python 加速方法_用 Python 做策略回测，耗时很长，有什么加速办法？

刚刚优化完自己的策略和回测程序，正好来回答一下

1，升级硬件，双路服务器架构，从i7-9700K 升级到双路金牌8180M性能大概能提高7-8倍性能。能用钱解决的问题真比优化代码简单暴力多了。

2，使用 Parallel库和Ray库进行并行计算和分布式并行计算。

Parallel(n_jobs=max_usage_of_cores)(delayed(回测函数)(codelist,

frequency,

model_account,

portfolio_batch,

verbose) for frequency,

verbose,

model_account,

portfolio_batch,

codelist in codelist_grouped)

可以简单实现并发回测，同时回测CPU核心数量的标的。

3，尽量少用Pandas.DataFrame，多用numpy，非用不可的情况下少用loc，iloc赋值，多用at.，iat。尽量不要用Dataframe.Apply处理复杂函数，这里可以发掘出大概10倍性能。

4，Numba，cython重写部分模块，注意需要在函数调用时将Dataframe转为numpy和做变量声明减少LLVM推导参数类型，这里大概可以提高6-7倍性能。

5，计算指标使用向量计算，& | ～ 是向量的and or not计算，可以同时用于ndarray和dataframe，这里比for循环可以提高大概60~70倍速度。

6，尝试不同的回测引擎，Zipline和Backtrader，检查测试选择最快的，这里可以提高大约2-3倍性能，这部分我不太推荐自己写cyhton，因为金融计算夏普率年化统计滑点手续费都是比较严谨的，拥有大量的公式和处理，自己写计算结果容易和这种成熟框架的不一致。这里要调整会花费大量的时间。