1樓：巨集源期貨技術于強
瀉藥~第乙個問題答案是「能」。只要是程式語言都可以寫量化策略。
第二個問題答案是「會」。但是如果回測的資料量不大，完全可以7*24小時放著去回測嘛。
與其把大量時間浪費在糾結語言、糾結平台上，不如動手幹，真到了瓶頸了再考慮這些問題。
贈言一句，千里之行始於足下。
2樓：槓爺深挖成長
饅頭好貴，石頭便宜。
求問，石頭能填飽肚子麼？會不會造成營養不良？
為了不裝逼，回答：有能力的，cuda，或者cpu滿負荷並行c++，或者知名通用第三方平台。
其他的，你就是個玩票的
3樓：
看具體策略了。
我覺得對回測效率影響最大的主要來自兩方面。
一是需要用到何種資料，以及多長週期，這決定了參與回測的資料量大小，如果是用日線資料，那隨意擼。如果要用到tick，甚至逐筆，甚至委託佇列，那資料量是非常喜人的，問題就不在用vba或者是C上了。或許需要搭建分布式計算環境，減少資料傳輸量。
第二就是策略是否真的計算密集型？我覺得這類策略還是比較少，有一些需要全市場計算的，可能性能差些，但CPU占用比起IO來還是要少很多。
量化策略研究員成長之路？
有一些做matlab的私募，也在開始使用python做量化了 VNPY 量化交易上的效能對比分析 由於VNPY架構的不合理，導致架構效能和生產環境還有較大差距 guobz 個人覺得，先找到乙個領域，自己的能動性 可發揮的空間大些，從模型開始，接受市場的考驗，然後逐漸從收益慢慢關注到風險 成本 交易整...
量化交易的核心是IT技術能力還是策略本身？
Duke 都不容易 如果把整個量化比作一輛車的話，跑得快不快受三個條件的制約條件1 車身結構 輪胎等，這個可以當做iT技術條件2 車子自身的發動機，這個可以看做是策略本身條件3 車子開起來的路面，這個就是策略執行的通道了XTP極速通道 不二者 鄙人一點點小看法是 1 一開始為了實現交易，T技術是必備...
如何看待某量化培訓組織宣傳學員靠策略買房？
金融行業本來逗比就多。二級市場很殘酷，大家都不容易，誰不想悶聲發大財啊。都是名校光環曾經同齡人中的佼佼者，放下臉面拋開身段忍受各種質疑調侃來降維收割，不過也別看不起別人的吃相，大家都半斤八兩。這世上哪兒多共贏，燈塔國到了一定階段不也一樣零和博弈。實體領域尚且如此，何況二級市場了。本質都是在收割貪婪和...