最近研究量化交易，看了幾個回測的框架，最後盯上PyAlgoTrade這個專案。感覺很不錯，支援
策略回測和實盤交易，提供全面的技術分析介面，算是python的量化交易框架裡比較出色的作品。所以對這個框架進行了一番研究。

程式化交易系統的程式設計正規化：事件驅動的程式設計

量化交易，一般是採用統計學和數學工具，對資產的各個方面進行定量分析，並制訂程式化的交易策略嚴格執行來獲得收益。這裡面有兩大核心任務， 一個是資料分析，一個是程式化交易。

與純粹的資料分析不同，因為有交易動作的存在，同時，在實盤交易中，還要實時更新價格、成交量等資料。這裡面可以很明顯的看到系統的結構：

資料分析模組—-行情介面和資料來源—-交易訂單管理模組—-交易下單API

這幾個模組之間還存在狀態一致性的維護。因此，交易系統的設計，一般採用事件驅動的設計。比如MetaTrader 4的設計，MQL也是採用事件回撥來計算指標或者進行EA交易。PyAlgoTrade也是基於這個理念開發的。PyAlgoTrade自己封裝了一套事件分發機制，具體的實現可以參考：
observer和
dispatcher這兩個模組

資料結構的取捨

量化交易中的資料以資產價格或者成交量的時間序列為主，這類序列化資料的分析框架有很多。大部分的科學計算框架，比如：Numpy、SciPy、statsmodels、scikit-learn等等，都支援序列或者Array的分析。在Python的科學計算框架體系中，Numpy是核心，其核心的ndarray

資料結構也被廣泛使用於其他資料分析框架之中。但是儘管ndarray適用於分析領域，在程式化交易中，仍然希望資料結構內的變化依然能有一個對外的通知，需要一個帶有事件支援的資料結構。因此PyAlgoTrade並沒有採用ndarray或者pandas的dataframe作為基礎資料結構，而是自行封裝了一個DataSeries結構，以及針對每個K線或者蠟燭圖的Bar結構。

與資料分析框架的整合方式

儘管因為需求的原因，需要單獨實現一套資料結構，但是要使用主流的分析框架，依然需要使用ndarray這樣的資料結構。這裡就存在一個數據轉換的問題。同時，由於實盤交易的原因，PyAlgoTrade策略實現上，以複寫onBars

方法（其意義與MQL中的onTick方法類似）為主，因此也是需要每次更新Tick資料就進行一次計算。
這裡就涉及到一個移動視窗問題。PyAlgoTrade也對此做了一定的封裝。這裡可以參考：
technical.EventWindow這個類。
而talibext.indicator模組中包含了talib的封裝。