Rust: 用於量化研究的嘗試探討_rust

我們知道，目前在量化研究（主要指回測，快速驗證，而非交易或生產階段）階段，行業主流的工具語言是Python,Matlab,R,Julia等偏動態語言（Julia動靜均有）,其次就是C++,Java,C#….等靜態語言。

Rust是Mozilla開發的注重安全、效能和並發性的程式設計語言，也是一門近年來倍受關注、頗俱現代氣質、頗俱創新、頗俱務實的系統級程式設計語言。基於對Rust的諸多特性的初步理解，我個人認為，Rust可能很適合用在量化的交易或生產階段，因為可以很好降低交易代碼中潛在的BUG，也容易進行生產調試。當然，其挑戰是，是否能得到行業上認可。比如，絕大部分的交易的介面在未來的很長時間還會以C++方式顯現。

今天，主要探討一下，Rust是否適合量化研究，即好用，而不管行業是否認可。

我最簡單的想法是，如果用Rust重寫Julia研究架構，兩者在策略開發效率和策略運行速度上有什麼不同。如果有性價比上提升，那就是說明適合的，反之則不適合。

Rust資產庫可以參考：

https://github.com/kud1ing/awesome-rust

一、基礎探討

1、資料群組織模組
（1）大部分是從第三方的CSV檔案 => 統一成標準化來源資料格式（CSV）。
（2）標準化的來源資料格式(CSV) => MySQL， Sqlite3或SQLServer等,或HDF5 等策略基礎資料。
（3）策略基礎資料 => 策略的Bar/Tick格式。
（4）相關資料更新程式。

Rust 基本上具備以上相關的庫，具體如下：
BurntSushi/rust-csv =>csv。
Chrono 0.2.25 =>Date,Time
aldanor/hdf5-rs =>HDF5
blackbeam/rust-mysql-simple =>MySQL
linuxfood/rustsqlite — Sqlite3 =>Sqlite
serde =>serialize, deserialize

綜合評價： Rust的可行指數：4星。
Python: 5星
Julia :4星

2、策略組織模組
（1）資料群組織表達力。
（2）IDE。 => 策略組織編寫是否便利。
（3）相關基礎統計工具包。 => 報表輸出

Julia有Dict結構、Array,而Rust有 HashMap、Vec. 兩者有泛型。Rust和Julia,Python等在資料群組織的表達力肯定沒有問題的。

IDE。Rust和Julia都可以用Atom，至少我是這樣。但使用上，Julia佔優。而Rust,我目前還結合著Atom和Shell在用，雖然沒有Julia方便，但基礎上影響不大。

Julia的統計工具包，雖然比Matlab,Python，R差了一個數量級，但比Rust還有很有優勢的。Rust的相關統計包非常少，功能也非常有限。估計輪子大部得重新造。要麼只有等了。不過相信，很快就有新的包出來。總之，Rust在這個方面生態缺限會對報表輸出模組產生較大的影響。

綜合評價： Rust的可行指數：2星。
Julia: 4星
Python:5星

3、策略輸出模組
（1）相關畫圖工具包。 => 交易結果展示
（2）IO。 =>流水輸出到CSV或Excel，便於尋找和比對流水是否正確。

Rust畫圖有gnuplot，也可以考慮matplotlib（實際上是matplotlib-rs）。但是和Julia的Gadfly、PyPlot、Plots、Winston相比，Rust的畫圖庫還比較初級，選擇餘地也很小。

在畫圖上，R、Python還是要大讚一下，值得各語言學習，精品多，選擇餘地大。

綜合評價： Rust的可行指數：1星。
而R、Python: 5星。Julia :3星。

二、實踐比較

4、策略實現效率
（1）同一個CTA策略，我用Julia寫，策略需要用1000行，那麼Rust代碼量會是多少。
（2）同一策略實現，不同語言所花的時間。比如用Julia實現，從寫到輸出正確的結果，所用半小時，Rust是多少。

5、策略運行效率
（1）比如，同一個CTA策略，Julia運行下來需要10秒，Rust需要多少秒。
（2）在不同的資料量級（100萬、1000萬級或1億層級Bar/Tick），這個會差多少?