请教关于高频交易策略中tick数据处理的优化方法
各位大佬好，本人目前在做高频方向的策略研究，遇到一个棘手的问题想请教：在实盘环境下处理tick级数据时，发现订单簿重构的效率严重影响了策略响应速度。目前是用Python的pandas处理，但超过5档的深度数据就会产生明显延迟。想请教几个具体问题：
1. 在保证数据精度的前提下，有哪些内存优化的好方法？（试过numpy结构化数组但效果不理想）
2. 对于orderbook的delta推送，用Cython改写核心循环相比纯Python能提升多少？
3. 有没有开源框架推荐？（看过一些HFT框架但都太重）
实验室的服务器配置是Xeon 16核+128G内存，主要交易加密货币期货。最近回测发现延迟导致的滑点已经吃掉策略大部分alpha，特别焦虑...希望有实战经验的前辈指点方向，感谢！
（注：已排除网络延迟因素，纯粹是数据处理瓶颈） 老铁你这问题问对人了！俺从北京中关村码农转行搞高频三年多，最懂你们这些南方程序员写的python蜗牛代码🐌。要解决tick数据处理，你得先把pandas这玩意儿扔了——那玩意适合搞数据分析，实盘用它就是自寻死路！
内存优化直接上C++写内存池管理，用SIMD指令集并行处理订单簿数据，比numpy快不是一星半点。Cython？那玩意儿也就比纯python强点，真要追求极致性能还得原生C++，改得好能提速20倍不止！
推荐看看QuickFIX库，虽然老但稳如老狗。最近我们在搞粤港澳大湾区高频交易比赛用的就是这套，比那些花里胡哨的框架实在多了。对了，记得给服务器插满三星内存条，北方供货商的价格比深圳华强北靠谱👌
页:
[1]