파이썬이 금융에 유용합니까?

Python 프로그래머는 은행과 헤지펀드 사이에서 수요가 높습니다. 다행히도 이 언어는 배우기 쉽습니다. 영국 초등학교에서 프로그래밍의 기초를 가르치기 위해 자주 사용되는 언어입니다. 그러나 Python을 처음 접하기 전에 알아야 할 몇 가지 사항이 있습니다. 특히 재정적인 맥락에서 Python을 사용하려는 경우에는 더욱 그렇습니다.

Python은 금융 업계에서 큰 명성을 얻은 프로그래밍 언어입니다. 최대 규모의 투자 은행과 헤지 펀드는 이를 사용하여 핵심 거래 프로젝트 및 위험 관리 시스템을 포함한 광범위한 금융 애플리케이션을 구축하고 있습니다. (추천 학습: Python 동영상 튜토리얼)

함수는 작성되어 있지 않지만 라이브러리가 있습니다.

핵심 Python 라이브러리가 매우 가볍다는 점도 알아야 합니다. 흥미로운 작업을 수행하려면 미리 패키지된 라이브러리를 가져와야 합니다. 이러한 라이브러리에는 대부분의 수학 연산을 수행하고, 데이터를 가져오고 처리하며, 일반적인 시스템 작업을 수행하는 기능이 포함되어 있습니다.

그러나 Python의 진정한 힘은 무료로 제공되는 다양한 타사 라이브러리를 다운로드하기 시작할 때 나옵니다. 재무 업무를 위해서는 numpy(대규모 배열 작업 처리), scipy(고급 통계 및 수학 함수), matplotlib(데이터 시각화)가 필요합니다. 머신러닝에 관심이 있는 데이터 과학자는 tensorflow를 살펴보고 싶을 수도 있습니다. Pandas는 데이터 조작의 필수 요소입니다. 원래는 거대 헤지펀드 AQR Capital의 관리에서 개발되었습니다.

사용자는 위의 모든 패키지 등을 포함하는 깔끔한 사전 패키지 환경에서 Anaconda 배포판을 보고 싶을 수도 있습니다.

파이썬은 느립니다. 하지만 C와 혼합하는 것은 쉽습니다.

C 또는 C++의 빛처럼 빠른 속도나 Julia 또는 Java의 상대적으로 빠른 속도에 익숙한 프로그래머는 Python이 약간 느리다고 느낄 것입니다(비록 R 및 Matlab보다 여전히 빠르지만 둘 다). 양적 금융에서 널리 사용되는 언어입니다).

프로그래머는 자신의 코드가 얼마나 빠르고 빠른지 자랑하고 싶어하지만 대부분의 코드는 빠를 필요가 없습니다. 그러나 Python은 대규모 데이터 세트 또는 대기 시간에 민감한 거래 알고리즘에서 반복적으로 실행되는 기능에 비해 확실히 너무 느립니다.

다행히도 빠른 C 또는 C++ 함수를 작성한 다음 이를 Python 모듈에 포함시키는 것은 매우 쉽습니다. 이를 수행하는 방법을 알아보십시오.

Python은 빅 데이터를 좋아합니다

현재 시장에서 우위를 점하려는 금융 회사는 새로운 데이터 소스를 찾고 있습니다. 이러한 대체 데이터 소스에는 한 가지 공통점이 있습니다. 즉, 규모가 크다는 것입니다. 트위터 피드 데이터를 사용하여 시장 심리를 예측하는 것은 멋진 아이디어이지만 매일 약 5억 개의 새로운 트윗이 생성됩니다. 이를 위해서는 많은 양의 데이터를 저장, 처리, 분석해야 합니다.

다행히도 Python은 Spark 및 Hadoop과 상호 작용할 수 있는 패키지가 있어 빅 데이터 생태계에 잘 맞습니다. Python은 또한 MongoDB와 같은 NoSQL 데이터베이스용 API를 제공하고 모든 주요 클라우드 스토리지 제공업체에 API를 제공합니다.

GIL을 두려워하지 마세요

GI는 Python의 아킬레스 건으로 악명 높습니다. 인터프리터는 언제든지 하나의 스레드만 실행할 수 있으므로 실행 속도가 느려지고 최신 멀티 코어 CPU를 활용하지 못하는 병목 현상이 발생합니다. 그러나 GIL은 실제로 문제를 거의 일으키지 않습니다. 대부분의 실제 프로그램은 입력 또는 출력을 기다리는 데 더 많은 시간을 소비합니다.

GIL은 대규모 계산 집약적 작업에 영향을 미치지만 마조히스트만이 데스크톱이나 노트북에서 이러한 작업을 실행하려고 합니다. 코드를 병렬화한 다음 이를 로컬 클러스터나 클라우드 컴퓨팅 제공업체에 배포하는 것이 더 합리적입니다.

위 내용은 파이썬이 금융에 유용합니까?의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!