python在CTA策略研发中的应用
开篇申明：笔者也是python初学者，以下内容纯粹从个人使用经验来讨论问题，若有谬误，请大神们拍砖。
Python where we can, C++ where we must，这句话基本概率了python大法对CTA的重要作用。不是说迷信python大法好，而是说python特别符合CTA策略研发的一些特征，即利用了python的一些优势，又很好的回避了它的一些局限性。原因有如下3个：1. 代码简洁，开发效率高。CTA策略研发需要大量来回调参，修改局部代码，属于典型的投入多，产出少。尝试几十几百个策略，成果却可能就那么1-2个，这种事情更是家常便饭。python代码极为简洁，语法简单，能让开发人员从大量的重复体力劳动中解脱出来，乃懒人同胞居家必备之良药，实在是药不能停；
2. 学习曲线友好，适合编程入门。CTA策略主要是使用python大法里数据处理这一小部分内容，主要包括pandas, numpy, scipy, statsmodels, sklearn, matplotlib, os, cmath, logging这些模块，其他的通通不学基本没有任何关系；
3. 至于python速度和性能上的局限性，我个人觉得没啥问题。1是因为反正交易下单系统还是C++搞定，不需要python。2是我又没处理tick，数据量又不是很恐怖，numpy基本能轻松搞定一切；
干货分割线
废话不多说，亮兵器。
python的学习，同其他语种相比，是一件无比快乐的事情。 By 笔者
1. python入门书籍，推荐head first，基本算是零基础入门读物，内容主要包括常用函数，OI读写和简单的数据处理。我网上找到了中文版的PDF，若需要强烈建议购买正版书籍。下载链接：
2. python进阶书籍，推荐Python For Data Analysis或者Python数据分析基础教程:NumPy学习指南，主要是数据处理的一些常用工具的使用，包括numpy, pandas和matplotlib。其中Python For Data Analysis网上暂未找到中文版的PDF，若需要强烈建议购买正版书籍。下载链接：
Python For Data Analysis (2013).pdf
3. 细节参考书籍。请自己百度python基础教程或其他同类型资料；
4. 至于statsmodels, sklearn这2个模块的话，由于开发时间不是很久，而且现阶段还算是未收官的模块包，网上暂时找不到相关的书籍。大家可以看看对应的开发手册或者网上一些帖子的简单介绍；
另外说一下几点个人的使用经验：
1. 从效率上来说，能用numpy搞定的不要用pandas。或者换句话说，能用iloc的地方尽量用iloc，除非涉及到时间序列上数据的对齐和文本信息处理这2个方面，再考虑pandas；
2. CTA策略研发总体plot用的还是不多，个人建议是尽量不要或者少在美化和界面上投入时间，投入时间多又没产出，不过是讨老板开心而已，何况你有很多更重要的事情要做；
3. 什么时候用nan， inf和0是个很大的学问，慎之慎之又慎之；
4. 多用logging模块，尽量别用或少用print，长痛不如短痛；
5. paramiko大法好；
最后，祝大家自学开心：）
查看评论 回复
