量化一般用什么软件比较好，在还有一般量化的平台都有哪些？-经管之家官网！

量化的软件推荐：python
常用的量化软件有python、matlab、java、C++。
从开发难度而言python和matlab都比较容易，java和C++麻烦一些。
从运行速度而言，C++、java要快于matlab和python。
不过对于大部分人而言，尤其是初学者，开发占用的时间远大于运行时间。如果追求运行速度的话，先将策略开发出来，再用C重写也不迟。
另外，从量化资源而言，python资源多于matlab，而且matlab是商业软件，python是免费的。因此我推荐大家用python。
使用python的话，最好下载一个anaconda。这个软件将常用的库都集成好了，免去自己安装的烦恼。下载地址： https://www.continuum.io/downloads
python教程推荐这个网站： http://lectures.quantecon.org/py/index.html 只需要看第一部分就可以了。该教程不仅介绍了python,而且介绍了numpy,scipy,pandas,matplotlib等科学计算库。
也可以从京东量化平台http://quant.jd.com/community/index 上学习Python
免费资料：
量化学习资料： https://club.jr.jd.com/quant/topic/789049
Python学习资料： https://club.jr.jd.com/quant/topic/834227
python学习教程： https://club.jr.jd.com/quant/topic/760702
python、java编程基础视频1： https://club.jr.jd.com/quant/topic/877114
python、java编程基础视频2： https://club.jr.jd.com/quant/topic/877215
python技术指标均线应用： https://club.jr.jd.com/quant/topic/778188
python技术指标kdj应用： https://club.jr.jd.com/quant/topic/778178
python指标macd的应用： https://club.jr.jd.com/quant/topic/778177
python去除是停牌、退市、st创业版股票： https://club.jr.jd.com/quant/topic/778173
python策略中获取指数成分股的历史行情数据： http://club.jr.jd.com/quant/topic/938309
量化框架：推荐使用京东量化平台
量化平台可以看成是一个已经搭建好的框架。用户只需添加一些自己的买卖条件，即可回测策略，免去了自己从无到有搭建基础框架的过程。
经过多方比较 各家量化平台，之所以在这里推荐京东量化，原因如下：
首先：数据资源上看。京东量化平台依托京东集团强大的资源，发挥整合和协同效应优势
1） 从国内知名的资讯金融终端购买了大量的金融数据，并做了复权处理
2） 免费提供独具特色的京东大数据
3） 准确、实时的沪深股市行情，以及指数行情信息；沪深股票的基本信息和IPO，配股，分红，拆股，股改，行业，以及回报率等信息。
其次：高效快捷的回测坏境，提供实盘模拟功能，您回测收益稳健的策略，可以加入实盘模拟，接受市场的考验
此外：强大服务支持
1） 支持Python环境编写策略，简单易学，适合不同背景的学习者
2） 提供策略榜、智投策略等功能，可以通过多维度角度评判策略
最后：交流群456448095非常活跃，经常会有最新资讯、和牛人分享
以上是做量化的一些基础工具。另外根据策略类型的不同，也会用到一些其他工具。
除了基础的软件和平台，这里再推荐一些用得到的工具给大家。
数据源推荐：tushare
Tushare支持的数据很全面，相比wind个人版量化接口，tushare更友好。因此推荐tushare。
1、 数据库推荐：sqlite
如果所做的策略需要存储很多数据，那么就需要一个数据库软件，配合使用。Python自带sqlite3库，可以在python中方便的操作sqlite数据库。Sqlite下载地址：SQLite Home Page
使用方法可以参考：SQLite - Python | 菜鸟教程
2、 机器学习推荐: scikit-learn
Scikit-learn封装了很多常用的算法，直接用就可以了，避免了自己写算法。网址：
scikit-learn: machine learning in Python
另外推荐一本机器学习的书“集体智慧编程”，至于购买链接嘛 HAHA 就不发了免得别人以为我是打广告的。
3、 网络信息采集推荐：Beautifulsoup等
关于这方面可以参考“Python网络数据采集”这本书。