使用澎博真格量化时,很多用户希望用numpy处理tick数据,包括tick数据的留存和运算。
这里有一些技巧。
因为tick数据量比较大,为了降低系统的运算负担,我们不应该在内存里保存大量tick数据。
比如我们只想保存过去10个tick。
可以在OnStart部分初始化一个数组:
tickarray=np.empty(10, dtype ='int16' , order = 'C')
为了全局调用可以在变量前边加个“g.”.
该数组的初始值全是0。
然后在OnQuote部分,我们可以把最新的tick价格逐一存储到这个g.tickarray里边。
假设在一段时间后,这个数组里都已经存入了历史tick价格。
比如在t时刻,
这个数组里价格是[2500, 2501, 2502, 2503, 2504, 2505, 2506, 2507, 2508, 2509]
到了t+1时刻,有一笔新的tick价格生成,比如2510,我们用变量newprice代表这个最新价格。
由于numpy的array没有pop的方法,我们可以用数组裁切再插入的方法更新这个tick价格数组:
g.tickarray=g.tickarray[1:10] #裁掉数组的第一个价格数据,也就是2500。
g.tickarray=np.insert(g.tickarray,9,newprice) #把最新价格插入数组的最后一位。
现在这个数组就被更新为:
[ 2501, 2502, 2503, 2504, 2505, 2506, 2507, 2508, 2509,2510]
这样我们就可以回答最新tick比前边第3个tick高多少的问题。
以及快速计算这些tick的均值:
g.tickarray.mean()
更加快捷地设计基于Tick的交易策略。
不过,这是性能最高的方法么?且听下回分解。
转载于:https://blog.51cto.com/14258357/2373259