聚宽（JoinQuant）是国内成立较早、用户基数较大的量化研究平台之一，提供云端的历史数据、回测环境和策略研究社区，主要面向具备一定编程基础的量化研究者。
一、聚宽的核心定位
聚宽的典型使用方式是：用户在平台提供的在线编程环境中，用Python编写策略逻辑（数据获取、信号判断、下单逻辑等），调用平台封装好的历史数据和回测框架，运行策略并查看回测结果。这种模式给具备编程能力的用户提供了很强的灵活性——理论上只要写得出代码，几乎任何复杂的策略逻辑都可以实现。
二、聚宽和青柠量化的核心差异
| 维度 | 聚宽 JoinQuant | 青柠量化 |
|---|---|---|
| 使用方式 | 编写Python代码 | 零代码可视化配置 |
| 上手门槛 | 需要一定编程基础和学习曲线 | 不需要编程基础 |
| 灵活性 | 理论上限更高，但需要自己写清楚每一处逻辑 | 覆盖常见的技术指标、组合条件、仓位规则等场景 |
| 数据/策略存储 | 云端存储 | 本地SQLite存储，数据不出本地 |
| 适合人群 | 有编程基础、希望深度自定义策略逻辑的研究者 | 不写代码、希望快速验证选股/交易想法的个人投资者 |
三、该怎么选
如果你本身具备Python编程基础，或者未来打算往量化研究方向深入发展（比如设计更复杂的多因子模型、自定义高度个性化的交易逻辑），聚宽这类需要写代码的平台会给你更大的灵活空间，值得投入时间学习。
但如果你的目标只是"把自己的选股/交易想法快速转化成可验证的规则，看看历史上到底表现如何"，不打算专门花时间学习编程，零代码工具会是效率更高的选择——不需要跨过"学Python"这道门槛，直接通过可视化界面配置条件、运行全市场筛选和历史回测。
青柠量化 就是为不写代码的A股个人投资者设计的，免费版即可完成策略搭建、全市场筛选、历史回测与动画复盘，数据和策略均保存在本地。
免责声明： 本文仅作产品功能对比说明，不构成任何投资建议，也不代表对相关第三方平台的官方评价。请以各平台官方信息为准并独立判断。