发布于veighna社区公众号【vnpy-community】
 
原文作者：用Python的交易员 | 发布时间：2024-01-31
 

2023年10月发布的Python 3.12增加了对于【解释器级别GIL】的支持（PEP 684），简单来说就是每个线程中可以启动一个拥有独立GIL的解释器，各个解释器能够同时并行互不干扰，从而终于实现了在Python单进程的程序中充分调用CPU多核心算力。

可能由于开发时间比较仓促，3.12版本中该功能必须通过C API的方式来运行，而且没有提供更加高效的跨解释器数据交换功能，整体上对比之前已有的多进程方案没有太大优势。社区预期2024年底将要发布的Python 3.13版本中会迎来多解释器支持的标准库（PEP 734），从而让该功能真正拥有实际项目中使用的价值。

就在几周前突然传出Python核心开发者Brandt Bucher提交了一份JIT功能（Just-In-Time Compilation，即时编译）的合并请求到Python 3.13开发分支，具体细节可以参考这篇文章《Python 3.13 gets a JIT》。尽管初期基准测试反映的性能提升并不明显（大约2-9%），但这可能更多意味着Python官方团队终于确立了JIT方面的研究迭代方向。

基于上述情况，VeighNa项目在2024年的大部分时间里都将继续保持在3.0大版本上继续迭代，核心支持依旧是Python 3.10，接下来对2024年主要工作方向做个梳理。

机器学习量化投研

机器学习技术在量化投研领域的应用，已经从许多年前的营销宣传变成了今天的广泛落地。尽管不是科班出身，2023年我们团队在这块的技术积累上也完成了一定的突破：

• GPLearn遗传规划学习

  • 应用方向：实现自动化的CTA策略的时序特征挖掘
  • 软件模块：GPLearn
  • 相关内容：【VeighNa机器学习CTA】小班特训营

• KBins聚类算法应用

  • 应用方向：对时序特征实现更有效的多空信号构建
  • 软件模块：scikit-learn
  • 相关内容：【基于Scikit-Learn的机器学习CTA策略信号挖掘实践】社区活动

传统机器学习算法在量化投研流程方面的应用落地，属于典型的渐进式优化，只要找对了需求痛点往往就能有所产出，我们在2024年会持续投入研究。

而在更为复杂的截面多因子类策略开发方面，由于VeighNa平台的核心定位是量化交易，所以结合社区建议选择了微软推出的Qlib量化投研平台作为主要研究方向。

计划通过5场系列社区活动和大家一起学习弄明白Qlib平台的核心工作原理，并掌握基础的策略开发能力。活动已经举办了2场，第3场将在元宵节后的3月2日举办，相关信息可以参考活动报名公告。

整个系列活动结束后，将会根据大家交流的结果确定后续VeighNa和Qlib在交易执行上的技术对接方案，目前主要考虑的有两种：

• Qlib中嵌入VeighNa：Qlib运行完输出目标仓位（CSV文件或者JSON书），由VeighNa加载后实现交易执行；
• VeighNa中嵌入Qlib：VeighNa将收到的行情数据对齐整理好后推送给Qlib，并接收Qlib中策略返回的交易指令来执行委托下单。

优先保持兼容性

在Python 3.13正式发布之前，VeighNa项目预计将不会引入重大的框架级别功能修改，主要迭代工作会集中在交易API升级、应用功能扩展、用户体验优化等方向上。

3.0版本开发已经进入第三个年头，过去一年中核心部分的函数接口始终保持稳定，几乎没有引入破坏兼容性的变化，还在使用老版本的用户可以放心升级。

更多线下社区活动

根据社区反馈的建议，去年四季度开始将社区活动主要改为了纯线下模式，更多希望各个城市VeighNa社区的用户能够有机会线下聚在一起认识和交流，截止当前已经在上海、北京、深圳、成都、重庆举办过，确实这一圈活动下来的效果不错。

今年会再接再厉，已经在考虑中的城市包括：杭州、南京、厦门、广州等，其他城市的同学如果有一定组织能力也欢迎联系我们（目前评估是有30人参加就能覆盖场地成本）。

同时线上活动方面，我们也在计划推出更加轻量一些的主题分享直播，采用【45分钟讲解 + 15分钟交流】的形式，避免之前3小时的社区活动许多线上参加同学很难坚持听完的情况。

最后：2024，Enjoy Trading!!!