想要做量化交易，首先就是考虑选择平台的问题，现在券商接入的主流的量化平台就是PTrade和QMT。

PTrade是恒生研发的，策略云端托管，即使关闭软件，策略也可以自动运行；而QMT是讯投研发的，是本地客户端，本地托管，策略保密性强，部分券商支持搭配云服务器使用。

这两款软件都是外部的量化平台，券商引进做部分修改给自己的客户使用的，在使用上面，券商基本上是只设置了资金门槛10w——50w不等。

QMT相对于PTrade来说，可以支持的投资品种更多，比如股票、ETF基金、两融、期权、期货、可转债、北交所、港股通等等，而PTrade只支持股票、ETF、两融和可转债，投资品种方面比较少，如果说想要量化交易期货，那么选择PTrade显然是不可靠的。

但是PTrade相对小白来说，界面更简单，容易上手，对要求比较低的用户来说是适用的，如果说用户对投资策略有自己独特的想法，那就必须要选择QMT才可以实现，QMT使用的是目前最简单的编程语言Python，懂Python，编程起来相对会简单一些，不懂的话，学习能力强差不多1-2个月也是可以搞定的。

一步到位的话，建议使用QMT比较合适，现在也有非常多的示例可以参考学习，比如说读取通达信自选股的示例，根据自己的实际情况进行修改一下就可以使用。获取量化软件和优惠费率可以加我联系方式：

从春节开始的deepseek到现在各种大模型不断问世，越来越多的人开始关注AI可以帮我们做什么。

对于我们做量化的来说，我们关心的是，AI能不能帮我们做量化投资策略，帮我们完成策略代码的编写。

答案是可以的，但使用AI做量化策略前，尤其是新手，更需要了解量化的流程，那下面我们就讨论下新手如何通过AI快速上手量化。

量化很火，但很多人走错了第一步

现在很多人关心DeepSeek是不是能选股，AI是不是可以帮我们自动炒股赚钱。

很多人一上来就想搞大模型、AI选股、自动买入和卖出，结果发现这一套东西根本无法落地，一圈炫酷的东西学下来，但还是不知道如何赚钱。

下面我们梳理下正确的量化学习路径，我们把量化拆解成6个阶段，每个阶段都是可落地、可执行的：

1.正确理解量化，树立正确认知

•  什么是量化投资？

量化投资通过对海量历史数据进行系统性分析，提炼可验证的市场规律并构建数学模型，借助计算机程序实现自动化交易规则，以追求稳定收益并控制风险的系统化投资方法。

•  理解本质：认清“量化是什么”

量化是方法，不是万能的选股公式；不是预测机器，而是系统性执行框架；

•  最终目标是稳定盈利 + 风险可控 + 可落地执行

2. 需要掌握的技能

• Python基础：掌握 Pandas/Numpy 做数据清洗与处理

• 量化平台使用：聚宽 / 掘金 / Ptrade等

• 聚宽 / 掘金 / Ptrade 任选一个平台跑通回测

• 可以通过AI帮助我们编写相关代码

3. 学习策略思维

• 常见策略类型：

趋势跟踪、动量反转、多因子模型、轮动策略等；

策略架构组成：

• 逻辑来源 → 策略构建 → 交易规则 → 回测验证 → 实盘和风控管理

• 学会阅读别人的策略，并尝试理解背后的市场逻辑。

4. 模仿一个经典策略

• 选一个自己可以理解的经典策略。

• 自己写出一套完整的策略代码，回测成功，生成绩效图；

• 分析收益率、回撤、夏普比率等常用绩效指标；

• 明白策略背后的逻辑，对策略进行改进和优化，形成自己的策略。

• 通过站在前人的肩膀上，再利用AI技术的加持，可以大大缩短我们学习时间，先模仿，后超越。

5. 小资金实盘

• 一定要拿小资金跑一次实盘，哪怕5000元也可以。

• 建立真正的交易意识与风险管理；

• 记录交易过程，形成“认知—实盘—复盘”闭环；

• 真正进入“投资实战”角色，而不是一直做策略开发。

从实盘开始，你才会真正进步，最终才知道开发什么样的策略才能盈利。

6. 复盘与持续优化

• 每天做策略复盘，不断复盘和总结

• 不断提高自己对市场的理解

• 记录自己的策略执行与回撤

• 对策略表现进行详细分析，并不断优化

• 学会做“实盘+策略”双轮驱动，而不是一直做“回测”