1. 中國的 Python 量化交易工具鏈有哪些
萬得的Python API，可以用來獲取實時數據、歷史數據以及下單交易 優點：萬得大而全 缺點：下單交易功能不是事件驅動（例如成交回報需要用戶去查詢，而不是主推）
同花順iFinD的Python API，類似萬得的API 優點：比萬得便宜，同花順的服務態度很好（用戶提出新需求後很快就能給出確定的答復或者解決方案）
掘金的量化平台
通聯數據的量化平台
QuickFix的Python API（可以用來接國信、方正的FIX介面）
Numpy/Scipy/Matplotlib/Pandas（量化分析）
IPyhon/Spyder（適合做量化分析的IDE環境）
Zipline（策略開發回測）
TuShare財經數據介面 - 可以直接抓取新浪財經、鳳凰財經的網站數據，包括行情、基本面、經濟數據等等。完全免費，簡潔易用，API設計得非常友好，提取的數據格式是Pandas的DataFrame。同時可以獲取非高頻實時數據（取決於網站更新速度，同事經驗大約是15秒），一個極好的非高頻股票策略數據解決方案。
恆生電子的量化贏家平台，提供Python介面，鏈接我點進去後沒看到具體的使用教程，希望回頭補一下。
米礦ricequant在我提出這個問題時尚只有Java的API，後來也支持了Python，期待2016有新的突破。
2. 如何可以優化提升pandas的read
import pandas as pd
data=pd.read_csv('目錄+文件名') #打開csv文件的方式
data=pd.read_excel('目錄+文件名') #打開xls或xlsx文件的方式
仿照類似的，pandas還可以打開一些其他文件
3. 用pandas做數據分析
這個軟體做數據分析是非常不錯的，值得信賴。
4. pandas 如何對上千萬數據分組「快速」取第一行和最後一行
滑鼠選中a1格，按住左鍵，向下拖到最後一格，就選中一列。如果繼續橫向拖，就能選中一個區域。
滑鼠選中a1格，按住左鍵，向左拖到最後一格，就選中了一行，繼續向下拖，也可以選中一個區域。
樓上說的是鍵盤操作法，我說的是滑鼠操作法。
5. 怎麼學習python量化交易
下面教你八步寫個量化交易策略——單股票均線策略
1 確定策略內容與框架
若昨日收盤價高出過去20日平均價今天開盤買入股票
若昨日收盤價低於過去20日平均價今天開盤賣出股票
只操作一隻股票，很簡單對吧，但怎麼用代碼說給計算機聽呢？
想想人是怎麼操作的，應該包括這樣兩個部分
既然是單股票策略，事先決定好交易哪一個股票。
每天看看昨日收盤價是否高出過去20日平均價，是的話開盤就買入，不是開盤就賣出。每天都這么做，循環下去。
對應代碼也是這兩個部分
definitialize(context):
用來寫最開始要做什麼的地方
defhandle_data(context,data):
用來寫每天循環要做什麼的地方
2 初始化
我們要寫設置要交易的股票的代碼，比如 兔寶寶（002043）
definitialize(context):
g.security='002043.XSHE'#存入兔寶寶的股票代碼
3 獲取收盤價與均價
首先，獲取昨日股票的收盤價
#用法：變數=data[股票代碼].close
last_price=data[g.security].close#取得最近日收盤價，命名為last_price
然後，獲取近二十日股票收盤價的平均價
#用法：變數=data[股票代碼].mavg(天數，『close』)
#獲取近二十日股票收盤價的平均價，命名為average_price
average_price=data[g.security].mavg(20,'close')
4 判斷是否買賣
數據都獲取完，該做買賣判斷了
#如果昨日收盤價高出二十日平均價,則買入，否則賣出
iflast_price>average_price:
買入
eliflast_price<average_price:
賣出
問題來了，現在該寫買賣下單了，但是拿多少錢去買我們還沒有告訴計算機，所以每天還要獲取賬戶里現金量。
#用法：變數=context.portfolio.cash
cash=context.portfolio.cash#取得當前的現金量，命名為cash
5 買入賣出
#用法：order_value(要買入股票股票的股票代碼，要多少錢去買）
order_value(g.security,cash)#用當前所有資金買入股票
#用法：order_target(要買賣股票的股票代碼，目標持倉金額）
order_target(g.security,0)#將股票倉位調整到0，即全賣出
6 策略代碼寫完，進行回測
把買入賣出的代碼寫好，策略就寫完了，如下
definitialize(context):#初始化
g.security='002043.XSHE'#股票名:兔寶寶
defhandle_data(context,data):#每日循環
last_price=data[g.security].close#取得最近日收盤價
#取得過去二十天的平均價格
average_price=data[g.security].mavg(20,'close')
cash=context.portfolio.cash#取得當前的現金
#如果昨日收盤價高出二十日平均價,則買入，否則賣出。
iflast_price>average_price:
order_value(g.security,cash)#用當前所有資金買入股票
eliflast_price<average_price:
order_target(g.security,0)#將股票倉位調整到0，即全賣出
現在，在策略回測界面右上部，設置回測時間從20140101到20160601，設置初始資金100000，設置回測頻率，然後點擊運行回測。
7 建立模擬交易，使策略和行情實時連接自動運行
策略寫好，回測完成，點擊回測結果界面（如上圖）右上部紅色模擬交易按鈕，新建模擬交易如下圖。 寫好交易名稱，設置初始資金，數據頻率，此處是每天，設置好後點提交。
8 開啟微信通知，接收交易信號
點擊聚寬導航欄我的交易，可以看到創建的模擬交易，如下圖。 點擊右邊的微信通知開關，將OFF調到ON，按照指示掃描二維碼，綁定微信，就能微信接收交易信號了。
6. 怎麼用python panda 算股票市場收益率
1.收集數據，開盤價，收盤價，交易量
2.用pandas處理數據，處理缺失值
3.用股票收益率的公式帶入
說白了，pandas只是個好用的工具，方法都是一樣的，只是效率問題
有多少人工，就有多少智能
7. 有沒有基於python pandas的回測框架
關鍵詞：開源、python/pandas、易學方便、可以並行、參數優化、事件驅動、亞ms速度、持續維護、支持股票/期貨等
介紹：
在事件驅動的回測框架中，引擎逐個讀取Bar或Tick並處理。數據採集模塊生成市場數據事件，流經策略模塊（Strategy類）產生交易信號，資產組合模塊根據策略信號，並結合風險管理來判斷是否委託下單，模擬的交易所根據滑點、手續費狀況等返回成交結果。
使用XQuant後，大部分時候我們不需要關心底層是如何處理的，只需要在Strategy類中完成從數據到信號的處理即可，這有利於我們快速開發策略。
詳細見Github，歡迎star、issue，PR。
【Update】結合其他回答有必要更新一下，供大家參考：
明晰兩個問題：
1）事件驅動在大部分時候都是必須的，盡量去模擬真實交易過程中的數據播放過程，避免引入未來函數等，機器學習的feature之類可以預先算好存起來；
2）pandas用來I/O，內部的數據結構還是用python自帶的，這樣達到0.1ms/條的數據處理還是挺容易的，如果還是嫌速度慢，可以利用多核優勢，並行運算。
8. 如何 python，pandas判斷一個策略的好壞
啟動IPython notebook，載入pylab環境： ipython notebook --pylab=inline Pandas提供了IO工具可以將大文件分塊讀取，測試了一下性能，完整載入9800萬條數據也只需要263秒左右，還是相當不錯了。 import pandas as pd reader = pd.read_csv('dat
9. pandas如何刪除指定行
1、前提：載入numpy,pandas和Series,DataFrame。生成一個Series，並刪除索引為『c』的項，如圖所示。
10. numpy+pandas除了效率對比excel還有什麼功能上的優勢嗎
python優勢：
1. 處理超大量數據（excel 2010 最多100w行）
2. 需要頻繁改動參數的重復性工作
3. 最大的優勢：各種包（演算法包，數據處理包）
除開以上情況，excel和一些數據可視化工具秒殺python（尤其是可視化及可視化後的交互方面），如果你覺得excel不如python，只能說明你不夠了解excel函數和vba編程