股票策略如何回测量化选股策略的创建和回测哪个工具好？

一、如何判断股票的回调以及抢反弹

威廉指标到了极限值100附近 然后快速回落80附近 就会有一个短线反弹比如1月13的创业板 到1月16回落到80附近

二、量化选股策略的创建和回测哪个工具好？

策略的最大资金容量和量化策略的回测收益、波动等数据没有太直接的关系。
策略的最大资金容量如何确定是个偏实际应用的问题，一般的策略最大资金容量你很难说出一个具体的准确的数字是多少。
在考虑策略最大资金容量时，可能考虑到的因素有1策略本身的逻辑，2策略交易频率，3策略交易品种的日内总成交量和总持仓量，4策略交易品种的瞬时挂单量，5资金的风险偏好，6市场上同类型策略的资金容量等等。
今天有空接着之前的继续写一个完整的策略在交易时可以分为以下三步：1建仓入场2持有3平仓出场1、3这两个过程，持续的时间越长，交易品种的总成交量越大，那么策略在交易时的冲击成本就越少，容量也就越大。
所以高频交易容量在2这个过程中，由于价格的波动会出现账面上的获利和亏损。
这就引出来了第二个总要因素，资金的风险偏好。
一般来说，越大的资金对风险的厌恶程度就越高。
 所以期货趋势类策略容量 市场常见的策略类型及其资金容量： 高频交易 100万——1000万 期货趋势策略 100万——数千万 期货品种间套利策略 1000万——数亿 纯股票策略 数千万——数百亿 Alpha类股票策略 数千万——数十亿

三、选股策略回测用matlab好还是用python好

我没钱，支持免费开源抛开版权不说，初期入手策略测试、数据分析用matlab非常方便但是策略测试方法、框架弄清楚后，要做正规的回测，还是Python方便，这里的正规是指严格的事件流驱动，虽然速度慢，但是避免未来函数影响、接近实盘的逻辑。
Python在这方面已经有很多库了，quantopian的zipline应该算鼻祖了，国内的优矿网和ricequant都跟zipline很像，另外还有知乎大神的zn.py，PyAlgoTrade等

四、制定了一个策略，比如5日线上穿10日线做多，反之卖出。那么怎么在同花顺或通达信软件上进行回测？

你所问的问题是量化交易的范畴，通达信上可以做到，通达信软件自带程序化交易评测系统，就可以进行回测，公式例子，可以参考通达信里自带的专家交易系统里的策略，策略回测，是非常有用的，但通达信，同花顺在这个方面不太专业建议用一些专业的量化分析平台，回测，优化参数，这里还涉及滑价，过度优化等问题，建议你从学习量化交易入手。

五、如何利用excel回测量化投资策略

从金融数据，研究工具到实盘资金，统统免费使用；
量化投资策略普通人也可以；
社区丰富学习资料，投资策略一键克隆。

六、量化策略一般用什么平台回测？分别有什么优劣势

国内有三个比较好的平台，优矿，米筐，聚宽，都可以，觉得只要自己用的习惯就好

七、选股策略回测用 Matlab 好还是用 Python 好

首先十年的日级别数据量的确不大，使用Python来说的话不应该出现memoryerror，应该是在编程方面需要再多留意，我们在Ricequant上使用的分钟数据大概是200-300个GB左右，也是Python和Java共同合作完成的。
语言只是一个语言，兴许会有各种语法的不同，但是在谈语言的时候我们需要了解背后的工具箱和社区，以及它为什么处理一些事情比另外的一些语言要好。
本身Python初期用来做金融回测等是应该被放弃的，用来开发策略也应该是被放弃的，因为相比matlab的矩阵运算来做开发，实在是太方便了。
只不过后来Python推出了series、pandas等一系列的强悍library，pandas的语法基本在“无耻”地模仿matlab和R，而pandas的开发者正是美国大名鼎鼎的对冲AQR，因此使data crunching和对数据的一些操作大大便利，此外，又包装了海量的开源社区的数学和科学计算库，也能处理各种的machin learning等等的问题。
从科学计算的语言的发展来看，从最初的人们对浮点数计算的需求加入了fortran，再一路进行，让工具更加的让科学计算容易再容易（Python也封装了大量早期的数学家们用fortran写的数学计算基础库，这些经历了几十年的考验、加速等等）：我们来看下python目前的科学技术栈：numpy： basic array manipulation - 基础的数组处理scipy： scientific computing in python， including signal processing and optimization - 科学计算，包括信号处理和优化等matplotlib： visualization and plotting - 几行代码就可以做图形化显示了IPython： write and run python code interactively in a shell or a notebook - 互动式编程环境，这是能将来替代掉matlab的一个必备，即在一行一行代码的输入、显示过程中学习、改进pandas： data manipulation - 最重要的矩阵运算等scikit-learn： machine learning - 机器学习但是随着以后的发展Python的开源属性就会体现的越来越强大，可以让更多的人享受到其便利和贡献进来，包括Quantopian也放出了zipline的python回测框架，只需要引入yahoo数据即可进行回测，并且Python的速度由于跟C的很好的结合可以达到非常快的速度，而且可以将来和其他系统很容易整合对接实盘交易接口。
由于欧美已经有很多的投行和对冲在往Python的技术栈靠拢，因此选择了Python即掌握了一门重要的工具，并且无需跟一家私有化公司进行捆绑。
当然，最后的最后，所有的python回测你都可以来Ricequant - Beta上完成，我们支持海量的市场、财务数据，还有不断加入的和大数据公司合作的舆情数据等等，同时策略回测完还可以做实时模拟交易，享受到实时数据的计算。
在云平台上已经支持了几乎所有的Python科学计算库，无需花时间安装、测试等等。

八、选股策略回测用matlab好还是用python好

国内有三个比较好的平台，优矿，米筐，聚宽，都可以，觉得只要自己用的习惯就好

九、程序化交易中策略的回测是怎么做的

是程序交易员使用一些程序代码编写的，微量网就是这样做到的，而且策略是7*24小时自动运行在云端的，楼主可以去了解一下，求采纳

参考文档