说起Web领域 你立马会想到JavaScript语言，它在Web领域不可撼动；Python也已经在金融量化投资领域占据了重要位置，从各个业务链条都能找到相应的框架实现。

在量化投资(证券和比特币)开源项目里，全球star数排名前10位里面，有7个是用Python实现的。从数据获取到策略回测再到交易，覆盖了整个业务链，还是很厉害的！

因此，堪称入门免费、简单、可移植性、解释性、 丰富的库、 面向对象的Python语言，便就是它了！

TIOBE于近日公布了 2020 年 3 月的编程语言排行榜：Python排名第三。

那为什么Python可以做到呢？它又有什么优势？？？

一、Python是一门比较全面与平衡的语言。

既能满足包括web在内的系统应用的开发，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。

在数据分析方面，没有其他语言能像Python这样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。

二、Python策略开发速度。

首先，python策略开发周期非常的短，这是毋庸置疑的。因为，同一个功能Python代码100行、C语言 300行，也符合其设计哲学。

那咱们下面用两种语言 来计算下π，就一目了然了。

C语言：

Python语言：

两者很明显，Python语言只用了C语言的1/3的代码量就实现了同样的功能，但是呢，他也是优缺点的，咱们不能只说他的优点是多么的好，缺点呢也要正视，否则怎么能看到它的缺点怎么被解决和克服的。

Python的缺点也是比较明显的，虽说代码量减少了不少，运行速度也随之降低了。据了解，C语言的运行速度是Python的十倍左右，例如：python执行一段代码需要20秒，C语言仅需要2秒。

那有人肯定会问，那运行速度慢但是怎么还怎么火呢？

首先，用C语言开发策略，一般而言策略对速度的要求极高，例如：高频策略。但是门槛相对高，不仅仅是语言门槛，还有交易通道也非常关键。

所以，一般人是没有这个必要去做此类策略的，中低频的量化策略相对多见，对交易速度要求不是那么的高，因此才这么多人使用python开发策略。

所以它的缺点就不是那么重要了，被广大人群所接受了！

三、在数据分析方面，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，主要有下面厉害的框架和工具的支持：

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

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

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、Orange等

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

四、选择的平台多样。

目前国内开源量化平台几乎都是采用python语言进行量化策略的开发。近些年，以网站的模式进行策略开发、模拟、交易的平台，聚宽、米筐、优矿，万矿，一涌而出！就目前看来，聚宽量化算是其中的佼佼者，京东量化一出没多久，直接pass了。

用python开发量化交易策略，有优点也缺点，但也不妨碍其成为量化投资界最受欢迎的开发语言。

虽说速度慢，但市场中大部分的策略属于中低频的策略，所以对策略的运行速度要求并不是很高，python刚刚好。我们还是根据自身的需求，选择适合自己的量化策略开发语言。

如果感觉写的还可以的话，欢迎关注+点赞哈，让这位正在成长的女程序猿快速成长为大神，哈哈哈哈，梦想还是得有的，下篇文章干货见哦~