本文总结目前我个人做量化交易及数据分析所用到的一些技术栈，随着时间推移还会涉及更多内容，现简单梳理如下：
语言环境及IDE
量化交易及数据分析在编程实现上首选Python，除了简单易学容易上手，Python天生还有数量众多且功能丰富的第三方开源库，有人觉得相比编译型语言，Python不够快，但是我认为对普通交易者来讲足够用了，实际上程序跑起来以后并不慢，尤其很多科学计算库底层都是C，执行效率也不差，Python的短板在GUI程序的实现上，虽然有QT Designer这类可视化设计工具，但总体来讲比C#,Delphi这类天生就适合做桌面应用的语言还是麻烦许多，我目前写的程序大部分都是控制台程序，没有足够的必要我不去写GUI版本的，确实麻烦。
目前我在用的Python版本是3.8.8，环境搭建上用的是Anaconda集成包（2021年5月的版本）。
IDE上，比较好用的有Pycharm和Vscode，个人用Vscode更多一些，因为相比Pycharm，Vscode执行更快。
常用的库
TA-Lib : 股票技术分析指标库，常用的技术分析指标，如均线，MACD，布林带，RSI等等等等均有封装，大概有100多种指标吧，这是做量化分析必须会用到分析库。一个需要注意的是，这个库的安装我都是下载whl包后本地安装的，用pip命令在线安装经常会遇到失败的情况，估计和依赖库有关，没有分析具体原因，总之下载好对应解释器版本的whl，本地pip安装就可以了。
tushare/akshare : 这两个库是开源金融数据包，通常来讲如果不自己写爬虫的话，股票等数据的获取要依靠他们，具体的接口文档官方网站都很详细。tushare接口调用需要较高的积分权限，akshare没有积分限制，但从数据粒度上没有tushare成熟，但发展势头很不错。我个人目前在数据源上依靠的是自己写的爬虫库，没有依赖这两个库，在需要调用一些平时不常用的数据时会import进来用一下。
matplotlib/seaborn/pyecharts : 这几个包是数据可视化分析时会用到的，相比前两者，pyecharts能够生成美观的交互式web图形，更适合国人口味。
backtrader/backtrader_plotting : backtrader是比较成熟的开源金融数据回测框架，本地策略回测的利器。backtrader_plotting是第三方配套的交互式web绘图工具，相比backtrader内置的plot，backtrader_plotting更像pyecharts相比于matplotlib。
pandas/numpy/scipy : 这几个包就不用介绍了，搞数据分析的基础设施。
剩下的还有些不是很必要但能提高开发效率的第三方库，比如loguru做日志，apscheduler做任务调度，sqlite3做数据库等等，就不一一罗列了。题外话，如果要做机器学习，AI在量化上的应用，还会涉及pytorch或者tensorflow这类机器学习库，这些我接触不多，还在学习。
可以说以上这些库基本涵盖了量化交易涉及到的方方面面，会用个大概就能应付大部分量化分析或交易中遇到的问题，看着不多，其实也不少。本站技术方面的内容也多围绕这些东西做展开。
文章评论