Advertisement

RedTorch：Java开源量化交易平台框架

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
RedTorch是一款专为量化交易设计的Java开源平台框架，旨在帮助开发者快速构建和部署高性能、低延迟的交易平台。 redtorch但知行好事，莫要问前程。在您下载和使用本项目之前，请务必阅读相关协议和注意事项。 **项目简介** 该项目是一个基于Java语言开发的开源量化交易程序开发框架。此版本（1.0.0）大幅精简了之前的通讯协议，并增加了HTTP WebSocket混合RPC模式，这极大地改善了性能，但同时也加大了对通信模型的理解难度；此外，这个分支修复了大量的拼写错误、优化了Desktop模块的渲染方式、修复了许多BUG并修改了接入认证方式。由于改动幅度较大，尚未经过充分测试，请谨慎使用。 Web页面和Python客户端对应的1.0.0版本已经发布，并且与之前的0.3.0版本不兼容。下一个计划发布的版本（1.1.0）将实现基于Zookeeper的高可用性模式，此版本提前准备了HaSession模块以支持这一功能。 **开发语言** Java **项目文档** 本项目仅供代码相互学习。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • RedTorch：Java开源量化交易平台框架
    优质
    RedTorch是一款专为量化交易设计的Java开源平台框架，旨在帮助开发者快速构建和部署高性能、低延迟的交易平台。 redtorch但知行好事，莫要问前程。在您下载和使用本项目之前，请务必阅读相关协议和注意事项。 **项目简介** 该项目是一个基于Java语言开发的开源量化交易程序开发框架。此版本（1.0.0）大幅精简了之前的通讯协议，并增加了HTTP WebSocket混合RPC模式，这极大地改善了性能，但同时也加大了对通信模型的理解难度；此外，这个分支修复了大量的拼写错误、优化了Desktop模块的渲染方式、修复了许多BUG并修改了接入认证方式。由于改动幅度较大，尚未经过充分测试，请谨慎使用。 Web页面和Python客户端对应的1.0.0版本已经发布，并且与之前的0.3.0版本不兼容。下一个计划发布的版本（1.1.0）将实现基于Zookeeper的高可用性模式，此版本提前准备了HaSession模块以支持这一功能。 **开发语言** Java **项目文档** 本项目仅供代码相互学习。
     
  • VNPY量化交易框架开源版.rar
    优质
    VNPY量化交易框架开源版是一款专为Python用户设计的免费、开放源代码的金融交易平台。它支持多种编程接口，适合构建自动化交易策略和回测系统，助力投资者提升交易效率与准确性。 VNPY3.0客户端开源代码是VNPY官方提供的CTP开源项目客户端源代码，支持国内149家期货公司的CTP接入，并且支持股指期货、股指期权、商品期货及商品期权的程序化交易与量化交易仿真回测。 cpp source包含了vnctptd.dll和vnctpmd.dll的源代码。这两个动态链接库用于VNPY3.0通过ctypes调用，作为VNPY3.0和CTP接口之间的桥梁。由于使用了C++技术，性能表现优越。此版本是针对期货CTP接口专门发布的专属版本。
     
  • 基于ZipLine改进的Python开源量化交易平台框架（支持A股）
    优质
    本项目为基于ZipLine数据处理引擎优化开发的Python量化交易系统，专为中国A股市场设计，提供高效、灵活的回测与实盘交易功能。 开源ZipLine原本仅支持美股交易数据。为了适应本地市场的需求，我们对它进行了调整，并通过接入本地股票数据接口来实现策略回测与图形化展示功能。使用这项服务需要具备Python环境下pandas、matplotlib等金融分析工具的基础知识。
     
  • Abu：基于Python的开源量化交易平台
    优质
    Abu是一款基于Python语言开发的开源量化交易框架，旨在为用户提供一个灵活且强大的平台来实现股票、期货等市场的自动交易策略测试与执行。 Python数据分析与可视化：基于Python的开源量化交易
     
  • VNPY 2.3量化交易框架
    优质
    VNPY 2.3是一款强大的开源量化交易平台，支持多种金融市场的自动化交易策略开发与回测，助力投资者实现高效、智能的投资决策。 VNPY仿真柜台现已完美支持CTP接口。 VNPY Virtualapi CTP仿真柜台是一项底层的回测技术，基于底层而非应用层开发，因此与编程语言无关，并且无需第三方平台的方法即可在不修改原有代码的情况下实现回测功能。目前，VNPY提供的主要为上海期货交易所的CTP接口（涵盖商品期货和股指期货）。 接下来简单介绍一下CTP接口：这是由上海期货交易所提供的一套面向商品期货、股指期货及期权的API接口，包括行情订阅与交易功能，支持国内149家金融机构。
     
  • ThinkPHP框架下的友链交易平台源码
    优质
    这是一个基于ThinkPHP框架开发的友链交易平台源代码，提供完整的在线友链管理解决方案。 安装环境：PHP5.6 和 MYSQL5.6 安装教程： 1. 上传压缩文件并导入数据库文件。 2. 在Application/Common/Conf/db.php 文件中修改相关数据库信息。 3. 设置伪静态规则如下： ``` location ~* (runtime|application)/ { return 403; } location / { if (!-e $request_filename) { rewrite ^(.*)$ /index.php?s=$1 last; break; } } ``` 4. 安装 memcache 扩展。 后台地址：域名/Manzige 账号：admin 密码：123456 alipay.php 文件用于支付宝即时到账接口配置，证书文件放在根目录即可，也可以自行修改配置。 constant.php 用于常量设置和加密解密密钥(SYSTEM_SECRET_KEY)的修改。 cache.php 用于缓存设置，默认采用 File 方式。 服务费价值20%
     
  • 基于C++和Python的开源量化交易研究框架
    优质
    本项目提供一个结合C++高性能计算与Python灵活开发环境的开源量化交易平台，支持策略研究、回测及实盘交易。 基于C++和Python的开源量化交易研究框架提供了一个强大的平台，用于开发、测试和部署各种金融市场的自动化交易策略。该框架结合了两种语言的优点：C++提供了高性能计算能力，而Python则便于快速原型设计与代码实现。这样的组合非常适合于需要大量数据处理及实时决策支持的应用场景，在学术界和工业界都有广泛的应用前景。
     
  • Python股票量化交易平台
    优质
    Python股票量化交易平台是一款利用Python编程语言开发的自动化交易系统，它集成了数据处理、策略回测和实时交易功能，为投资者提供高效便捷的量化投资解决方案。 该工具由Python编写，支持Python 3.4及以上版本，并具备以下功能：可视化（基于PyQT的界面）、多线程事件引擎、股票数据获取、选股策略回测、实盘交易、历史数据分析等。所有数据均免费来源于网络平台如Wind和TuShare。此外，该工具还提供微信提醒及交互功能，支持一键挂机全自动交易模拟，并允许使用9个模拟账号进行测试。无论是实盘还是回测，都可以共用相同的策略代码。同时提供了实盘单账户多策略的功能、自动下载历史数据到MongoDB数据库以及集成基本的统计功能等实用特性。
     
  • 中国量化交易平台概览
    优质
    《中国量化交易平台概览》旨在为中国金融市场提供一个全面且深入的视角，介绍和分析国内主要的量化交易系统、工具及服务。本书内容涵盖了平台的技术架构、功能特性以及市场影响力等方面，是从事或研究量化交易人士不可或缺的参考文献。 本段落仅汇总互联网上一些优质的量化交易平台： - 国泰君安：https://quant.gtja.com/ - MindGo（同花顺旗下）：http://quant.10jqka.com.cn - BigQuant：https://bigquant.com/ - 优矿：https://uqer.io/ - 聚宽：https://www.joinquant.com/ - 掘金量化：https://www.myquant.cn/ - 果仁网：https://guorn.com/ - 米筐：https://www.ricequa.com 以上排名不分先后。
     
  • Java轻量级智能化快速开发框架平台
    优质
    简介：本平台是一款专为Java开发者设计的轻量级、智能化快速开发框架，旨在帮助开发者高效构建高质量的应用程序。 轻量级智能快速开发平台能够帮助您解决项目中的90%重复工作，让您更加专注于业务逻辑的设计与优化。由于其轻量化特性，可以根据实际需求进行二次开发以实现所需功能。 该平台采用Spring Boot技术栈，顺应当前主流趋势，并支持开箱即用的便捷体验；同时使用Maven多模块构建方式来提高项目的搭建效率和灵活性。 此外，它还采用了Thymeleaf模板引擎与Apache Shiro安全框架。前者易于上手且具备强大的功能扩展性；后者则确保了系统的安全性及可靠性。 总之，这款平台将帮助开发者减轻繁琐的底层设计工作（如权限管理、用户角色分配以及单表CRUD操作等），从而可以更加专注于核心业务逻辑的研发和创新工作中去。