java虚拟货币量化交易

Python 是一个高层次的结合了解释性、编译性、互动性和面向对象的脚本语言。

量化投资，在国外已经有几十年的历史，反观国内却只有几年时间的发展，因此，国内量化仍有机会分的一杯羹。随着国内从事量化投资的交易者素质提升，对于策略开发语言所实现的功能要求也越来越高。

因此，堪称入门免费、简单、可移植性、解释性、 丰富的库、 面向对象的Python语言，便就是它了！

TIOBE于近日公布了 2020 年 3 月的编程语言排行榜：Python排名第三。

一、入门比较简单。

Python 的代码，就想阅读英语一样，易读性相对于JAVA、C++等其他编程语言来说比较有优势，就算是非编程语言的人来说基本上都能知道写的是什么。

至于Python 的安装教程，大家可以在网上百度，有很多相关的安装教程，那么这个地方推荐大家使用Anaconda3可以随意切换 Python 版本，下面给大家展示一段Python 代码：

a = 0b = 3if a>b:    print("a大于b")else:    print("a不大于b")

run:

a不大于b

只要是学过英语的朋友，都可以读懂大概的意思，而不像其他语言一样需要专业得去学习过才能读懂代码。是不是非常简单？

二、Python策略开发速度。

首先，python策略开发周期非常的短，这是毋庸置疑的。因为，同一个功能Python代码100行、C语言 300行，也符合其设计哲学。下面用这2门语言来计算 π ，看看其代码量：

C语言：

Python语言：

效果已经很明显了，python代码大概只有C语言的1/3。

但是，python的缺点也是比较明显的，虽说代码量减少了不少，运行速度也随之降低了。据了解，C语言的运行速度是python的十倍左右，例如：python执行一段代码需要30秒，C语言仅需要3秒。

不过，也不必担心，python在量化领域火也是有原因的。

首先，用C语言开发策略，一般而言策略对速度的要求极高，例如：高频策略。但是门槛相对高，不仅仅是语言门槛，还有交易通道也非常关键。

所以，一般人是没有这个必要去做此类策略的，中低频的量化策略相对多见，对交易速度要求不是那么的高，因此才这么多人使用python开发策略。

三、强大的开源库。

1 .首先，不得不提的开源指标库 "talib" ，其囊括了几乎市面上所有的技术指标成交量类，能量类、趋向类、反趋向类、量价指标、摆动指标等等。例如：MA、MACD、RSI、SAR、SMA、TEMA 、 TRIMA 、WMA 等等，

SAR指标

2 . 其次，非常得推荐大家使用 tqsdk这个开源包。快期旗下的产品，数据质量和稳定性没得说，另外免费、轻量级，pip install tqsdk 安装后就可以在本地进行simow模拟 和实盘交易，体验感非常好。

from tqsdk import TqApi,TqSim,TqBacktest,TargetPosTask

导入 tqsdk就进行各种sao操作。另外，还提供的web_gui ，直接开源在网页中进行回测。

3 .还有其他的一些非常有用的库，比如：Sklearn、TensorFlow、arch等等。

四、选择的平台多样。

目前国内开源量化平台几乎都是采用python语言进行量化策略的开发。近些年，以网站的模式进行策略开发、模拟、交易的平台，聚宽、米筐、优矿，万矿，简称 — “宽大军”，一涌而出！就目前看来，聚宽量化算是其中的佼佼者，京东量化一出没多久，直接Over了。另外的其他平台的发展方向也有不同。

平台如此之多，应该如何选择量化交易平台。我认为有潜力的还是天勤量化平台，免费、开源、、方便、数据稳定，当然了目前没有收费，以后我也不知道收不收费，向投资者还是向期货公司也不知道。后期如果像快期一样，用户免费使用就好了，哈哈~！

总结：

用python开发量化交易策略，有优点也缺点，但也不妨碍其成为量化投资界最受欢迎的策略开发语言。

虽说速度慢，但市场中大部分的策略属于中低频的策略，所以对策略的运行速度要求并不是很高，python刚刚好。我们还是根据自身的需求，选择适合自己的量化策略开发语言。

如果觉得不错，欢迎点赞关注哦~！更多干货等着你。