金融量化—为什么我选的是Python？

昨天，在朋友圈转发了一篇文章。同时摘取了文章最后一句话做了标注：“在未来，很可能一群把Python语言玩弄在鼓掌之间的人，将成为金融界的新星。”很快，便引来了码农界和金融界朋友们的纷纷点赞，同时，欢呼声、怀疑声与质疑声在朋友圈里喧嚣尘上。

先来看看大家对昨天转发过来的那句话的反应。

我个人对这个观点其实持低调温和赞成的态度:-)。所以，趁今晚有点时间在睡觉之前，给大家讲讲为啥Python在金融量化方面具有的一些先天的优势。

我是一个有10年Java和其它语言开发经验的程序员，最近两三年才开始用Python。其实也是因为金融，尤其是金融数据才用上了Python，虽然对Java很有感情，但是一用Python就再也不想换回去。（特定应用场景除外）

这里不想引起哪个语言好的讨论，只想说说Python在金融领域应用的现状，大家自己拿捏判断。要不然又要出现类似“PHP是世界上最好的语言”的撕逼大战了。哈！

Python在量化领域的现状

就跟javascript在web领域无可撼动的地位一样，Python也已经在金融量化投资领域占据了重要位置，从各个业务链条都能找到相应的框架实现。

《Python for Finance》《Mastering Python for Finance》《Maching Learning in Action》

下载 (27.93 KB)

2019-6-10 06:23

我们拿上一篇文章的图再来看看，在量化投资（证券和比特币）开源项目里，全球star数排名前10位里面，有7个是Python实现的。从数据获取到策略回测再到交易，覆盖了整个业务链。

而全球注册用户数最多的商业量化平台Uqer优矿，也同样是基于Python实现和提供服务的。国内后来的其他量化平台，例如ricequant和joinquant，也主推Python环境。可见Python在量化平台应用的绝对占有程度。

为什么是Python？

Python是一门比较全面与平衡的语言，既能满足包括web在内的系统应用的开发，又能满足数据统计分析等数学领域的计算需求，同时也能作为胶水语言跟其它开发语言互通融合。

在数据分析方面，没有其他语言能像Python这样既能精于计算又能保持性能，对于时间序列数据的处理展现了简单便捷的优势。而如此适用的特点，主要得益于有如下框架和工具的支持：

Numpy：底层基于C实现的科学计算包

具有强大的N维数组对象Array具有数据广播功能的函数库具有完整的线性代数和随机数生成函数

SciPy：开源算法和数学工具包

最优化线性代数、积分、插值、特殊函数快速傅里叶变换信号处理和图像处理常微分方程求解其他科学与工程中常用的计算

其功能与Matlab和Scilab等类似

Pandas：起源于AQR的数据处理包，具有金融数据分析基因

基于Series、DataFrame和Pannel多维表结构数据数据自动对齐功能数据清洗和计算功能时间序列数据快速处理功能

Matplotlib：基于Python的数据绘图包，能够绘制出各类丰富的图形和报表
另外，Python在机器学习领域的应用也越来越多，其中的开源的项目包括了scikit-learn、Theano、Orange等。

Python的特点

1、简单易学Python是一门简单而又简约的语言。阅读好的Python程序感觉就像阅读英语。Python非常容易上手，学习曲线比较平缓。

2、高级语言垃圾自动处理且面向对象的高级语言。Python 具备所有脚本语言的简单和易用性，并且具有在编译语言中才能找到的高级软件工程工具。

3、扩展移植可与其他语言无缝对接并能实现跨平台

4、开源项目只要能想到的，几乎都有现成的包能找到

Python金融书籍

目前市面上已经出现了不少针对金融领域数据分析和量化的书籍，有了这些书籍，实现金融数据处理完成量化投资分析便容易多了。

金融领域主要的Python书籍：《Python for Data Analysis》

zipline.tushare\quicklib\finmarketpy\gekko\high-frequency-Trading-Model
quicklib
PyAlgoTrade
pytrade
xChange
python量化交易科技版块