很多人做量化，第一步就会问：到底该选哪个平台？
但这个问题之所以总让人纠结，不是因为平台太多，而是因为很多人把几类完全不同的东西混在一起比较了。
聚宽、掘金更像带工作流的平台；QMT 更像实盘交易终端；vn.py 更像开源框架；Tushare、AKShare 更像数据层。
你如果不先把这个问题分层，最后很容易变成：拿数据接口去和交易终端比，拿研究平台去和开源框架比，然后越比越乱。
所以这篇文章，不讲空话，直接把这几个常见路线放在一起，集中回答四个问题：
- 它们分别擅长什么
- 它们各自最明显的优点和缺点是什么
- 哪类人更适合哪条路线
- 个人做量化，应该怎么组合使用
一、先说结论：这几个平台不是谁替代谁，而是各管一段
如果先用一句最简单的话概括：
- 聚宽：适合快速做研究和回测
- 掘金：适合把研究、分析、交易串成流程
- QMT：适合更贴近券商实盘落地
- vn.py：适合自己搭可控的量化框架
- Tushare：适合拿较规范的金融数据做研究
- AKShare：适合广泛抓取多市场、多类型公开数据
也就是说，它们根本不在同一个维度上竞争。
真正成熟一点的做法，通常不是只用一个，而是组合使用。
二、聚宽的优缺点：上手最快，但平台依赖感也最强
1. 聚宽的优点
聚宽最大的价值，就是把“研究环境 + 数据 + 回测 + 社区”打包给你了。
它特别适合新手的地方，在于几乎不用自己先搭太多基础设施，就可以把想法很快跑起来。
- 上手快，适合快速验证策略想法
- 数据、回测、研究环境相对一体化
- 社区内容多，容易找到参考案例
- 多因子、选股、日频研究体验比较顺手
- 对“先做出一个完整研究闭环”非常友好
对于初学者来说，这种体验非常重要。因为一开始最怕的不是策略差，而是还没开始就先被环境配置劝退。
2. 聚宽的缺点
聚宽的问题，不在于它不好用，而在于它太顺手，顺手到你很容易把自己的研究能力建立在平台之上。
- 接口风格和工作流有平台依赖
- 迁移到本地环境时会有适配成本
- 深度定制能力不如完全自主框架
- 对更细颗粒度、低延迟、复杂交易链路的支持会受限
- 一旦需求从“研究”走向“工程化”，边界会越来越明显
所以聚宽最适合的是“起步”和“研究提效”，不一定最适合“长期完全依赖”。
3. 适合谁
- 刚入门量化的人
- 以日频、多因子、选股为主的人
- 想先验证策略思路再说的人
- 不想一开始就花大量时间搭环境的人
三、掘金的优缺点：流程更完整，但理解成本也更高
1. 掘金的优点
掘金给人的感觉，通常比纯研究平台更接近“交易系统”。
它的优点不是某个单点特别强，而是更强调全流程：研究、分析、仿真、交易、管理，这些东西不再是孤立的。
- 更强调从研究到交易的流程闭环
- 更适合把策略生产、分析和执行放一起看
- 对有一定经验、想往实盘过渡的人更友好
- 比只做回测的平台更容易建立真实交易视角
- 适合把“策略脚本”提升为“交易流程”
如果你已经过了新手阶段，会开始意识到：真正难的不是回测出一个收益曲线，而是让策略能够稳定进入交易流程。掘金在这个阶段通常比纯研究平台更有吸引力。
2. 掘金的缺点
它的短板主要来自“完整性”的另一面：越想覆盖全流程，理解和使用门槛往往就越高。
- 对新手来说，学习成本高于纯研究平台
- 产品体系更偏专业化，不如入门平台轻盈
- 如果你只是做很轻的研究，可能会觉得有点重
- 真正用深之后，依然绕不开数据质量与执行稳定性问题
- 对个人用户来说，未必每一层能力都能完全用起来
简单说，掘金适合有一定明确目标的人，不太适合“我先随便玩玩”的阶段。
3. 适合谁
- 已有一些回测经验，想往实盘迈一步的人
- 更关注流程、风控、分析、管理的人
- 不满足于只写单个策略脚本的人
四、QMT 的优缺点：最贴近实盘，但门槛也最现实
1. QMT 的优点
QMT
这类券商终端最大的优势，是它天然更接近真实交易环境。
你在研究平台里思考的是“策略逻辑”，但到了 QMT，思考重点会更自然地变成“怎么下单、怎么成交、怎么接账户、怎么处理真实限制”。
- 更接近券商账户和真实交易链路
- 更适合解决实盘报单与账户接入问题
- 在 A 股实盘落地场景里很关键
- 对从模拟走向正式执行的人价值很高
- 能更早暴露真实交易约束，而不是回测幻觉
一个很现实的事是：很多策略不是死在研究阶段，而是死在无法稳定落地。QMT 的价值，就是让你更早面对这个问题。
2. QMT 的缺点
但它也有明显的“非新手友好”属性。
- 配置、接口理解、环境准备更复杂
- 对交易链路稳定性要求更高
- 对个人用户来说，资料和经验分布没那么友好
- 研究体验通常不如专门的投研平台丝滑
- 更适合已经知道自己为什么要接它的人
你不能把 QMT 当成“学习量化的第一站”。它更像“准备进场时要面对的真实世界入口”。
3. 适合谁
- 想做 A 股实盘的人
- 已经有研究成果，准备往账户执行走的人
- 能接受更高工程复杂度的人
五、vn.py 的优缺点：自由度很高，但很多活都要自己做
1. vn.py 的优点
vn.py 的吸引力在于：它不把你困在某个平台里。
如果你愿意自己搭，vn.py 能给你很强的控制权。策略框架、事件引擎、日志、网关、接入方式、数据落地方式，你可以逐步沉淀成自己的体系。
- 开源，可控，不容易被单一平台绑定
- 适合做长期自主化建设
- 灵活性强，可扩展性高
- 适合把研究、回测、执行逐步统一到自己的框架里
- 对有开发能力的人来说，长期复利价值很高
很多真正想把量化做成长期工程的人，最终都会倾向于把核心能力往本地可控框架迁移，vn.py 就是很典型的一条路线。
2. vn.py 的缺点
高自由度的代价，就是你要自己填很多坑。
- 需要更强的 Python 和工程能力
- 数据接入、缓存、清洗、监控都要自己设计
- 没有“一注册就能跑”的轻量体验
- 新手容易把时间耗在搭系统，而不是做策略
- 如果没有明确目标，容易过度工程化
很多人第一次接触 vn.py，会产生错觉：好像只要用了更专业的开源框架，收益就会更专业。其实不是。它给你的主要是控制权，不是自动盈利。
3. 适合谁
- 有开发基础的人
- 不想被平台长期绑定的人
- 想自己沉淀交易基础设施的人
- 愿意用时间换灵活性的人
六、Tushare 的优缺点：数据更规整，但本质还是数据层
1. Tushare 的优点
Tushare
在很多个人量化用户眼里，最大的优势是“像一个更规范的数据接口层”。
如果你关心的是股票、基金、期货、财务、基本面、宏观等研究数据，Tushare 往往是很自然的选择。
- 更像标准化的数据服务
- 适合研究、建库、做本地数据管线
- 数据字段体系相对清晰
- 对基本面研究、量化选股较有帮助
- 更适合把数据拉到本地长期使用
它非常适合那种不想被平台界面限制，而是想自己掌握数据输入的人。
2. Tushare 的缺点
但要注意，Tushare 本身不是一个完整量化平台。
- 它主要解决数据，不解决完整交易工作流
- 你仍然需要自己处理研究框架、回测框架和执行系统
- 对某些人来说，数据虽有了，但整体系统反而更碎
- 如果你没有本地数据管理习惯，很容易把它用成“临时拉表工具”
所以 Tushare 的问题不是“不强”，而是“它不替你做别的层”。
3. 适合谁
- 想搭本地数据层的人
- 以研究、选股、基本面为主的人
- 不满足于只在云平台里研究的人
七、AKShare 的优缺点：覆盖面极广，但口径管理更考验自己
1. AKShare 的优点
AKShare 的魅力在于广。
它覆盖股票、期货、债券、期权、外汇、宏观、多因子、高频、另类数据等大量数据目录，给人的感觉像一个金融数据抓取和整理的大工具箱。
- 覆盖面广，数据题材丰富
- 上手方便，适合快速抓取公开数据
- 对跨市场研究、信息补充很有帮助
- 在探索阶段很适合做题材试验和数据扩展
- 很适合用来补齐研究灵感来源
如果你做研究时经常会冒出很多“我想先拿点数据看看”的想法，AKShare 往往很有吸引力。
2. AKShare 的缺点
但覆盖广，往往意味着你更要自己处理口径问题。
- 不同数据源之间的一致性需要自己把控
- 某些数据更适合研究探索，不一定适合严肃实盘输入
- 长期稳定性与字段治理要靠自己验证
- 当你从“试验”走向“严肃建模”时，清洗成本会上升
- 适合做数据扩展，不一定适合直接当唯一核心数据底座
所以 AKShare 很强，但更像“研究数据工具箱”，不一定天然就是“严肃生产数据中台”。
3. 适合谁
- 喜欢快速探索数据的人
- 需要跨市场、跨主题找数据的人
- 想先低成本扩展研究视野的人
八、把它们放一起看：最关键的优缺点对比
1. 如果你最看重上手速度
优先级通常是：
- 聚宽
- AKShare
- Tushare
- 掘金
- vn.py
- QMT
原因很简单：对新手来说，能快速跑起来，比“理论上更强”重要得多。
2. 如果你最看重研究自由度
更合适的通常是：
- vn.py + Tushare / AKShare
- 本地数据层 + 自己的回测环境
聚宽很好用，但研究自由度和工程自主性，长期往往不如自己搭的数据与框架体系。
3. 如果你最看重实盘落地
更应该优先关注：
- QMT
- 掘金
- vn.py（配合交易接入）
这时候“回测方便不方便”已经不是最重要的问题，“交易链路稳不稳”才是。
4. 如果你最看重数据能力
更应该把注意力放在：
- Tushare
- AKShare
- 聚宽/JQData 的数据能力
这时候平台不是重点，数据质量、一致性、可维护性才是重点。
九、个人用户最容易踩的几个坑
1. 把研究平台当成最终归宿
研究平台适合起步，但不一定适合承载你全部长期能力。
2. 把数据工具当成完整系统
Tushare 和 AKShare 能解决“拿数据”，但不能自动解决“研究、回测、执行、风控”。
3. 过早上实盘终端
还没把回测逻辑、数据口径、仓位约束吃透，就急着接 QMT，最后很容易被真实交易复杂度反噬。
4. 过早重度工程化
很多人还没形成稳定策略逻辑，就一头扎进 vn.py 的全栈搭建，最后系统越搭越大，策略却没沉淀下来。
十、最后给个人量化交易者的建议：不要只选平台，要选路径
如果你问我，个人量化更合理的顺序是什么，我会建议：
1. 先用聚宽这类平台把研究和回测跑通
2. 同时逐步建立自己的数据层，优先接触 Tushare、AKShare 这类数据接口
3. 当你确定要长期做，再把核心研究能力往本地框架迁移
4. 准备实盘时，再认真接触 QMT、vn.py 这类更靠近执行的体系
换句话说，真正该选的不是“一个完美平台”，而是一条能随你成长不断升级的路线。
十一、一张最务实的总结表
1. 聚宽
- 优点：上手快、研究回测方便、社区成熟
- 缺点：平台依赖感强、迁移成本存在
- 最适合：新手、研究验证、日频策略
2. 掘金
- 优点：更强调全流程，接近交易闭环
- 缺点：理解成本更高，对新手偏重
- 最适合：从研究走向交易的人
3. QMT
- 优点：贴近券商账户和真实执行
- 缺点：门槛高、实操复杂
- 最适合：A 股实盘落地
4. vn.py
- 优点：开源、自主、灵活、长期可控
- 缺点：工程量大、学习曲线长
- 最适合：有开发能力、想自建体系的人
5. Tushare
- 优点：数据规整、适合本地研究建库
- 缺点：只解决数据，不解决全流程
- 最适合：数据层建设、选股和基本面研究
6. AKShare
- 优点：覆盖广、探索快、数据题材丰富
- 缺点：口径一致性更依赖自己管理
- 最适合：研究探索、跨主题扩展、数据补充
最后一句话：
新手先求跑通，进阶再求独立，实盘才求稳定。
按这个顺序看，你就不会再纠结“到底哪个平台最好”，而会开始问一个更有价值的问题：在我当前阶段，哪种组合最合适。
更多内容欢迎关注公众号：
