【摘要】当今世界充满了各种数据，而python是其中一种的重要组成部分。然而，若想其有所应用，我们需要对这些python理论进行实践。其中包含很多有趣的的过程，然后将其用于某些方面。其中一种应用就是python量化。今天环球网校的小编就来和大家讲讲python量化。

关于python的优势就不说再多了，地球人都知道，还不知道的去面壁思过。因为不想当韭菜，所以还是自己老老实实写代码吧。

记录些python量化常用的内容，以便自己回头复习。

常用的函数有：

numpy 处理向量矩阵

scipy 数据统计优化处理

pandas 金融数据分析

matplotlib 画图

tushare 财经数据

Zipline 回测平台

TaLib 技术指标

1、python量化——Numpy

Numpy是Python的一个科学计算的库，提供了矩阵运算的功能，其一般与Scipy、matplotlib一起使用。其实，list已经提供了类似于矩阵的表示形式，不过numpy为我们提供了更多的函数。如果接触过matlab、scilab，那么numpy很好入手。

2、python量化——Scipy

SciPy函数库在NumPy库的基础上增加了众多的数学、科学以及工程计算中常用的库函数。例如线性代数、常微分方程数值求解、信号处理、图像处理、稀疏矩阵等等。由于其涉及的领域众多、本书没有能力对其一一的进行介绍。作为入门介绍，让我们看看如何用SciPy进行插值处理、信号滤波以及用C语言加速计算。

3、python量化——Pandas

Pandas 是基于 Numpy 构建的含有更高级数据结构和工具的数据分析包，类似于 Numpy 的核心是 ndarray，pandas 也是围绕着 Series 和 DataFrame 两个核心数据结构展开的 。Series 和 DataFrame 分别对应于一维的序列和二维的表结构。

4、python量化——Matplotlib

matplotlib是基于numpy的一套Python工具包。这个包提供了丰富的数据绘图工具，主要用于绘制一些统计图形。

5、python量化——TuShare

TuShare是一个免费、开源的python财经数据接口包。主要实现对股票等金融数据从数据采集、清洗加工 到 数据存储的过程，能够为金融分析人员提供快速、整洁、和多样的便于分析的数据，为他们在数据获取方面极大地减轻工作量，使他们更加专注于策略和模型的研究与实现上。考虑到Python pandas包在金融量化分析中体现出的优势，TuShare返回的绝大部分的数据格式都是pandas DataFrame类型，非常便于用pandas/NumPy/Matplotlib进行数据分析和可视化。当然，如果您习惯了用Excel或者关系型数据库做分析，您也可以通过TuShare的数据存储功能，将数据全部保存到本地后进行分析。应一些用户的请求，从0.2.5版本开始，TuShare同时兼容Python 2.x和Python 3.x，对部分代码进行了重构，并优化了一些算法，确保数据获取的高效和稳定。

6、python量化——Zipline

Zipline是一个交易算法库，该系统是对现场交易系统如何运转的一个近似，可以对历史数据进行投资算法的回溯检验。Zipline目前作为Quantopian的回溯检验引擎。

7、python量化——TaLib

Talib是金融软件中应用广泛的专门用来计算技术指标的开源库，涵盖了200多种市场常见的技术指标运算。它支持java,C,C++,Perl,Python等多种语言。Ricequant的java平台上也同样引入了这个库。在各种语言中，Ta-lib的python wrapper是最简洁优美的，语法几乎不需要解释就能完全看懂。

以上就是python量化。可能在刚讲解完这一实际应用之后，大家的印象还很模糊，不如打开电脑，那正好现在就上手操作一下，试一试吧!也许你还会发现更多python应用为您带来的乐趣环球网校的小编在这里希望这些信息可以对您有所帮助。