盈時
成立時間：2016.06
服務：
1.選取參數，自動生成策略（需要購買次數）
2.購買別人的策略
語言： Python
目標客戶： 期貨投資者（有無編程基礎都可）
數據庫： 期貨
回測用時： 需要排隊分鍾記
支持的功能： 支持將策略使用在交易開拓者的平台，屬於實盤交易。策略給出建議，但需要自己手動確定進行買賣。
優勢：
1.對期貨做策略（競爭少）
2.運用機器學習，理論更新穎
3.能夠自己代入實盤
自動生成策略原理與簡介： 通過設置參數，然后通過機器學習的方法，判斷期貨應該如何交易才能盈利。
備注：國內首個利用深度學習的人工智能量化平台
聚寬
成立時間： 2015.05
服務：
1.選取參數，自動生成策略
2.可以自己編寫代碼，生成策略（有代碼顯示）
語言： Python， R
目標客戶： 有經驗的quant
數據庫： 全面
回測用時： 分鍾記（動圖的形式）
支持的功能：
1.支持日級、分鍾級回測
2.支持日級、分鍾級、tick級模擬交易
3.免費提供A股行情、財務數據、指數數據、基金數據
優勢：
1.期貨，期權有數據，但得自己做
2. 支持回測中訪問網絡
3.社區活躍，有很多不錯的ETF策略
4.有銷售策略活動
5.Api豐富且友好
自動生成策略原理與簡介： 通過設置的參數，不斷篩選股票池里的股票，然后根據市場變動，判斷是否進行操作。（打分法）
備注：
1. 門檻低，人人皆可為寬客
2. 可設置股票是否復權
優礦
成立時間： 2015.10
服務： 可以自己編寫代碼，生成策略（有代碼顯示）
語言： Python
目標客戶： 剛入門的quant，有編程基礎
數據庫： 全面
回測用時： 以秒記（動圖的形式）
支持的功能：
1.IPython Notebook與回測引擎的整合可做參數優化
2.支持分鍾線回測及日數據仿真交易
3.CAL庫支持了不少常用的不常用的金融算法
4.可自定義library，復用自己的模塊
優勢：
1.數據全面
2.有比賽可以進行交流
3.有適用於高頻交易的專業版
備注： 比賽的形式還是挺吸引人的
Ricequant
成立時間： 2014.12
服務： 需要自己編寫代碼生成策略
語言： Python,Java
目標客戶： 有經驗的quant
數據庫： A股（2005年至今）
回測用時： 分鍾回測
支持的功能：
1.針對 FOF 投資的 CRM 功能
2.支持用戶分組
3.自動郵件提醒
4.數據更新選項
優勢：
1.使用RQBeta回測績效分析，結果展示豐富
2.視覺設計和文檔做的非常棒，特別是回測結果頁面，看着很舒服
3.定期舉辦比賽
BigQuant
成立時間： 2016.04
服務： 選取參數，自動生成策略（使用機器學習，並配有代碼）
語言： Python
目標客戶： 一般股民
數據庫： A股
回測用時： 十分鍾
支持的功能：
1.因子可供選擇得很多
2.有基礎知識教程
優勢：
1.可供選擇的因子多
2.門檻低
自動生成策略原理與簡介： 選取參數后，使用歷史數據，利用機器學習的原理考慮是否進行交易，在實盤時，用實盤日期，回測時用傳入的數據。（機器學習）
鐳礦
成立時間： 2015.04
服務：
1.選取參數，自動生成策略
2.可以自己編寫代碼，生成策略
語言： Java、Python
目標客戶： 一般股民
數據庫： A股（2012至今）
回測用時： 以秒記
支持的功能： 回測速度快
優勢：
1.回測速度快
2.可以使用Java
自動生成策略原理與簡介： 選取參數后，不斷篩選股票，然后根據實際價格變動，判斷是否進行操作。（打分法）
備注： 基礎知識介紹偏少，但有相關代碼介紹，有長短期的區別
果仁網
成立時間： 2015.08
服務： 選取參數，自動生成策略（沒有代碼）
語言： 未知
目標客戶： 一般投資者
數據庫： 國內上市的A股和ETF
回測用時： 以秒記
支持的功能： 考慮對沖（vip）
優勢：
1.因子選擇界面感覺最舒服
2.回測快
3.將對沖考慮在內
自動生成策略原理與簡介： 選取因子后，篩選出股票然后排名。一種是在每個交易日結束時賣出，然后買入想要的股票；另一種是賣出不符合的股票，買入合適的股票。（打分法）
備注： 界面用起來挺舒服，有長短期的區別
京東量化
服務：
1.選取參數，自動生成策略
2.可以自己編寫代碼，生成策略（有代碼顯示）
語言： Python（Java還不能用）
目標客戶： 一般投資者
數據庫： 指數數據、京東大數據
回測用時： 以秒記、以動圖的形式體現
支持的功能： 提供量化選股服務
優勢：
1.回測速度快
2.可以量化選股
自動生成策略原理與簡介： 選取因子后，篩選出股票。然后根據之前的數據，和今日實時更新的數據，判斷如何對股票進行操作。（打分法）
備注： 無長短期分別，但有調倉周期
Factors
成立時間： 2016.11
服務： 選取因子，自動生成策略 。
語言： 未知
目標客戶： 一般股民
數據庫： A股
回測用時： 無法回測
優勢：
1.無需編程，自動生成策略。
2.綜合運用多因子構建模型對股票進行評價
自動生成策略原理與簡介： 選取因子后，篩選出股票。然后根據實時數據，判斷是否交易。（打分法）
掘金
成立時間： 2015.01
服務： 選取策略模版，手動編程
語言： C/C++、C#、MATLAB、Python、R
目標客戶： 投資者、策略提供者
數據庫： 全面
回測用時： 首次回測秒級完成，后續回測毫秒級完成
支持的功能：
1.統一的量化交易接口
2.一致的策略事件模型
3.完善的風險控制機制
4.多策略多賬戶支持
5.完整的策略生命周期管理
優勢：
1.策略存放在本地，安全性高
2.可定制性強
3.定期舉行比賽
備注： 支持tick數據
微量網
成立時間： 2014.01
服務： 選取參數，自動生成策略（沒有代碼）
語言： 未知
目標客戶： 一般投資者
數據庫： 全面
支持的功能： 期貨程序化CTA策略
優勢： 有策略從上傳到出售全流程鏈 自動生成策略原理與簡介： 選取因子后，篩選出股票。然后根據實時數據，判斷是否交易。（打分法）
備注： 國內首家采用策略雲托管模式的投資平台
眾量網
成立時間： 2014.01
服務：選取參數，自動生成策略（沒有代碼）
語言： 未知
目標客戶： 一般投資者
數據庫： 全面
回測用時： 以秒記
支持的功能： 通過眾包做量化投資策略，全視角，跨品種，多周期，無編程
優勢：
1.品種多樣化
2.效率高
自動生成策略原理與簡介： 建立一個建倉條件，一個出倉條件，可以設置止損和分批建倉次序。然后看盈利多少（按行業分）
備注： 個人感覺做得太過粗糙
雲量科技
成立時間： 2015.11
服務：選擇策略及交易賬戶層面的風控模塊（即刻使用）
語言： 未知
目標客戶： 投資者、策略提供者
數據庫： 全面
回測用時： 以秒記
支持的功能： 量化投資策略開發、交易算法設計、投資咨詢、移動互聯網（投資類）應用開發
優勢：
1.高模仿人類對話
2.超智能營銷多維度精確鎖定，主動出擊喚醒
3.全網覆蓋、7*24小時服務
備注： 是一個公司，提供機器人服務，不是量化投資平台
諸葛量化
成立時間： 2016.12
服務：選取參數，自動生成策略（沒有代碼）
語言： Lua 目標客戶： 投資者、策略提供者
數據庫： A股
回測用時： 以秒記
支持的功能： 策略生成 ，策略購買；資產配置 ，條件選股
優勢：
1. 快速生成策略
2. 自帶遺傳基因算法，智能優化策略
自動生成策略原理與簡介： 選股方法有兩種：打分法，趨勢法（今日比昨日打分高就買進）。然后通過遺傳算法改進策略，達到滿意為止（有遺傳代數限制），最終接入實盤。
量化大師（軟件）
成立時間： 2013.08
服務：選取參數，自動生成策略（沒有代碼）
語言： 未知
目標客戶： 一般投資者（散戶）
數據庫： A股
支持的功能： 量化選股、策略回溯、策略提醒、程序化交易
優勢： 效率高
自動生成策略原理與簡介： 選取因子后，根據實時股價進行篩選，選出排名靠前的股票（個數自己設置），然后根據實時數據，判斷是否交易。（打分法）
備注： 一款手機app
況客
成立時間： 2014.12
服務： 提交數據，生成圖表，檢驗信息的准確性
語言： R
目標客戶： 投資者、策略提供者
數據庫： A股
支持的功能： 針對 FOF 投資的 CRM 功能，支持用戶分組，自動郵件提醒，數據更新選項
優勢：
1.量化策略可根據用戶需求靈活定制
2.操作簡單
3.交易策略評估清晰明確
4.工具免費化
5.可網絡調度
備注： 是對你手上已有數據的一個可視化處理，讓數據看起來更加形象。
MindGo
成立時間： 2017.02注冊商標
服務： 需要自己編寫代碼生成策略
語言： Python
目標客戶： 投資者、策略提供者
數據庫： A股
回測用時： 以秒記
支持的功能： 數據研究、策略回測、模擬交易、自然語言選股/回測
優勢：
1. 數據齊全
2. 支持tick回測
3.支持自然語言回測
4.定期舉行比賽
BotVS
成立時間： 2015.07
服務：需要自己編寫代碼生成策略
語言： JavaScript、Python、雲端編寫
目標客戶： 投資者、策略提供者
數據庫： 全面
回測用時： 以秒記
支持的功能： 回測、實盤模擬交易、實盤接入交易
優勢：
1.模塊化策略開發
2.策略分享機制
3.P2P模式策略租用機制
4.實盤公開展示
5.支持三大金融市場
DigQuant（點寬）
成立時間： 2004年
服務： 需要自己編寫代碼生成策略
語言： MATLAB
目標客戶： 投資者、策略提供者
數據庫： 全面
回測用時： 以秒記
支持的功能：
1.基於 MATLAB 的量化策略
2.支持股票、期貨的策略研究和程序化交易（是一個軟件Auto-Trader Pro）
3.量化研究文章分析
優勢：
1.其核心架構與微軟 Azure 雲架構深度整合
2.社區內有《中國證券期貨》雜志專欄
備注：
1.基於 MATLAB 的量化策略
2.核心產品主要是巴別塔實時協作平台系列軟件產品
OpenQuant
成立時間： 1997年
服務： 需要自己編寫代碼生成策略
語言： C#
目標客戶： 能提供投資方案的投資策略編寫者
數據庫： 全面
支持的功能： 交易策略創建開發、策略回測、參數優化、策略運行及風險監控。
優勢：
1.可構建大型對沖基金級量化交易解決方案
2.專業用戶可擴展全新功能
3.豐富的金融函數及專業軟件對接能力
中量網-交易王
成立時間： 2012年
數據庫： 全面
支持的功能： 中量金融、中量股票、期貨仿真、期貨實盤、策略商城
i量化
成立時間： 2015.01
數據庫： 全面
支持的功能： 量化交易、金融咨詢、社交、在線教育
優勢：
1.擁有海外量化投資最專業的平台
2.提供開放的社區和在線教育服務
quantopian
服務： 可以自己編寫代碼，生成策略（有代碼顯示）
語言： Python
數據庫： US equities futures（最早2002）
回測用時： 分鍾記（動圖的形式）
支持的功能： 回測、實盤模擬交易、實盤接入交易
優勢： 能夠借助他人做實驗檢測
quantconnect
服務： 可以自己編寫代碼，生成策略（有代碼顯示）
語言： C#、F#、Python
目標客戶： engineer
數據庫： 股票 外匯 基金 期權 期貨（US）
回測用時： 分鍾記（動圖的形式）
支持的功能： 回測、實盤模擬交易、實盤接入交易
優勢：
1.可以很方便地將自己的策略應用到實際中
2. lean（Lean Algorithmic Trading Engine）基於C#的算法交易平台的運用和介紹
quantstar
服務： Qstrader的引入
語言： Python
支持的功能： 回測、實盤模擬交易、實盤接入交易
優勢： 有3本書籍介紹
zulutrade
服務：
1.你可以成為交易者（提供策略）
2.你可以跟隨他人的策略
3.策略基於外匯，二元期權
語言： Java
目標客戶： 一般金融愛好者、engineer
數據庫： 外匯、二元期權
支持的功能： 外匯策略交易
優勢： 專門做外匯方面的
quantbedia
服務： 搜索合適的策略使用，編寫策略上傳
語言： Python
數據庫： 幾乎所有的數據都有
優勢： 一個很明顯的策略交易平台
algotrading101
服務： 講解機器學習應用到策略中（主要是教學）
優勢： 運用了機器學習
investopedia
服務： 股票，外匯模擬交易（教學）
數據庫： 股票 外匯
優勢： 教導新手做相關模擬交易
Amibroker
服務： 一個系統化交易的平台
語言： formula language
數據庫： 股票 外匯
優勢： 比較全面，功能齊全，速度快