量化的軟件推薦：python
常用的量化軟件有python、matlab、java、C++。
從開發難度而言python和matlab都比較容易，java和C++麻煩一些。
從運行速度而言，C++、java要快於matlab和python。
不過對於大部分人而言，尤其是初學者，開發占用的時間遠大於運行時間。如果追求運行速度的話，先將策略開發出來，再用C重寫也不遲。
另外，從量化資源而言，python資源多於matlab，而且matlab是商業軟件，python是免費的。因此我推薦大家用python。
使用python的話，最好下載一個anaconda。這個軟件將常用的庫都集成好了，免去自己安裝的煩惱。下載地址： https://www.continuum.io/downloads
python教程推薦這個網站： http://lectures.quantecon.org/py/index.html 只需要看第一部分就可以了。該教程不僅介紹了python,而且介紹了numpy,scipy,pandas,matplotlib等科學計算庫。
也可以從京東量化平台 http://quant.jd.com/community/index 上學習Python
免費資料：
量化學習資料： https://club.jr.jd.com/quant/topic/789049
Python學習資料： https://club.jr.jd.com/quant/topic/834227
python學習教程： https://club.jr.jd.com/quant/topic/760702
python、java編程基礎視頻1： https://club.jr.jd.com/quant/topic/877114
python、java編程基礎視頻2： https://club.jr.jd.com/quant/topic/877215
python技術指標均線應用： https://club.jr.jd.com/quant/topic/778188
python技術指標kdj應用： https://club.jr.jd.com/quant/topic/778178
python指標macd的應用： https://club.jr.jd.com/quant/topic/778177
python去除是停牌、退市、st創業版股票： https://club.jr.jd.com/quant/topic/778173
python策略中獲取指數成分股的歷史行情數據： http://club.jr.jd.com/quant/topic/938309
量化框架：推薦使用京東量化平台
量化平台可以看成是一個已經搭建好的框架。用戶只需添加一些自己的買賣條件，即可回測策略，免去了自己從無到有搭建基礎框架的過程。
經過多方比較 各家量化平台，之所以在這里推薦京東量化，原因如下：
首先：數據資源上看。京東量化平台依托京東集團強大的資源，發揮整合和協同效應優勢
1） 從國內知名的資訊金融終端購買了大量的金融數據，並做了復權處理
2） 免費提供獨具特色的京東大數據
3） 准確、實時的滬深股市行情，以及指數行情信息；滬深股票的基本信息和IPO，配股，分紅，拆股，股改，行業，以及回報率等信息。
其次：高效快捷的回測壞境，提供實盤模擬功能，您回測收益穩健的策略，可以加入實盤模擬，接受市場的考驗
此外：強大服務支持
1） 支持Python環境編寫策略，簡單易學，適合不同背景的學習者
2） 提供策略榜、智投策略等功能，可以通過多維度角度評判策略
最后：交流群456448095非常活躍，經常會有最新資訊、和牛人分享
以上是做量化的一些基礎工具。另外根據策略類型的不同，也會用到一些其他工具。
除了基礎的軟件和平台，這里再推薦一些用得到的工具給大家。
數據源推薦：tushare
Tushare支持的數據很全面，相比wind個人版量化接口，tushare更友好。因此推薦tushare。
1、 數據庫推薦：sqlite
如果所做的策略需要存儲很多數據，那么就需要一個數據庫軟件，配合使用。Python自帶sqlite3庫，可以在python中方便的操作sqlite數據庫。Sqlite下載地址：SQLite Home Page
使用方法可以參考：SQLite - Python | 菜鳥教程
2、 機器學習推薦: scikit-learn
Scikit-learn封裝了很多常用的算法，直接用就可以了，避免了自己寫算法。網址：
scikit-learn: machine learning in Python
另外推薦一本機器學習的書“集體智慧編程”，至於購買鏈接嘛 HAHA 就不發了免得別人以為我是打廣告的。
3、 網絡信息采集推薦：Beautifulsoup等
關於這方面可以參考“Python網絡數據采集”這本書。
————————————————