01
并行计算基础
为什么回测需要并行？单核瓶颈与多核优势。
核心概念入门
02
硬件架构认知
CPU缓存、内存带宽、NUMA架构对回测的影响。
硬件性能
03
Python并行工具箱
threading、multiprocessing、concurrent.futures对比。
Python对比
04
进程与线程抉择
GIL锁的真相，何时用多进程，何时用多线程。
GIL并发
05
数据分片策略
如何将历史K线数据均匀分配给多个核心。
数据负载均衡
06
共享内存与数据同步
multiprocessing.Array、Value、Manager的使用。
共享内存同步
07
任务队列模式
使用Queue实现生产者-消费者模型进行回测。
队列模式
08
并行回测框架设计
主进程调度、工作进程执行、结果汇总。
架构调度
09
无锁编程思想
原子操作与避免数据竞争。
无锁原子
10
向量化与并行
NumPy的并行加速原理与回测应用。
NumPy向量化
11
Numba JIT编译
@jit与@njit装饰器加速核心循环。
JIT加速
12
Cython加速
将回测热点代码编译为C扩展。
Cython编译
13
Dask分布式回测
处理超大规模历史数据。
Dask分布式
14
Ray框架入门
远程函数与Actor模型在回测中的应用。
RayActor
15
并行参数优化
网格搜索、随机搜索的并行实现。
优化搜索
17
蒙特卡洛模拟并行
大量随机路径的生成与统计。
蒙特卡洛随机
18
多策略并行运行
同时回测多个策略并对比绩效。
多策略对比
19
多品种并行回测
股票池、期货合约的并行处理。
多品种合约
20
多时间框架并行
日线、小时线、分钟线同时回测。
多周期时间
21
结果合并与归约
Reduce操作与性能统计。
归约统计
22
性能监控与调优
cProfile、line_profiler定位瓶颈。
性能调优
23
内存管理
避免内存爆炸，使用生成器与内存映射文件。
内存生成器
24
I/O优化
并行读取CSV、Parquet文件。
I/O读取
25
GPU加速回测
CuPy与RAPIDS库的初步探索。
GPUCUDA
26
异步回测
asyncio在事件驱动回测中的应用。
异步asyncio
27
回测引擎的并行化改造
从单线程到多进程的迁移实战。
迁移实战
28
常见陷阱与调试
死锁、活锁、竞态条件的排查。
调试陷阱
29
性能对比基准测试
单核 vs 多核加速比分析。
基准加速比
30
生产环境部署
Docker容器化与Kubernetes集群管理。
DockerK8s