如何成为 Quant Dev 3 - 语言

Posted on In Disqus: Word count in article: 2.2k Reading time ≈ 2 mins.

之前的连篇文章主要介绍了 Quant Dev （QD） 的分类和学习路径，这一篇我们重点介绍行业内常用的软件、语言和框架。

注意 本系列主要针对买方 Quant Dev，而不是卖方或者 Quant 这个职业。通常来说，Quant 和 Quant Dev 的技能和技术栈有一些重叠，但是差异仍然较大。

之前的文章提过，Quant Dev 首先必须是一个好的程序员，通常是一个好的后端程序员，因此，QD 的基础技术栈跟一般的后端程序员非常类似，而由于业务的关系 QD 对某些语言、框架和知识的需求更多一些。

首先我们来说买方 QD 常用的计算机语言，不出预料就是下面四位：

  • Python
  • Java
  • C#
  • C++

近些年，我也观察到一些其他语言正在慢慢进入 QD 的世界，其中比较有潜力的就是Rust，因为 Rust 是近些年底层语言领域唯一有希望跟 C++ 在性能和流行度一争高下的语言。当然，也有一些公司会用一些比较小众的语言，比如 JaneStreet 大量使用了Ocaml，一些做量化交易软件的公司会配合使用F#。

虽然在对冲基金内部，使用的语言通常跑不出这些主流语言，但是他们的应用场景却非常不同。

Python

TL;DR

优势：

  • 数据科学生态好
  • 研究和生产部署统一技术栈
  • 快速迭代、部署、Debug

劣势：

  • 执行效率低、内存占用高
  • 动态类型、运行时异常
  • GC、无法提供稳定延迟

解决方案：

  • 执行效率和内存：numba | cython | pypy
  • 运行时异常：mypy + 类型标注
  • 相对稳定 GC 延迟：pypy

适用领域：

  • 数据预处理、清洗
  • 策略以及投资组合研究、分析
  • 中低频策略执行
  • 盘后分析

不适领域：

  • 订单执行、管理系统
  • 高频策略执行

优势

Python 现在是数据相关行业的首选，包括对冲基金，主要是得益于他强壮的数据科学生态：数据抓取、清洗、分析、机器学习等等方面都有丰富的支持。

Python还有一个独特的优势，就是对于研究人员，比如 Quant 非常友好，同时它又有相对健全的通用编程生态，比如异步、并发、数据库接口、丰富的云生态等等，这些都使得Python在很多对冲基金同时成为了研究语言和生产语言，也就是说同一个语言兼顾了研究和生产环境。这种协调统一显然加速了策略从研究到投产的过程，使得交易策略可以快速迭代。这一点新兴的“科学计算”语言Julia就相差较远了。

Python的另一优势在于动态语言方便的 Debug 能力和自省能力，代码编写变得非常轻松，通常比起语言需要更少的代码量来实现业务功能。而且，量化对冲基金的业务模式对 Bug 非常敏感，一旦出现软件问题，能否快速的定位和修复异常重要。当然，这些不是一个语言单独可以解决的问题，但动态语言的特性绝对有助于加速定位和修复。

劣势

Python的短板也非常明显。主要由两个问题：性能和动态类型。这两个短板也是相互联系的，通常动态语言的性能都会相对较差。

首先，性能。性能主要体现在两个方面：内存和运行速度。Python 的内存占用对比其他语言，比如 C++，要大不少，这种劣势会随着数据量和计算量的增加逐渐凸显。特别是当使用类似 Pandas、Numpy 库时，一些数据计算单次需要用到的内存可能会达到 80 到 100GB。而且通常是峰值内存较大，比如计算过程中需要拷贝数据，这种峰值内存导致容器化的内存上线必须提高，造成浪费。而且如果类似的计算太多，就会对计算集群提出更高的需求。运行速度则是另外一个短板，尽管我们有一些方案，比如 PyPy，numba，Cython，但是这些方案无疑提高了开发复杂度，同时语言本身的Overhead仍然存在。

其次，动态类型。动态类型再生产过程中最主要的问题是，运行时错误。因为没有静态类型，也没有编译器，编译器无法提前告诉我们代码中潜在的类型问题。这一点在项目体积变大，文件数量庞大的时候，变得尤其突出，经常是改了一个地方，隐藏的破坏了另一个地方，而没有编译器提前告诉程序员。这些错误，通常只能在运行时暴露出来，所以 Python 开发对于测试的编写非常依赖。但是。。测试终究不能覆盖所有情况。当然，社区也有对应的解决方法，比如类型分析包：mypy，通过在代码中增加类型标注，配合 mypy 进行静态类型检查。

GIL，全局解释器所，也是 CPython 一直被诟病的点，社区提出了不少应对方案，如 PyPy、多进程、异步，当终究隔靴搔痒。

最后一点是所有带垃圾回收的语言都会存在的问题，延迟不稳定。因为 Python 也带有一个 STW，Stop The World，GC，因此系统随时可能迎来GC，特别是当堆内存巨大的时候，这种延迟可能达到数百毫秒。因此，在对实时性要求较高的应用中 CPython 并不合适。

C++ / Rust

TL;DR

优势：

  • 执行效率高
  • 内存占用低
  • 延迟可控
  • 类型系统和编译器（ Rust 尤其突出 ）

劣势：

  • 数据科学工具链相对薄弱、难用
  • 上手难度大、语言特性繁多
  • 内存安全问题 （ Rust 基本没有这个问题 ）
  • 编写复杂业务逻辑成本较高

适用领域

  • 回测框架的核心代码
  • 高频交易系统
  • 低延迟订单管理、执行系统

不适领域：

  • 策略研究、原型测试

Java / C# / Go

TL;DR

这一卦的语言呢，介于 Python 和 Rust、C++ 之间，基本属于万金油。特别 Java 系在大数据领域仍然出于老大哥位置，绝大部分的中间件都是 JVM 实现的，比如 Kafka、Spark、Flink 等等。在各大投行、对冲基金中，这一卦 GC 语言仍然占据半壁江山。

如果说 Python 的优势在于快速迭代测试、适合中低频策略；C++、Rust 适合高频、低延迟领域；这一卦 GC 语言就比较适合订单管理、执行系统。