为什么几乎所有的量化交易都用Python？

量化交易中的Python语言使用非常普遍，有几个关键的原因：

1. 易于学习：Python是一种非常直观且易于学习的编程语言。相比于其他语言，Python的语法更加清晰简洁，非计算机科学专业的人也能够快速上手。
2. 数据处理能力：Python拥有强大的数据处理能力。它的科学计算库NumPy、Pandas等，可以非常方便地处理和分析数据。对于量化交易来说，这一点是非常关键的。
3. 机器学习与人工智能库：Python拥有一些主流的机器学习库，如Scikit-Learn、TensorFlow和PyTorch等，这些库都被广泛应用于量化交易的策略研发中。
4. 社区支持：Python拥有一个庞大且活跃的开源社区，这意味着有很多现成的库和框架可以使用，同时也有大量的学习资源和社区支持。
5. 接口友好：很多交易所和数据供应商提供了Python的API，这使得数据获取和交易执行都变得相对容易。
6. 跨平台：Python可以在Windows、Linux和Mac OS等多种操作系统上运行，增加了其使用的灵活性。
7. 速度：虽然Python的执行速度可能不及C++或Java，但对于大多数的量化交易策略（尤其是高频交易以外的策略）来说，Python的速度已经足够使用。

综上，Python由于其强大的功能、易用性和广泛的社区支持，成为了量化交易中常用的编程语言。

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。

只有一个原因，简单。

同样的功能，用Python一天实现，其他语言5天。

代码量又少，可以引用的基础库也多，适合灵活多变的策略。

因为现在python天天被人拿来割韭菜吸引小白学啊（曝光度高），用到精深处python也是很难（python这点比较尴尬）(我搞java,也弄python），但是大家只吹它的优势，其实就我了解，商业化里，感觉是java的多（生态完整的多），也有用python的。

希望我们对python感兴趣的朋友，多了解各个语言（在各种领域中）的优劣势对比，再问这种问题，否则人云亦云，云里雾里。

我用Multicharts和Multicharts.NET。Python 做回測太慢，拿来玩玩可以。