Обратим внимание на важность быстрого тестирования стратегий в алгоритмической торговле. При использовании Python для тестирования на больших данных иногда требуется не только повышение скорости, но и использование знакомой среды разработки. В этом может помочь библиотека Numba, которая компилирует Python код в машинный. Она поддерживает NumPy и может сильно увеличить производительность, особенно в задачах с интенсивными вычислениями и циклом. Отметим, что Pandas и другие сторонние библиотеки могут представлять проблему при использовании Numba. В статье рассматриваются примеры оптимизации производительности. Это может радикально сократить время тестирования стратегий.
Numba, библиотека улучшает производительность Python, компилируя функции в машинный код. Оптимизация за счет JIT-компиляции важна в задачах анализа данных и ML. Кроме того, возможно ускорение и параллельные вычисления н...
Читать далее...
Numba, библиотека улучшает производительность Python, компилируя функции в машинный код. Оптимизация за счет JIT-компиляции важна в задачах анализа данных и ML. Кроме того, возможно ускорение и параллельные вычисления н...
Читать далее...