量化运行的软件通常需要具备数据处理、统计分析、策略开发、回测和实盘交易等功能。以下是一些常用的量化运行软件及其特点：

Python

特点：Python是目前最流行的量化编程语言之一，具有简洁易读的语法和强大的科学计算库。Python的开源性质使得它成为了量化编程的首选工具之一。常用的Python库包括NumPy、Pandas和Matplotlib，用于数据处理、分析和可视化。此外，还有一些专门用于量化金融的库如Pandas-Datareader和Zipline，可以用来获取和处理金融市场数据。

工具：

QMT：一个量化交易平台，支持Python策略的编写、回测和实盘交易。

PyMetrics：一个专注于Python代码质量度量的工具，可以自动分析代码复杂度和可维护性，并生成详细的代码质量报告。

R语言

特点：R语言也是一种非常适合量化编程的语言，它有着丰富的统计和数据分析函数库。R语言的优势在于它的函数库非常强大，能够快速进行数据处理和分析，并且支持大规模数据集的处理。R语言还有一些专门用于量化金融的库如quantmod和PerformanceAnalytics，可以用来开发和测试交易策略。

工具：

Quantmod：一个用于量化金融的R包，提供了一系列的函数和工具，用于金融数据的处理和分析。

MATLAB

特点：MATLAB是一个功能强大的科学计算平台，也可以用于量化编程。MATLAB提供了大量的数学和统计函数库，可以进行复杂的数据分析和算法开发。它还有一些专门用于量化金融的工具箱如Financial Toolbox和Trading Toolbox，可以用来进行金融模型的建立和回测。

工具：

Financial Toolbox：MATLAB提供的工具箱，包含用于金融数据分析、建模和交易策略开发的函数。

C++

特点：C++是一种通用的编程语言，用于构建高性能和低延迟的量化交易系统。C++语言可以直接操作底层硬件，提供了更好的执行效率和控制能力。

工具：

Quantopian：一个基于云端的量化交易平台，支持Python和R语言的策略开发和回测。

Java

特点：Java是一种广泛应用于企业级软件开发的编程语言，也可以用于量化编程。Java具有良好的可移植性和跨平台性，适合开发大规模的分布式交易系统。

Excel

特点：Excel是一种常用的电子表格软件，也可以用于量化编程。它具有简单易用的界面和函数库，可以进行简单的数据处理和统计计算。对于初学者或者简单的量化策略，Excel可以是一个不错的选择。

建议

选择合适的量化运行软件需要根据具体需求、编程经验和系统环境来决定。对于初学者和简单的量化策略，Python和Excel是不错的选择，因为它们易于学习和使用。对于更复杂的策略和需要高性能计算的场景，C++和MATLAB可能更合适。R语言则适合那些需要强大统计分析和建模能力的用户。