對沖基金工作必須學習的 Python 軟件包

正如我們之前在這裡所寫的，對沖基金喜歡會用 Python 編寫代碼的人。 Python 作為 Web 框架的領導者開始了生活，現已轉變為數據科學家的主要語言。對沖基金從數據中獲得了大量的阿爾法。

很少有人比量化對沖基金 Two Sigma 的董事總經理 Jeff Reback 更了解對沖基金的數據科學。 Reback 畢業於 MIT 計算機科學專業，自 2017 年以來一直在 Two Sigma 工作，是大數據和電子交易系統方面的專家。但有一件事 Reback 比什麼都清楚：Pandas，一個用於數據結構和數值表操作的開源 Python 庫。 Reback 是 Pandas 先生：他從 2013 年開始管理這個項目。

在幾個月前的一次網絡研討會上，Reback 展示了以下圖表，反映了自他接手以來 Python 庫中 Pandas 的巨大增長。根據 Stack overlow 上提出的問題，它反映了 Panda 在所有行業的數據包中的卓越地位，而不僅僅是在金融領域。

然而，自 2020 年以來，Panda 的增長已趨於平穩。這是因為 Pandas 很棒，但並非萬無一失。它很容易調試，也很容易測試，但是一旦數據超過 10 GB，它就不是很好了。在 10 GB 及以上，Pandas 效率較低且存在內存限制。

因此，在這一點上，Reback 說 Two Sigma 無縫切換到其他東西：Ibis，另一個為非常大的數據集設計的開源 Python 包。宜必思不在上面的圖表中。與 Pandas 一樣，Ibis 是由對沖基金 AQR 的前量化研究員 Wes McKinney 設計的。麥金尼本人詳細說明了 Panda 的所有缺陷以及他在 2017 年發明 Ibis 的原因。

因此，這些天來，您不僅需要了解 Pandas。你需要了解熊貓和宜必思。 Reback 說 Two Sigma 已經建立了一個技術棧“Bamboo”，它以 Pandas 為核心來處理較小的數據集，並使用 Ibis 將其代碼轉換為 Apache Spark 以處理更大的數據集。 “這非常棒，只需編寫一次代碼，測試它，讓它工作，然後完美地擴展它，”Reback 說。

目前，Pandas 是迄今為止使用最多的兩個庫：它在 Github 上有 35,000 顆星，而 Ibis 有 2,000 顆。但隨著數據的激增，宜必思就是未來。想要在對沖基金工作的數據科學家需要兩者都知道。