使用澎博真格量化時，很多用戶希望用numpy處理tick數據，包括tick數據的留存和運算。

這里有一些技巧。

因為tick數據量比較大，為了降低系統的運算負擔，我們不應該在內存里保存大量tick數據。

比如我們只想保存過去10個tick。

可以在OnStart部分初始化一個數組：

tickarray=np.empty(10, dtype ='int16' , order = 'C')

為了全局調用可以在變量前邊加個“g.”.

該數組的初始值全是0。

然后在OnQuote部分，我們可以把最新的tick價格逐一存儲到這個g.tickarray里邊。

假設在一段時間后，這個數組里都已經存入了歷史tick價格。

比如在t時刻，

這個數組里價格是[2500, 2501, 2502, 2503, 2504, 2505, 2506, 2507, 2508, 2509]

到了t+1時刻，有一筆新的tick價格生成，比如2510，我們用變量newprice代表這個最新價格。

由于numpy的array沒有pop的方法，我們可以用數組裁切再插入的方法更新這個tick價格數組：

g.tickarray=g.tickarray[1:10] #裁掉數組的第一個價格數據，也就是2500。

g.tickarray=np.insert(g.tickarray,9,newprice) #把最新價格插入數組的最后一位。

現在這個數組就被更新為：

[ 2501, 2502, 2503, 2504, 2505, 2506, 2507, 2508, 2509，2510]

這樣我們就可以回答最新tick比前邊第3個tick高多少的問題。

以及快速計算這些tick的均值：

g.tickarray.mean()

更加快捷地設計基于Tick的交易策略。

不過，這是性能最高的方法么？且聽下回分解。

轉載于:https://blog.51cto.com/14258357/2373259

總結

以上是生活随笔為你收集整理的想跑次高频策略？快来看看Numpy处理真格量化tick数据的技巧的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。