1.1 量化技术篇—技术框架选择

------从零开始学量化------
：量化目录传送门
知乎：量化目录传送门

---

1. 技术框架选择

python + mongodb(HDF5备选) + tensorflow

2. 为什么选择这一套技术框架

2.1 为什么是python

在其他领域，语言的选择可能不是一个重要的问题，但在量化方向，我相信语言的选择是一个很重要的问题，语言将直接决定你的生产率。why???

1. python在数据分析、量化建模、量化回测方向，有许多优秀的开源框架，你不用自己去造这些轮子！！！
2. python在数据分析、量化建模、量化回测方向，有许多优秀的开源框架，你不用自己去造这些轮子！！！
3. python在数据分析、量化建模、量化回测方向，有许多优秀的开源框架，你不用自己去造这些轮子！！！
   重要的事情说3遍！！！

下面我们看一下github上star数排在前列的量化开源框架，清一色的python，这最具有说服力，（列表中的统计时间为2018-06-27）。

排名	开源项目	Star数量	开发语言	项目用途
1	zipline	7.2k	python	量化回测框架
2	tushare	5.9k	python	财经数据接口包
3	vn.py	5.9k	python	交易平台开发框架
4	rqalpha	2.7k	python	量化交易框架
5	abu	5.3k	python	量化交易框架
6	easytrader	2.2k	python	交易平台开发框架

我曾经尝试用java去写量化，但java的量化开源框架实在太少，金融指标都要自己实现，在做量化的时候，慢慢地发现，我根本不是在做量化，而是在写框架代码。90%的时间去造轮子，只有10%时间去做量化，根本没有一点生产力。最终完全放弃java，对我3年java职业生涯说再见，一切从新开始。

2.2 为什么选择mongodb

金融数据主要有两个特点:

• 金融数据是典型的时间序列数据。数据存入数据库后就很少再需要修改了，最主要的操作是查询。
• 数据量级大,tick级的数据很容易上tb级别。

因此存储金融数据，可以选择：

• 关系型数据库(mysql, sqlserver等)
• 非关系型数据库(mongodb, redis等)

关系型数据库，我在工作中用的比较多，也很熟悉，用的最多的是mycat + mysql的组合。实际操作中，如果选用mysql，数据库engin选择myisam，存储数据采用行转列，当数据量达到亿级别，数据库性能会出现明显下降。如果采用分片分表，对于个人来说，会增加硬件成本和维护成本，得不偿失。不过关系型数据库用来记录交易流水等业务，是个不错的选择，可以很方便的使用事务。

非关系型数据库，待更新。。。。

数据库的选择，知乎上有一个问答，推荐使用hdf5，具体详情，可以查看传送门。

一次线下和雪山讨论的时候，他向我推荐了mongodb，因为mongdb在3.0版本已经支持数据压缩，所以存储tick级别的数据已经不是什么问题。他也提到可以选择hdf5,但是hdf5在并行写的时候，可能会存在性能的瓶颈。所以此处，我听从老司机的建议，优先选择mongodb。

2.3 为什么选择tensorflow

机器学习选择google的tensorflow，主要是因为：

• google的研发实力。
• 商业化的产品必然优于学院派，这是资本驱动的力量。

而框架中加入tensorflow，是因为我一直坚信，机器学习是未来的方向，现在的机器学习就像萌芽中的互联网，当他走向成熟之后，他迸发出的能量将横扫众多传统领域。

金融与机器学习的结合将是未来的趋势，而这两个领域的结合，也堪称完美。一边是金融，不会使得自己囊中羞涩。一边是机器学习，紧跟时代的步伐，走在趋势的前沿。（至于金融是如何帮助我们实现财务自由，我安利一本周金涛的涛动周期论，当我在阅读这本书的时候，我被作者的金融大局观深深折服。书中提到2019年将是85后人生中的第一次机会，2019年将是资产的低点，让我们拭目以待。）

对于计算机专业，想转量化的同学，我觉得机器学习是我们的一个突破口。因为从计算机跨领域到金融，意味着一切从零开始，在起跑线上暂时输给了职业量化者。但是机器学习的学习壁垒高，我们可以扬长避短，用机器学习作为突破口，从程序员转型成一个宽客。

3. 量化中使用的Python开源框架

• tushare
• pandas
• ta-lib
• seaborn
• zipline
• vnpy

其中:
tushare用于获取股票历史数据，在量化系统中，作为量化数据的来源。
pandas提供了大量金融数据分析的工具，在量化系统中，作为量化数据的存储结构。
ta-lib提供了金融指标的实现方法，在量化系统中，作为金融技术指标的计算库。
seaborn提供了数据可视化的接口，在量化系统中，作为量化结果的可视化展示库。
zipline提供了量化交易回测的框架，在量化系统中，作为量化回测引擎。
vnpy提供了交易和数据的接口，基本覆盖了国内外常规交易品种（证券、期货、期权、外汇、CFD），在量化系统中，作为实盘自动化交易的框架。

后面的章节，将一步一步使用以上框架，开始量化之旅。

---

如果你对我的文章有兴趣，可以关注一下我的和知乎，后期会在和知乎上定期更新，传送门在下方：
：潇潇夜雨归何处
知乎：潇潇夜雨
我相信，有趣的灵魂总会相遇！！！
你的关注，是我前进的动力！！！

参考资料

1. 量化投资—为什么选择Python？
2. Python金融行业必备工具