国内股票期货量化平台全景介绍：期货 + 股票
写给刚入坑量化的朋友。看完这篇，你不会再被「CTP 和 PythonGo 是什么关系」这种问题搞晕。 文章主要分成期货股票两部分，股票在后面，做股票的朋友可以直接调到最后。
先搞懂一件事：接口 ≠ 平台
很多人混用「期货接口」和「量化平台」，其实是两层东西。
接口（CTP、飞马、飞鼠、易盛、飞创）—— 交易所或其子公司开发的底层柜台 API，C++ 写的，直接对接交易所撮合引擎。你下单、撤单、查持仓，最终都走接口。
平台（PTrade、聚宽、TBQuant 等）—— 第三方公司开发的上层应用，把接口封装一层，提供 Python、公式语言等更友好的开发体验，附带回测、因子分析、可视化等工具。
类比一下：
接口 = 发动机 + 变速箱 平台 = 整车（含座椅、空调、仪表盘）
你可以自己买发动机造车（直接对接 CTP），也可以买整车开（用 PTrade / TBQuant）。前者灵活但门槛高，后者省事但受平台约束。
国内主流的期货接口有 5 个，下面先横向对比这 5 个「发动机」。
国内五大期货接口横评
重要前提：下面讲的 5 个接口都是期货接口，对接的都是国内四家期货交易所。股票没有这套接口体系——股票实盘走券商自己的柜台（如恒生 O32、华泰 MATIC 等），不在本文讨论范围内。
所以这一节讲的就是期货平台的「发动机」。后面讲的期货量化平台（TBQuant、天勤、易盛等）底层都调用这些接口。
一张表看懂
| 接口 | 开发方 | 归属交易所 | 覆盖品种 | 性能 | 主要特点 |
|---|---|---|---|---|---|
| CTP | 上期技术（上期所子公司） | 上期所 | 全市场（最广） | 中等 | 业界事实标准，覆盖最广 |
| 飞马 Femas | 中金所技术公司 | 中金所 | 中金所品种 | 较快 | 中金所专用，股指/国债期货 |
| 飞创 | 大连飞创（大商所子公司） | 大商所 | 大商所品种 | 最快 | 性能最高，做市商首选 |
| 易盛 | 郑州易盛（郑商所旗下） | 郑商所 | 郑商所品种 | 较快 | 兼容性好，跨市场支持 |
| 飞鼠 Fsplus | 上海飞鼠软件 | 第三方独立 | 跨市场期现套利 | 较快 | 唯一第三方，跨市场强 |
关键事实：四大期货交易所各自有下属技术公司开发接口——
- 上期所 → 上期技术 → CTP
- 中金所 → 中金所技术 → 飞马
- 大商所 → 大连飞创 → 飞创
- 郑商所 → 郑州易盛 → 易盛
飞鼠是唯一一家独立的第三方接口厂商，2003 年成立，专注跨市场期现套利。
各接口详细说明
CTP（综合交易平台）
全称：Comprehensive Transaction Platform 开发方：上海期货信息技术有限公司（上期所子公司） 地位：业界事实标准，国内 90% 期货公司都部署 CTP 作为主席系统
CTP 是国内使用最广泛的期货交易系统。它由交易、风控、结算三大系统组成，提供开放的 C++ API。2023 年发布的信创版本支持 10 万笔/秒的请求响应能力，日委托支持 1 亿笔。
CTP 之所以成为事实标准，是因为它覆盖最广——一家期货公司只要部署 CTP，就能交易国内四家期货交易所的所有品种。所以绝大多数个人量化开发者接触的第一个接口就是 CTP。
CTP 还提供 SimNow 仿真环境，免费供开发者测试，是国内量化入门的标准训练场。
飞马 Femas
全称：Financial Market Electronic Application System 开发方：上海金融期货信息技术有限公司（中金所下属） 定位：中金所品种专用接口
飞马主要服务于中金所的股指期货和国债期货。如果你的策略主要做 IF/IH/IC/IM 这些股指期货，或者 T/TF/TS 这些国债期货，飞马比 CTP 更快、更专业。
官方 API 是 C++，社区有 Java 版本（JFEMAS）。近年来中金所推出的「飞马开放柜台」提供了 144 个 RESTful 接口，方便期货公司数字化转型。
飞创
开发方：大连飞创信息技术有限公司（大商所全资子公司，2005 年成立） 定位：大商所品种专用接口，性能标杆
飞创是性能最高的国内期货接口。从期权做市商角度，效率排名是：飞创 > 易盛 > 飞马 > CTP。
主要产品是 DCE X-One 期货主用交易系统。2023 年起多家期货公司切换到飞创作为主席系统。2025 年山西三立期货首次落地全栈信创版本。
如果你的策略是高频做市、套利，做大商所品种（铁矿石、焦煤、焦炭、豆粕等），飞创是首选。
易盛
开发方：郑州易盛信息技术有限公司（郑商所旗下） 定位：郑商所品种专用接口，跨市场支持较好
易盛的接口分 3.0 和 9.0 两代：
- 3.0 API：传统主力后台
- 9.0 API（启明星 V9）：新一代，性能更好
易盛的客户端产品叫「极星智能化平台」，是国内期货公司常用的看盘+交易软件。API 开发者需要向易盛或期货公司申请实盘授权。
易盛的优势是兼容性好——很多第三方量化框架（如 VeighNa）都内置了易盛接口支持。做郑商所品种（白糖、棉花、PTA、甲醇等）首选。
飞鼠 Fsplus
开发方：上海飞鼠软件科技有限公司（2003 年成立，注册资本 2000 万） 定位：唯一第三方独立接口厂商，专注跨市场期现套利
飞鼠和上述四个交易所背景的接口不一样——它是独立公司，但同样以独立席位直连国内 4 个期货交易所。
性能上比 CTP 快约 0.8-1 毫秒（中金所和上期所实盘测试）。核心架构小，同环境下比 CTP 有明显性能优势。
核心场景：跨市场期现套利。如果你的策略需要同时下单期货和现货，飞鼠是少数能支持的接口。
接口层选型建议
| 你的场景 | 推荐接口 |
|---|---|
| 入门学习、回测验证 | CTP（SimNow 免费） |
| 全市场覆盖、通用策略 | CTP |
| 中金所股指/国债专用 | 飞马 |
| 大商所高频做市 | 飞创 |
| 郑商所品种 | 易盛 |
| 跨市场期现套利 | 飞鼠 |
关键提醒：直接对接接口需要 C++ 开发能力，门槛较高。绝大多数个人量化开发者不需要直接对接接口——选一个上层平台就行。下一节讲平台。
期货量化平台横评（6 家）
一张表看懂
| 平台 | 厂商 | 语言 | 运行方式 | 目标用户 | 核心优势 |
|---|---|---|---|---|---|
| TBQuant | 交易开拓者 | TB语言 + Python | 客户端 | 专业/机构 | 双语言，事件驱动完善 |
| 天勤 TQsdk | 天勤科技 | Python | 客户端+云端 | 进阶 | 纯 Python，多账户，实盘导向 |
| 无限易 PythonGo | QuantDo | Python | 客户端嵌入 | 进阶 | 底层代码开放，类型安全 |
| 易盛 Esunny | 郑州易盛 | C + Python | 客户端 | 专业/机构 | C 语言引擎，高性能 |
| 金字塔 | 杭州金字塔 | PEL + C# + Python | 客户端 | 小白/进阶 | PEL 公式简单 |
| 文华财经 | 大连文华 | 麦语言 | 客户端 | 小白 | 零基础友好 |
各平台详细说明
TBQuant（交易开拓者）
深圳市开拓者科技旗下，国内专业期货量化平台的代表。
语言：TB 语言（类 C++ 语法）+ Python（TBPY）
API 风格：事件驱动（on_init/on_tick/on_bar/on_position/on_order/on_fill/on_timer）
覆盖品种：国内期货、期权、证券
优势：
- 双语言开发（TB + Python）
- 完善的事件驱动机制，支持多周期多合约
- 回测功能强大，支持参数优化
劣势：
- 学习曲线较陡，需要掌握专有语法
- 仅支持 Windows 系统
典型用途：专业量化策略开发与实盘交易
天勤 TQsdk
天勤科技（深圳天软科技）旗下，纯 Python 量化框架。
核心 API：TqApi、get_quote、insert_order、wait_update
覆盖品种：国内期货、期权、外盘期货
优势：
- 纯 Python 开发，生态丰富，易于上手
- 支持多账户（CTP、快期、杰宜斯、融航等）
- 内置技术指标库和因子分析工具
劣势：
- 需要 Python 编程基础
- 实盘交易需对接期货公司柜台
- 不适合回测，主要面向实盘交易
典型用途：Python 量化策略研究与多账户交易
无限易 PythonGo
QuantDo 量化旗下，嵌入无限易行情软件的 Python 量化模块。
API 风格：事件驱动（on_init/on_start/on_tick/on_order/on_trade/on_error）
覆盖品种：国内期货、期权、股票
优势：
- 底层代码开放，可深度定制
- 基于 Pydantic 的参数映射，类型安全
- 策略模板完善，回调机制清晰
- 支持多账号、自动平仓今昨优先
劣势：
- 依赖无限易客户端，无法独立运行
- 需要 Python 基础
- 不适合回测，主要面向实盘交易
典型用途：量化策略开发与实盘自动化交易
易盛 Esunny（极星）
郑州易盛旗下，高性能专业量化平台。和上面讲的易盛接口同源。
语言：C 语言引擎 + Python 接口
API 风格：事件驱动（init/handle_bar/handle_tick/handle_order）
覆盖品种：期货、期权、现货、套利、外汇、证券
优势：
- C 语言引擎保证高性能
- 支持海量历史数据（日线/分钟/秒/tick）
- 兼容 TB 和文华麦语言函数
劣势：
- 仅支持 Windows 系统
- Python 接口需要适配
典型用途：高频交易、套利策略、多品种量化
金字塔
杭州金字塔（上海韦斯特）旗下，PEL 公式语言的代表。
语言：PEL（Pyramid Easy Language）+ C# + Python
核心指令：BUY、SELL、SHORT、COVER
覆盖品种：国内期货、股票、外盘
优势：
- PEL 公式语言简单易学，无需编程基础
- 内置丰富技术指标和交易函数
- 支持模组自动运行和主力合约移仓
劣势：
- 公式语言灵活性受限
- 高级功能需要学习 C#
典型用途：技术指标策略、趋势跟踪策略
文华财经
大连文华财经旗下，麦语言的代表。国内用户基数最大的期货看盘软件之一。
语言：麦语言（公式语言）
运行方式：WT8 量化交易软件
核心指令：BUY、SELL、SHORT、COVER
覆盖品种：国内期货、期权
优势：
- 麦语言极简，适合零基础用户
- 海量历史数据回测和参数优化
- 模组自动运行支持多账号
劣势：
- 公式语言表达能力有限
- 不支持复杂逻辑和自定义函数
典型用途：简单趋势策略、信号监测
期货平台选型建议
| 你的场景 | 推荐平台 |
|---|---|
| 专业机构、多周期多合约 | TBQuant |
| Python 用户、多账户 | 天勤 TQsdk |
| 嵌入行情软件、类型安全 | 无限易 PythonGo |
| 高频、套利、追求性能 | 易盛 Esunny |
| 公式语言入门、简单策略 | 金字塔 |
| 零基础、看盘+简单信号 | 文华财经 |
股票量化工具横评（5 家）
先说清楚一个常见误区：下面 5 家里只有 3 家是真正的「量化平台」（PTrade / 聚宽 / 米筐），通达信和同花顺不是量化平台——它们是行情软件 + 公式系统，没有事件驱动、不能直接下单、回测能力有限。
但在初期选股、做简单指标原型时，通达信和同花顺依然是优先选择——用户基数大、看盘顺手、公式上手快。很多量化策略的原型都是先在通达信里画出来，再翻译成 Python 跑在 PTrade 上。
一张表看懂
| 工具 | 类型 | 厂商 | 语言 | 运行方式 | 核心用途 |
|---|---|---|---|---|---|
| PTrade | 量化平台 | 恒生电子 | Python | 云端（券商托管） | 实盘交易 |
| 聚宽 JoinQuant | 量化平台 | 北京众投嘉能 | Python | 云端 | 学习 + 回测 |
| 米筐 RiceQuant | 量化平台 | 米筐科技 | Python | 云端 | 因子研究 |
| 通达信 | 行情 + 公式 | 深圳财富趋势 | 公式语言 | 客户端嵌入 | 选股、指标原型 |
| 同花顺 | 行情 + 公式 | 同花顺 | 公式语言 | 客户端嵌入 | 选股、指标原型 |
各平台详细说明
PTrade
恒生电子旗下，券商综合服务平台。最大特点是支持实盘交易——直接对接券商柜台报单，是少数能直接跑实盘的云端量化平台。
语言：Python，事件驱动（initialize + handle_data）
覆盖品种：A股、ETF、LOF、可转债、期货、融资融券、国债逆回购
优势：
- 支持实盘交易，直接报单到券商柜台
- 支持 tick 级别交易（最小 3 秒一次）
- 多业务类型覆盖（股票、可转债、期货、两融）
劣势：
- 需要券商合作，接入门槛较高
- 持久化机制复杂，全局变量需注意序列化
order_target在某些场景可能重复下单
典型用途：券商客户策略回测与自动化实盘交易
聚宽 JoinQuant
北京众投嘉能科技旗下，国内最知名的云端量化社区之一。社区文化浓厚，策略可分享交流，适合学习。
语言：Python，事件驱动 + 定时任务（run_daily/run_weekly/run_monthly）
覆盖品种：A股、ETF、LOF、期货、融资融券
优势：
- 社区功能完善，策略可分享交流
- 定时任务灵活（日/周/月多时段）
- 文档详尽，API 丰富
劣势：
- 模拟盘与实盘存在差异（滑点、撮合机制）
- 部分高级功能需付费
- 期货策略需注意交易时间差异
典型用途：A股量化策略学习、回测与模拟盘验证
米筐 RiceQuant
米筐科技旗下，机构级量化平台。因子研究系统是核心卖点。
语言：Python，事件驱动（init + handle_bar）+ 因子表达式系统
覆盖品种：A股、期货、期权、可转债、场内基金、上金所现货
优势：
- 因子研究系统完善（IC 分析、收益率分析、中性化）
- 支持向导式策略生成器（可视化构建）
- 动态复权机制，避免未来数据泄露
劣势：
- 企业版功能需付费（期权、可转债、因子预计算）
- 回测超时限制（8 小时总时长，每事件 3 分钟）
- 因子系统学习曲线较陡
典型用途：多因子选股研究、机构级策略回测与管理
通达信
深圳财富趋势科技（科创板上市，688318）。国内市场占有率最高的行情软件，90% 券商采用。注意：通达信不是量化平台——它是行情软件 + 公式系统，没有事件驱动、不能直接下单。但在初期选股、做简单指标原型时依然是优先选择。
语言：公式语言（类 Pascal 语法） 运行方式：嵌入行情软件 覆盖品种：A股、期货（部分）、指数 优势：
- 市场占有率高，90% 券商采用
- 公式语法简单，支持跨周期/跨品种引用
- 内置丰富技术指标与形态函数
劣势：
- 无真正的事件驱动，沿时间序列逐 K 线计算
- 回测功能有限，主要用于技术分析
- 无法直接下单交易（需配合券商接口）
典型用途：技术指标编写、条件选股、交易信号提示
同花顺
同花顺（300033.SZ），国内用户基数最大的金融信息服务商。注意：同花顺不是量化平台——和通达信一样是行情软件 + 公式系统，但内置 509 个函数（比通达信更全），适合初期选股和指标原型。
语言：公式语言（类通达信语法） 核心特点：509 个内置函数 覆盖品种：A股、基金、指数、期货（部分） 优势：
- 内置函数丰富（509 个，覆盖财务、技术、统计）
- 用户基数大，社区公式资源丰富
- 支持财务数据与行情数据混合计算
劣势：
- 回测功能较弱，主要用于指标展示
- 公式语法与通达信类似但有差异
- 高级功能需付费（Level2、智能交易）
典型用途：自编技术指标、基本面选股公式
股票工具选型建议
| 你的场景 | 推荐工具 | 类型 |
|---|---|---|
| 想直接实盘交易 | PTrade | 量化平台 |
| 入门学习、看别人策略 | 聚宽 | 量化平台 |
| 多因子选股研究 | 米筐 | 量化平台 |
| 初期选股、画指标原型 | 通达信 / 同花顺 | 行情 + 公式 |
| 基本面 + 技术面混合选股 | 同花顺（509 函数更全） | 行情 + 公式 |
全景对比：一张图看懂 16 个选择
怎么选：场景化建议
场景 1：期货专业交易者
推荐路径：文华财经看盘 → 金字塔写公式 → TBQuant 全功能开发
- 文华财经看行情、做简单信号
- 金字塔 PEL 写趋势策略
- TBQuant 用 TB 语言或 Python 写复杂多周期策略
场景 2：高频/做市/套利
推荐路径：直接对接接口（飞创/飞鼠）+ 自研系统
- 高频场景上层平台性能不够，需要直接对接接口
- 大商所品种选飞创
- 跨市场期现套利选飞鼠
- 通常配合 C++ 自研交易系统
场景 3：A股小白入门
推荐路径：通达信/同花顺画指标原型 → 聚宽学 Python → PTrade 上实盘
- 通达信或同花顺写公式画指标原型（不是量化平台，但选股看盘顺手）
- 聚宽学 Python 量化语法、社区看策略
- PTrade 接券商账户跑实盘
场景 4：Python 程序员转量化
推荐路径：聚宽/米筐学量化概念 → 天勤 TQsdk 做期货
- 聚宽/米筐熟悉量化框架（
handle_data等） - 天勤 TQsdk 纯 Python，过渡平滑
- 后续可上 TBQuant 的 TBPY 做更专业的开发
PowerQuant RAG 怎么帮你
16 个接口和平台，每个都有自己的语法、API、坑。你不可能全学会，但 AI 可以帮你跨平台迁移。
PowerQuant RAG 已覆盖：
- 股票（4 家）：PTrade、聚宽、米筐、通达信（通达信虽非量化平台，但选股/原型场景常用）
- 期货（5 家）：TBQuant、天勤 TQsdk、金字塔、无限易 PythonGo、易盛 Esunny
你可以这样用：
- 「把这个聚宽策略翻译成 PTrade」
- 「TBQuant 的
on_bar在天勤里对应什么」 - 「金字塔 PEL 写双均线怎么写」
- 「易盛和文华财经的麦语言有什么差异」
AI 调用 RAG 检索跨平台 API 对照、已知差异、历史坑点，输出有上下文的代码，而不是凭空给你模板。
写在最后
量化平台和接口的生态看起来复杂，其实分层很清楚：
- 底层接口（5 家）：交易所子公司开发，直接对接交易所，C++ 门槛高
- 上层平台（11 家）：第三方开发，封装接口，提供 Python/公式语言等友好体验
新手不要直接碰接口——选一个上层平台开始。专业机构绕不开接口——上层平台性能不够时，必须直接对接 CTP/飞创/飞鼠。
记住一个原则：平台决定开发效率，接口决定性能上限。两者不是替代关系，是分层关系。
下一篇会拆解几个具体场景，演示怎么用 PowerQuant RAG 在这些平台之间迁移策略。如果你有想看的具体场景，留言告诉我。
💼 AI 量化培训 · 策略生成 · 代码代写 —— 微信
traderByAI联系。
👉 留言区：你目前在用哪个平台？最想跨平台迁移的是哪个策略？
