大家好，今天小编关注到一个比较有意思的话题，就是关于量化python学习书籍的问题，于是小编就整理了2个相关介绍量化Python学习书籍的解答，让我们一起看看吧。
量化投资使用python还是matlab，哪一个更好用？
主要看你的用途是什么，如果你就自己随便回测几个策略，那么用什么都无所谓，不过如果是我的话，我还是会选python，因为我宁愿多花点时间也要构建一个漂亮的系统。
如果你开公司，建设正经的量化交易系统，那么很显然Matlab是不合适的。Matlab是商业软件，不开源，也不是面向对象的（如果我没记错的话），执行效率不高。而python最为最流行的开源语言，无论是数据库还是服务器端，或者是UI端，还是，机器学习（tensorflow），都有非常优秀的软件包可以用。回测个交易策略一点也不比Matlab复杂，而且各种多进程啦并行计算啦Cython之类的让你的代码效率Matlab高。说白了从工程角度python肯定更合适。
再退一步讲，据我所知，华尔街很多优秀的量化基金和交易公司，很多都是python和C++的组合，用Matlab的不多。
为什么几乎所有的量化交易都用Python？
因为使用python有强大的好处呀。第一、数据获取(web爬虫技术)。二、强大的科学计算分析库可以进行大规模数据统计和处理。三、完善的AI接口，如tensorflow,pytorch,sklearn这些都是当前量化交易最需要的接口。前者属于深度学习如:lstm算法架构是目前已知对股市预测最有效的算法架构之一。后者属于数据挖掘以统计学概率分布为基础,实现回归与分类的数学建模。一句话概括就是方便。至于项目落地Python属于胶水语言对于计算出来的数据模型多以json的形式进行粘合。对于前端还是很友好的。总之就是快捷方便。
量化交易需要建立金融模型，进行大量数据的运算。特别是在一些矩阵代数方面的模型，Python具有先天的优势。
运算速度快，接口类型丰富，成熟的软件包，开源免费，这些都是使用Python所带来的优势。
首先，Python的底层使用C语言实现的，这就使得Python具有其他语言所不可比拟的，运算速度快的先天优势。
其次，Python可以兼容几乎市面上所有的金融量化接口，可以通过这些金融接口，获取原始金融数据。通过Python编写自动化分析程序，让金融的量化模型，可以在Python语言编写的程序下，飞速运行，满足金融领域，大数据量的运算。
再次，Python有许多金融类和数据分析类的成熟软件包，这些软件包有详细的使用说明。这使得建立金融模型，就像是搭积木一样的简单，简化了Python编程的难度，使得运用Python进行量化分析的学习曲线，大大降低。这也是Python在金融量化领域能够遍地开花的优势之一。
最后，开源免费是Python最大的优势。开源的话，我们在建立金融量化模型的时候，哪怕用到一些陌生的Python软件包，我们也可以对源代码进行分析，甚至是修改源代码之后为我们所用。这使得Python程序的安全性得到有效保障，也使得Python在量化金融编程方面，有着很好的可扩展性。最关键的是，我们在使用所有的Python软件包，和使用Python语言本身的时候，是完全免费的。这让Python使用的成本大大降低，这也是金融量化领域，选择Python的原因之一。
其他和Python差不多的语言，肯定只有R语言了。无论是科研，还是实践，R语言本身所具有的统计学基因，和更加严格的软件包，以及和Python一样的开源免费，这都使得R语言是最近介于Python的语言。
到此，以上就是小编对于量化python学习书籍的问题就介绍到这了，希望介绍关于量化python学习书籍的2点解答对大家有用。
