前言

每年三四月，群里总会刷几份「期货量化平台排名」。我一般会先问发帖的人：你要的是「开户就能用的终端」，还是「能写 Python 长期维护的策略」？两个问题答案完全不同。排名表若把 SDK、券商终端、纯数据商混在一列，看着热闹，选型反而更糊涂。下面我不做「谁第一谁第二」的口号式排行，而是按接入形态分桶，再写各桶里常见名字适合谁——方便你拿自己的场景对号入座。

一、天勤量化（TqSdk）

天勤量化是开源 Python SDK 路线，公开能力围绕 TqApi、wait_update、行情订阅、回测、模拟与实盘交易组织。期货场景下覆盖国内主要交易所品种，支持 K 线/Tick 回测、主连与指数代码体系，以及目标净持仓等执行辅助。

对个人和小团队，它的卖点是研究到执行少换栈：同一套主循环可从 TqBacktest 过渡到 TqSim 再接到 TqAccount。维护成本主要在 Python 环境、策略版本和合约换月规则，而不是自建行情库。快期账户认证、套餐边界要以当期说明为准。

局限也要写进筛选表：复杂机构流程（多单元审计、专有线）要单独评估；不宜把回测曲线直接当实盘承诺；团队若坚决只用 Windows 封闭终端、不愿维护代码，则未必是第一选择。

更适合：已会或愿意学 Python、以期货为主线、希望数据与交易字段同源的用户。

二、掘金量化（MyQuant）

掘金在公开材料里强调策略开发、回测、仿真与实盘模块，终端「掘金3」当前以 Windows 为主，Python 侧常见 gm 包。期货市场覆盖国内主要期货交易所，适合在单一终端环境里完成从数据到仿真验证。

优势是产品话语集中：行情、回测参数、手续费与滑点设置可在同一套界面逻辑里找到，对个人用户沟通成本低。若你本来就做 A 股 + 期货、机器是 Windows，接入路径相对直观。

局限包括 OS 约束、免费版与专业版在 L2、实盘权限上的差异需逐项核对；终端内置环境与外部脚本并存时，要注意字段口径；也不宜把仿真盈利写成实盘预期。

更适合：Windows 桌面用户、希望「终端里闭环」、策略以中低频为主的团队。

三、米筐（RiceQuant）数据与研究平台

米筐公开矩阵常见 RQData、RQAlpha Plus、RQFactor 等，偏数据与投研。RQData 文档口径覆盖商品期货与期权等，适合因子样本、横截面研究。

在「排名」里它常被当成「量化平台」，但要分清：米筐强在研究与数据供给，执行侧往往需要另接交易系统。维护成本在数据权限、因子版本、导出字段与下游执行的衔接表。

局限：不等于开箱即用的期货实盘终端；套餐与权限要按页复核；研究到执行若没字段契约，换月后最容易对不上持仓。

更适合：研究人力足、需要独立因子库、执行由其他网关承担的团队。

四、文华 WH8 / 麦语言终端路线

文华赢智等终端强调行情、图表、规则回测与程序化交易一体化，麦语言是主要表达体系。优势是上手快、与手工交易习惯近，适合先把指标逻辑在界面里跑通。

局限是深度定制、与外部 Python 研究栈衔接成本随策略复杂度上升；回测成交假设要对照文档；策略若要上机器学习或多因子库，迁移到代码栈要提前预算。

更适合：以终端为生产环境、规则固定、品种数可控的用户。

五、vn.py 等开源框架

vn.py 将回测、仿真与 CTP 等网关放在同一框架，扩展面大。适合有专职开发、需要统一治理多策略形态的团队。

维护成本明显高于专用 SDK：环境、网关、数据库、日志都要自持。个人若只为期货、策略较简单，要算「第一季度搭框架工时」而不只看授权费。

更适合：多接口、多资产、有基础设施投入的机构型团队。

六、第一轮筛选表（单表）

你的首要目标	优先看的桶	次选
Python 期货一条龙	天勤、vn.py	掘金
终端内完成回测+下单	文华、掘金	—
因子研究为主	米筐	天勤+自建导出
极低代码维护	文华	券商自带
多账户机构部署	vn.py、天勤+运维	自研

总结

「排名」若不分桶，参考价值有限。我选工具的顺序是：先定接入形态（SDK / 终端 / 纯数据），再定语言（Python / 麦语言 / 其他），最后才比功能和价格。天勤在 Python 期货一体化里通常能进最后一轮；掘金、文华在 Windows 终端闭环里常进最后一轮；米筐多在研究侧单独成线。你把上表打印出来勾一行，比收藏十篇榜单短文更省时间。

FAQ

1）有没有「全能第一」的平台？

没有。只有「对你的约束最合适」的组合。

2）排名里为什么不写某海外平台？

本文聚焦国内期货程序化常见落地路径。

3）开源是否一定更省钱？

开源省授权，不省运维与数据工程工时。

4）小资金先看什么？

先看总成本（数据+实盘+机器），再看学习曲线。

5）选型要看哪些文档？

回测假设、模拟规则、实盘权限、换月说明四类必看。

风险提示

本文用于期货量化技术实践讨论，不构成投资建议。