python计算运动会某个参赛选手的得分。数据保存在文件中_量化交易中的编程语言和数据库...

最近出现了一则新闻，说美国著名的数理分析软件Matlab不给中国的两所高校授权。当然，自己用是可以的，但不能用来发论文。消息一出，业界一片哗然。我们来谈谈量化交易用到的一些语言。

一、分析语言

记得在国内做量化交易有一个说法，2015年以前的用Matlab，2015年以后的用Python，或者说大叔用Matlab，小鲜肉用Python。在中国做量化交易有一个好处，就是使用Matlab不需要版权，这是低版权优势。由于这些软件基本上是自己用，因此也不会被告。

北美知名华人量化网红Ernest P. Chan是Matlab的重磅鼓吹者，他写了好几本关于量化交易的书，比如《Quantitative Trading》《Algorithmic Trading》《Machine Trading》等，反正你能想到的词他都写过，都是用Matlab写的。他支持Matlab的理由包括：图形化界面调试方便、分别购买ToolBox调试方便、运行速度还挺快。当然，这些都是有着极强偏见的，比如对比的时候在Matlab用向量化，在R就用循环，咋比？要不咱们在Matlab用循环在R用Rcpp试试？

另外一个非常热门的语言是Python，它出名的原因在于它是免费的，而且处理复杂的数据结构方便，比如自然语言需要。现在很多深度学习模型在自然语言里面应用，很多模型都是Python写的，因此人们自然也用习惯了。记得吴恩达之前的机器学习课程是用Matlab的，现在都改成Python了，可见它的强大。

还有一个选择是R，这个在美国统计界还是挺流行的，但在国内挺小众。记得之前我想使用一个函数计算一个响亮的滚动窗口最大最小值，用Python非常块，但如果用R，无论是各种roll的函数都很慢。后来在一个粉丝的协助下我们仔细研读了Python的numpy对应的底层的程序，那是C语言写的，于是我把源程序复制过来，写成R可以调用的那种C语言程序，然后直接调用，确实可以比R自带的提高数十倍，跟Python的numpy.maximum.accumulate速度相近。早期买了我R语言课程的同学都有，当时发现R自带的实在太慢了。

现在又有了一个新的语言Julia，它的好处是自带编译功能，既有Matlab/Python/R的编写方便，又有C++等编译语言的运行速度，所以国内目前有不少量化私募用Julia取代Python。一般同样功能的程序，可以比Python快20倍。不过个人观点认为，这些都是给不熟悉C++的人准备的，如果熟悉C++，其实没必要。

在数据调用方面，很多人会使用各个语言自己的二进制数据，例如Matlab的mat文件，python的pkl文件，R的RData文件等。但其实这些都不大方便。试想一下，如果一个量化团队，每个人习惯用不同的语言，难道数据要保存这么多份，这个不现实。因此，一般而言，数据最好用数据库保存。

二、数据库语言

那么通常有什么合适的数据库呢？正常而言，金融行情数据是时间序列，应该用时间序列数据库。但市面上的时间序列数据库很多要收钱，如果不给钱，功能又很有限。至于MongoDB、levelDB、Redis等，各有特点，但其实都不是时间序列数据库。说了这么多，如果是个人单机版，建议用InfluxDB会比较好，因为它没有内存使用的限制，而且无论Python还是R都有对应的接口。

InfluDB上手比较简单，从官网下载了软件之后，在本低运行，就会默认在http://localhost:8086地址中，一般python在localhost:8088，所以不会冲突。之后就可以在python中进行数据库的操作，例如把历史数据从csv文件导入到influxDB中，以后调用起来就方便了。

一般来说，时间序列数据库切忌频繁插入和删除，数据一旦写入就不要修改，要增加就从结尾处增加，比如每天有新的数据进来都从结尾处增加。如果是多人合作，需要云服务器，这是需要收钱的，但我个人主张也与做量化，在本地计算机就行，没必要用云服务器的。目前我本人依然是采用原始的二进制格式保存数据，未来转成数据库吧。

数据库的一个好处体现在查找方面，毕竟数据库的key是按一定树型结构保存的。比如我们要找某个时间点的数据，有了数据库就可以方便查找。另外数据库自带一定的serialization功能，自己用C++来写还得考虑一些复杂的数据结构如何进行serialization。因此，如果是超极高频的数据，raw data不是很规整，比如有时更新更新了3个价位的挂单，有时更新了5个价位；有时是成交信息，有时是挂单信息，数据都是json格式，那么用数据库保存是比较好的，key可以是timestamp，这样查找方便。比如数字货币的raw data可能一天一个品种就有5个G的数据，如果depth和trade都是continuous的话估计冲到10个G，这时候要进行任何时间点位的查找，顺序结构是不大现实的，C++也会很慢，最好用数据结构了。

三、总结

很多人可能会忽略编程语言和数据库的影响，特别是数据量比较小的情况下。但其实很多时候这些工具准备好了对工作效率的提高还是有帮助的，虽然一开始熟悉的时候会花比较多的时间，但久而久之还是值得的。

有兴趣的朋友可以加微信babyquant或关注微信公众号babyquantFinance，谢谢！