文章预览
接触过量化投资的小伙伴都知道，一个有效的量化策略从构思到最终上线，需要经过一系列严谨的步骤：数据清洗、特征工程、因子评价、策略回测、代码转写、结果校验等，最终才能投入实盘运行。 当中的每一步都至关重要，但每一步也都可能成为效率的瓶颈。 特别是在因子挖掘和特征工程阶段，随着数据量的激增和研究频率的提高， 传统的以Python为主流的因子计算框架往往力不从心，通常会成为限制研发效率的瓶颈。 而在 策略回测 环节，耗时问题更是让众多量化研究者头疼不已。 回测作为策略上线前的“质检环节”，其重要性无需多言。 但在一些中高频策略研究中，轻则数小时，动辄一两天的回测耗时，则大大影响了研究的效率。 除了 性能瓶颈 这个通病，中高频的策略回测还面临几个主要挑战： 首先，中高频策略 对于交易的细节非常
………………………………
