(6条消息) 想跑次高频策略？快来看看Numpy处理真格量化tick数据的技巧

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。