为什么现在大多数量化交易都在用Python?
中低端量化交易平台，支持复杂度不高的脚本语言实现策略逻辑，多数是在图表上加载技术指标，进行自动化交易的。一般说，Python语言是中低端量化交易平台最普遍的选择。
为什么现在大多数量化交易都在用Python?
Python 编程语言是世界上发展最快的编程语言。Python 可以让程序员更加高效地工作和集成系统。Python 的语法优先考虑了可读性，同时支持较少的代码行。动态类型、内置数据结构、功能强大的库、框架和社区支持都是 Python 吸引快速开发任何应用的几个方面。
与其他语言相比，Python 有以下特性：
（1）易于编程
假如你是一个新手（初学者），应该了解 Python 编程非常容易学习和编程。在将 Python 与 C、C#、Java 和 Java 等其他编程语言相比较时，Python 是一种非常直接的语言，它允许你轻松地开始编程。python 编程语言的基础知识可以在数小时或数天内学会（虽然说精通 Python 同样具有挑战性）。
（2）开源
Python 编程语言的特点之一就是开源，也就是说每个人都可以构建和修改它。Python 编程有一个由成千上万的程序员组成的在线社区，他们每天都聚集在一起讨论该语言的发展。你可以从一个开源的、免费的地方下载它，你所需要知道的就是来源。
Python 编程语言在官方网站上是免费提供的，你通过点击下载 Python 链接即可下载。之后，你需要做的就是在你的计算机上安装 Python。
为了运行 Python 编程语言，你需要 IDE（集成开发环境），比如Eclipse+Pydev，PyCharm、VSCode、Sublime Text等等。
（3）GUI 编程支持
Python 可以使用 PyQt5、PyQt4、wxPython 等模块来创建图形用户界面。Python 为设计图形用户界面提供了很多可能性。Tkinter 是最常用的 GUI 技术，它是 Python 提供的 Tk GUI 工具包的一个标准 Python 接口。
用户界面通常包括诸如图标、按钮、图形、显示文本等视觉元素，以及各种输入手段，如复选框、文本输入框等等。使用 Python 编程语言，以及快捷、省力的图形工具，使得构建用户界面应用非常容易。
（4）支持高级语言
Python 支持高级语言。当编写 Python 程序时，不需要回忆机器结构或操作内存。在很多方面的应用中，它的设计理念首先要考虑代码的可读性。它的语言元素和面向对象的方法，其目的是帮助程序员为小型和大型项目，编写清晰的、有逻辑的代码。
（5）可扩展性
可扩展性是属于 Python 的特性之一。可以将以其他语言编写的代码包含在你的 Python 源代码中，例如 C++。
Python 是一种可扩展的语言，这意味着它可以被扩展到其他语言。Python 可扩展的特性是指 Python 的部分代码可以用 C 或 C++ 来编写。这可以让Python 和其他语言开发的库连接起来。
（6）可移植性
Python 是一种跨平台的编程语言，这意味着建立在Window环境、或 Mac OSX 上的 Python 应用程序，可以在 Linux 操作系统上运行，反之亦然。
只需安装 Python 解释器，Python 程序就可以在各种系统上运行，包括 Windows、Linux、Unix 和 Macintosh。
（7）解释性语言
有些编程语言有两种类型的代码转换器用于语言转换。即解释器和编译器。编译器会编译整个程序，而解释器会逐行转换代码。
Python 使用了解释器，这意味着它的代码是逐行执行的。不同于 C、C++、Java 等其他编程语言。Python 的代码无需编译，因此更易于调试。Python 的源代码被转换为字节码，是代码的实例化。
（8）面向对象程序设计语言
面向对象程序设计语言，可以对现实世界进行建模，集成了数据和函数。另一方面，面向过程的语言围绕着函数展开，函数是可重复使用的代码片段。
Python 同时支持面向过程和面向对象的编程。与 Java 不同，它还允许多重继承。
（9）其他特性
Python 有几种侧重于答案而非语法的结构；Python 也可以作为脚本语言使用，或者编译成用于开发大型应用程序的字节码；支持动态类型验证，并提供非常高级的动态数据类型；会自动支持垃圾收集；Python能与 C、C++、COM、ActiveX、CORBA 和 Java 无缝集成。
综上，Python是一门比较全面与平衡的语言，面对中低门槛的量化平台，既能满足包括中大型系统应用的开发，又能满足数据统计分析等数学领域的计算需求，同时也能作为胶水语言跟其它开发语言互通融合。
在数据量化分析、金融数据处理方面，Python既能精于计算又能保持性能，对于时间序列数据的处理展现了简单便捷的优势。而如此适用的特点，主要得益于有如下框架和工具的支持：
Numpy：底层基于C实现的科学计算包。具有强大的N维数组对象；Array具有数据广播功能的函数库；具有完整的线性代数和随机数生成函数
SciPy：开源算法和数学工具包。最优化线性代数、积分、插值、特殊函数；快速傅里叶变换；信号处理和图像处理常微分方程求解；其他科学与工程中常用的计算。其功能与Matlab和Scilab等类似
Pandas：起源于AQR的数据处理包，具有金融数据分析基因。基于Series、DataFrame和Pannel多维表结构数据；数据自动对齐功能；数据清洗和计算功能；时间序列数据快速处理功能
Matplotlib：基于Python的数据绘图包，能够绘制出各类丰富的图形和报表。
另外，Python在机器学习领域的应用也越来越多，其中的开源项目包括了scikit-learn、Theano、Tensorflow等。