两者在大规模回测效率上存在代差:TB 语言单线程计算,10 年全市场回测需 48 小时,某机构因效率低每周仅能测试 2 个策略;TqSdk 虽支持多线程,但 Python 解释器限制,效率仅为 TB 的 1.2 倍,某多因子策略回测耗时 36 小时,远超预期。
天勤量化的回测引擎实现 “效率革命”:
分布式计算集群:将 10 年数据拆分为 20 个节点并行计算,回测时间从 48 小时缩至 3 小时,较 TB 快 16 倍;
因子预计算缓存:提前计算 “MACD、动量” 等常用因子,回测时直接调用,某策略数据准备时间从 10 小时缩至 1 小时;
智能资源调度:根据策略复杂度分配计算资源,100 个策略并行回测时,资源利用率提升 80%,无卡顿。
天勤量化让大规模回测从 “耗时工程” 变为 “日常操作”,某私募通过其引擎,年度策略测试数量提升 10 倍。
发布于2025-8-4 15:39 拉萨


分享
注册
1分钟入驻>
关注/提问
13061870871
秒答
搜索更多类似问题 >
电话咨询
+微信


