1.4　本节介绍

本节主要介绍本书的编程语言及主要研究的策略，也跟其他主流的编程语言做了对比，并且介绍了本书要讲的策略类型，以及其他一些策略类型。

1.4.1　为什么使用R语言

很多人会问为什么使用R语言？因为现在国内最受欢迎的分析类语言是Matlab，国际上Python越来越流行，而且介绍Matlab和Python的书喜欢用R语言作为反面例子。整体而言，一个语言是否适合做量化交易，有以下几个方面原因。

• 运算速度。其实这几个都是解释性语言，或许有一定的速度差异，但一般是10%～20%这个幅度，对于计算量大的处理，要么已经封装了软件包，里面是C++写的，要么自己可以写成C++编译，然后用分析语言调用，整体速度就差不多。本书会介绍如何使用Rcpp来在R语言里面使用C++。
• 研究与交易结合。客观说这不能算是优势，因为绝大多数正规的量化团队还是会用C++把交易程序重新写一遍，Python在国内期货也需要调用C++的CTP接口才能交易，其实正规的团队不大喜欢用第三方的接口，因为有错误的话难以调试。
• 研究效率。其实这是R语言的优势，在可视化方面R语言应该是最好的，而且R语言很多package都是开源的，网上可以搜到代码，有不懂的可以上stackoverflow上面问，一般作者都会在24小时内回答，非常方便。
• 其他方面。国内使用Matlab多是因为可以免费试用，但国外Matlab是收费的，而R语言是免费的，且没有版权的问题。很多学术界的书籍都是基于R语言的，Python更多是复杂的机器学习模型上有优势，但统计学领域的时间序列、非参数统计等基本上只有R语言才会有对应的package。

基于上述的理由，加上本人在研究生阶段就是学习R语言为主，而且并没怎么使用深度学习模型，因此本书使用R语言作为研究的语言。

1.4.2　重点介绍中低频趋势

本书重点介绍的是中低频策略，基于5分钟K线，持仓三五天。如果是更高频率的策略，比如基于分笔数据的策略，数据量比较大，回测、优化时间较长，不适合初学者。如果是更低频的日线数据，最好结合基本面数据才能研究出好的策略，因此这里也没有涉及。基于5分钟K线的数据，一般不需要基本面数据，也不会对交易速度有很高的要求，各项都比较适中，而且容量也比较大，10～15亿都没问题，适合中小型私募和个人投资者。