Julia会替代Python成为量化投资热门语言吗?

黎玉莲 2019-12-21 23:14:00

推荐回答

使用Cython编译一种编译方式是使用Cython编译器。这个编译器是使用Python编写的。它可以通过以下命令安装:pipinstallCython如果使用Anaconda,安装会有所不同。因为安装有点复杂,所以我编写了一篇相关的博客文章:将CythonForAnaconda安装在Windows上安装后,我们使用神奇的%load_ext将Cython加载到Notebook中:%load_extCython然后就可以在我们的Notebook中编译代码。我们只需要将想要编译的代码放在一个单元中,包括所需的导入语句,使用神奇的%%cython启动该单元:%%cythondeffib_cythonn:ifnpivot:j-=1ifipivot:j-=1ifi<=j:ai+=1j-=1iflo
齐月娥2019-12-21 23:59:07

提示您:回答为网友贡献,仅供参考。

其他回答

  • 噢,这个不是python擅长的,你应该去搜一下linux命令crontab的用法,一分钟就能明白如何设置一个定时运行任务。如果你想写一个程序,用python完成一个crontab类似的功能,那么请看《UNIX环境高级编程》第13章,但弄懂这个是要花一点时间了。
    龚小荣2019-12-22 00:08:54
  • Julia与Python的比较我是否应丢弃Python和其他语言,使用Julia执行技术计算?在看到http://julialang.org/上的基准测试后,人们一定会这么想。Python和其他高级语言在速度上远远有些落后。但是,我想到的第一个问题有所不同:Julia团队能否以最适合Python的方式编写Python基准测试?我对这种跨语言比较的观点是,应该根据要执行的任务来定义基准测试,然后由语言专家编写执行这些任务的最佳代码。如果代码全由一个语言团队编写,则存在其他语言未得到最佳使用的风险。Julia团队有一件事做得对,那就是他们将他们使用的代码发布到了github上。具体地讲,Python代码可在此处找到。第一眼看到该代码,就可以证实我所害怕的偏见。该代码是以C风格编写的,在数组和列表上大量使用了循环。这不是使用Python的最佳方式。我不会责怪Julia团队,因为我很内疚自己也有同样的偏见。但我受到了残酷的教训:付出任何代价都要避免数组或列表上的循环,因为它们确实会拖慢Python中的速度,请参阅Python不是C。考虑到对C风格的这种偏见,一个有趣的问题是,我们能否改进这些基准测试,更好地使用Python及其工具?在我给出答案之前,我想说我绝不会试图贬低Julia。在进一步开发和改进后,Julia无疑是一种值得关注的语言。我只是想分析Python方面的事情。实际上,我正在以此为借口来探索各种可用于让代码更快运行的Python工具。在下面的内容中,我使用Docker镜像在JupyterNotebook中使用Python3.4.3,其中已安装了所有的Python科学工具组合。我还会通过Windows机器上的Python2.7.10,使用Anaconda来运行代码。计时是对Python3.4.3执行的。包含下面的所有基准测试的完整代码的Notebook可在此处找到。鉴于各种社交媒体上的评论,我添加了这样一句话:我没有在这里使用Python的替代性实现。我没有编写任何C代码:如果您不信,可试试寻找分号。本文中使用的所有工具都是Anaconda或其他发行版中提供的标准的Cython实现。下面的所有代码都在单个Notebook中运行。我尝试过使用来自github的Julia微性能文件,但不能使用Julia0.4.2原封不动地运行它。我必须编辑它并将@timeit替换为@time,它才能运行。在对它们计时之前,我还必须添加对计时函数的调用,否则编译时间也将包含在内。我使用的文件位于此处。我在用于运行Python的同一个机器上使用Julia命令行接口运行它。回页首计时代码Julia团队使用的第一项基准测试是Fibonacci函数的一段简单编码。deffibn:ifnpivot:j-=1ifipivot:j-=1ifi<=j:ai+=1j-=1iflo
    童裕孙2019-12-21 23:39:50
  • python被神话了它出现的时间很早。1992年所以设计上的理念很老,说白了不合时宜了因为它用起来比JAVA什么的方便,所以才会流行但是它自身的语法问题太多,很多地方设计的太随意了新生代的语言必然会客服老的语言的错误和问题,所以JULIA替代PYTHON是大概率事件。
    齐新洲2019-12-21 23:21:47

相关问答

小成本电影是指不需要请大明星,在演员、场面、服装、效果等方面有额外支出,所需资金仅限维持正常制作、发行的电影。就创作意图而言,有的为了满足特定人群的观影需求、有的为了表达人生体验、有的试图探索出新的电影表达方式,因此小成本电影较“大片”更具多样性。下面重点介绍几部小成本却优秀的电影:《失恋33天》:一部典型的以小博大,11年白百何以及文章都是电影新人,该电影的制作成本不高,3000千万~5000千万之间,却能够收获3亿多票房,在11年,票房过亿的电影可不多。当之无愧的黑马,也让白百何从此走向票房灵药之路。人在囧途》:制作成本只有400万,但是最终票房却是5000万,有人或许认为这票房并不亮眼,那么你就错了,2019年票房有5000千万的电影,除了各种好莱坞大片,就是各种大制作,而人在囧途却只用了700万的成本拿下5000千万的票房,并且在中国家喻户晓,让徐峥,王宝强一战成名,为之后泰囧大爆打下了深厚的基础。心花路放》:讲述了在生活中遭遇了情感危机的耿浩为了帮助他摆脱痛苦,带着耿浩开始了一段非常搞笑的疯狂的猎艳之旅。影片上映后,首周票房超6亿,成为史上最快突破6亿票房的华语电影。票房总计11.67亿,登2019年度国产电影榜首。后会无期》:讲述了几个在东极岛长大的年轻人决定重新选择自己的前路,在他们横跨大陆的自驾旅途上的传奇经历与际遇让他们有了各自不同的命运归宿的故事。影片于2019年07月24日在中国内地上映,最终票房为6.29亿。一部文艺片拿下6.29亿票房,在中国的文艺片史上可不多见。疯狂的石头》:该片讲述了,重庆某濒临倒闭的工艺品厂在推翻旧厂房时发现了一块价值连城的翡翠,不料国际大盗麦克与本地以道哥为首的小偷三人帮都盯上了翡翠,在经过一系列明争暗斗的较量及真假翡翠的交换之后,两拨贼被彻底的黑色幽默了一把。该片制作成本350万,票房2350万,在06年,中国电影还未快速发展,这个票房已经让人大吃一惊。夏洛特烦恼》:讲述了夏洛在大闹初恋婚礼后意外重返青春并最终领悟人生、找回真爱的故事。该片制作成本2000万~3000万,成为15年暑期档的黑马之一,最终票房14.41亿,又一个10亿大关。一个并没有大牌演员,也没有著名导演的加成之下,在暑期档的众多大片中夹缝生存,拿下高票房,这匹黑马,着实厉害。无人区》:2019年12月3日正式公映,并取得大陆总票房2.6亿元人民币成绩。2019年1月15日该影片入围第64届柏林电影节主竞赛单元。无人区这部电影对比国内其他电影,十分不易,09年开机,13年才上映,当然这部电影的收获无疑是巨大的。无人区2019年拍完,整个片子成本1600万,票房2.6亿,让宁浩导演再次成功,虽然片子上映不易,但我相信,只要是作品过硬,无论压到何时,也能够发光发亮。滚蛋吧!肿瘤君》:该影片讲述了29岁的乐天派漫画家熊顿因患癌症身处人生最艰难的时刻但同样对着命运微笑的故事,于2019年8月13日在中国大陆上映。肿瘤君这部电影虽然有着大牌演员,实力强劲的发行公司,但是制作成本是很低的,约为4000万,收回票房5亿多。票房与口碑都十分出彩。北京遇上西雅图》:影片讲述了“拜金女”文佳佳怀孕后到美国待产,在这里遇到了月子公司的司机兼护工Frank。文佳佳的情人在国内出事了,停了她的信用卡;Frank的老婆太强势,离婚了还带走了女儿。于是,这一对开始慢慢走近,经历了种种之后,两人最终在帝国大厦的顶楼定情。该片的制作成本仅为3000万,于2019年3月21日在中国大陆上映,票房达5.2亿,刷新国产爱情片票房纪录。希望以上的解答对您有所帮助,最后祝愿您生活幸福,距离财富自由,我们只差留言区一个机遇!。
成本法公式就是各项取得成本加和评估价值=成本1+成本2+成本N+预计利润-税费市场法就是选取比较案例将比较因素量化对参照物修正评估价值=参照物x调整系数1x调整系数2x调整系数3收益法取得收益额a收益年限n折现率r三个参数评估值=a/r×每个评估公司都有自己的计算方法和体系这个都是商业机密了..你要详细的测算过程是看不到的.我上面告诉你的也属于原理,真正的计算要复杂的多.下面是无形评估准则内提及有关方法的要求.第二十六条注册资产评估师执行专利资产评估业务,应当根据评估对象、价值类型、资料收集情况等相关条件,分析收益法、市场法和成本法三种资产评估基本方法的适用性,恰当选择一种或者多种资产评估方法。第二十七条注册资产评估师运用收益法进行专利资产评估时,应当收集专利产品的相关收入、成本、费用数据。注册资产评估师应当对委托方或者相关当事方提供的专利未来实施情况和收益状况的预测进行必要的分析、判断和调整,确信相关预测的合理性。注册资产评估师应当根据专利资产的具体情况选择恰当的收益口径。第二十八条注册资产评估师运用收益法进行专利资产评估时,应当根据专利资产的技术寿命、技术成熟度、专利法定寿命、专利技术产品寿命及与专利资产相关的合同约定期限,合理确定专利资产收益期限。第二十九条注册资产评估师运用收益法进行专利资产评估时,应当综合考虑评估基准日的利率、投资回报率、资本成本,以及专利实施过程中的技术、经营、市场、资金等因素,合理确定折现率。专利资产折现率应当区别于企业或者其他资产折现率;折现率应当与预期收益的口径保持一致。第三十条注册资产评估师运用市场法进行专利资产评估时,应当收集足够的可比交易案例。注册资产评估师在分析交易案例的可比性时,应当考虑交易资产的特点、交易时间、限制条件、交易双方的关系、购买方现有条件,专利资产的获利能力、竞争能力、技术水平、成熟程度、剩余法定保护年限及剩余经济寿命、风险程度、转让或者使用情况,实施专利资产是否涉及其他专利资产等因素。第三十一条注册资产评估师运用市场法进行专利资产评估时,应当对专利资产与可比交易案例之间的各种差异因素进行分析、比较和调整。第三十二条注册资产评估师运用成本法进行专利资产评估时,应当合理确定专利资产的重置成本。重置成本包括合理的成本、利润和相关税费等。注册资产评估师确定专利资产重置成本时,应当合理确定形成专利资产所需的研发人员、管理人员、设备及房屋建筑物等成本以及其他相关成本费用。第三十三条注册资产评估师运用成本法进行专利资产评估时,应当合理确定贬值。第三十四条注册资产评估师对同一专利资产采用多种评估方法评估时,应当对取得的各种初步价值结论进行比较分析,形成合理的评估结论。
Python是非常适合做quant类工作的语言,本身就是科学计算方面的统治级语言,现在加入了IPython,pandas等重量级神器,为Quant类工作量身定做,而且仍在飞速发展中,以后会越来越重要。关于其他语言,首先介绍一下我自己最喜欢的一个比较小众的组合,Mathematica+Java/Scala。Mathematica的优点在于:本身提供函数式的编程语言,表达能力非常强大,比如Map/Reduce是标配,很多时候不需要去做烦人的for循环或下标控制,排版经常可以直接照数学公式原样输入,即直观又不容易写错;代码和输出混排的排版方式使得建模时的演算和推理过程非常流畅,甚至还可以直接生成动画,对于找直观理解非常有帮助。他们也可以快速学习掌握一种像C++,Java这样的语言,实现很多必要的功能。但是一方面这些语言陡峭的学习曲线和繁琐的开发步骤会给他们真正要做的工作增加不必要的负担,另一方面一旦涉及到性能敏感的情景,他们对计算机体系结构缺乏理解的缺点就容易暴露,比如说很可能他们没有计算复杂度,内存碎片,cachemiss,甚至多线程等概念,导致写出的程序存在相当大的隐患。即使是计算机功底扎实,如果每天的工作需要在C++,Python,R/Matlab,甚至一众脚本语言之前来回切换,思维负担也会非常重,人的精力是有限的,很难同时兼顾数学建模和底层代码调试这种差距巨大的工作。长期发展下去最可能的结果就是要么远离建模,专心做生产环境开发,要么远离生产环境,专心建模。这种局面显然不论对个人还是团队都是有很大弊端的。如果深入思考这个问题,相信不难得出结论,对于Quant来说,C++这种相当面向机器的语言肯定不是最佳选择。的确在历史上,它比更面向机器的C已经友好了很多,但是在计算机技术飞速发展的今天,如果还需要Quant大量使用C++做建模类的工作显然是很遗憾的事情。设想一下你拿到一份股票数据,不论你是想分析价格走势,成交量分布,还是波动性,第一件要做的事一定是画出图来看看,有一个直观认识。如果你的工具是C++,肯定有很多时间花在编译,调试,再编译的过程上,好容易能解析文件了,接下来怎么算移动平均?怎么算波动性?全都要自己写代码。再然后怎么画图?这整个工作流简直惨不忍睹,这些问题浪费掉你大部分精力,而他们全部和你真正感兴趣的工作毫无关系。所以如果你是一个数理金融等背景的新人打算开始Quant生涯,在决定是否要投资到这项重量级技术上时需要慎重,即便它目前的市场定价可能仍在峰值。相比之下我认为Python会是更理想的选择,即能很好的完成建模工作,也可以训练一定的编程技巧,使你在必要时也能胜任一些简单的C++工作。最后同意@袁浩瀚,不要拘泥于语言,不论学习那一种,对其他的语言还是要抱有开放的心态。另外世界变化很快,你会发现单一的语言分类方式其实是没有意义的,每一门语言在发展过程中都会逐渐吸收其他语言的特性,比如Python本身就既有C/C++/Java那样命令式的特点,也有函数式的特点,像pandas甚至还提供类似SQL的使用方式,在其他语言或系统里也都或多或少包含了不同的特点,可以在学习过程里慢慢体会。