非常强大，基本上能够满足数据表示的需求。
F. 什么是量化投资怎么理解量化
私募排排网为您解答：
量化投资，简单说就是利用计算机技术和数学模型去专实现投资策略的过程。根据上属面的定义，理解它的话，咱们只要记住3个关键词：
数学模型：需要数学公式或模型进行计算;
计算机技术：用计算机来进行自动化交易;
投资策略：将这种方法形成一种惯用投资策略。
G. 什么叫量化数据和类别数据
量化数据是将一些不具体，模糊的因素用具体的数据来表示，以一定范围内线性变换的数据反映自然界或社会的状态，从而达到分析比较的目的。
类别数据是按照现象的某种属性对其进行分类或分组而得到的反映事物类型的数据，又称定类数据。
虽然量化分析可以帮助更加方便和直观地衡量风险和收益，但需要强调指出的是，美国华尔街顶级量化金融大师、哥伦比亚大学著名教授伊曼纽尔·德曼，在《数学建模如何诱骗了华尔街》一文中，毫无忌讳地承认：根本不可能（通过数理分析方法）发明出一个能够预测股票价格将会如何变化的模型；如果我们相信人类行为可完全遵守数学法则，从而把有着诸多限制的模型与理论相混淆的话，其结果肯定会是一场灾难。
(7)量化投资代码扩展阅读：
股市的可预测性问题与有效市场假说密切相关。如果有效市场理论或有效市场假说成立，股票价格充分反映了所有相关的信息，价格变化服从随机游走，股票价格的预测则毫无意义。
众多的研究发现我国股市的指数收益中，存在经典线性相关之外的非线性相关，从而拒绝了随机游走的假设，指出股价的波动不是完全随机的，它貌似随机、杂乱，但在其复杂表面的背后，却隐藏着确定性的机制，因此存在可预测成分。
股指期货套利是指利用股指期货市场存在的不合理价格，同时参与股指期货与股票现货市场交易，或者同时进行不同期限，不同(但相近)类别股票指数合约交易，以赚取差价的行为，股指期货套利主要分为期现套利和跨期套利两种。股指期货套利的研究主要包括现货构建、套利定价、保证金管理、冲击成本、成分股调整等内容。
H. 完全不懂金融，想学习量化投资需要学习哪些金融科目
我个人认为学习复量化投资在金制融方面需要具备两个方面的知识：
1、首先是要了解金融市场与金融产品，只有这样才能在众多市场与标的中选择合适的来构建投资组合，这一方面需要了解的基础知识有：金融市场与金融机构、投资学、金融衍生品等等；
2、其次是需要了解如何量化，相信你应该有足够的IT背景，编程没啥问题，其次的话就是要了解数理来沟通金融产品选择与编程落地，需要了解的科目有：概率论、统计学、计量经济学、金融经济学、数理金融等。
I. 量化投资用什么编程语言研发策略好呢
么以下我就以程序语言的角度来回答
当然如果已经会了某些语言,那你可以使用熟悉的专语言去找网上的学习资属源会比较快
如果没有特别熟悉的语言,或者是愿意多学一种非常好用的语言
我的建议是学习Python
我从以下几点来分别说明
平台资源
国内外使用Python做云端回测以及运算的免费平台相当的多,例如有 宽客在线，发明者量化，优矿, 等等不胜枚举,可以使用平台的支持以及社区的互相帮助来学习
容易学习
综合以上所说,"目前的环境底下" 我推荐Python.（推荐直接下载 Anaconda的集成开发环境）
J. 股票量化是什么
量化交易是指以来先进自的数学模型替代人为的主观判断，利用计算机技术从庞大的历史数据中海选能带来超额收益的多种“大概率”事件以制定策略，极大地减少了投资者情绪波动的影响，避免在市场极度狂热或悲观的情况下作出非理性的投资决策。