01
回测引擎概述
什么是回测引擎 · 核心地位 · Backtrader vs Zipline vs 自研 · 课程目标
概览对比
02
内存模型基础
Python对象内存模型 · 引用计数 · sys.getsizeof · __slots__原理
内存CPython
03
数据结构选型
列表 vs 数组 vs 元组 · DataFrame开销 · Numpy优势 · array模块
数据结构性能
04
K线数据压缩
OHLC存储优化 · 结构化数组 · float32/64 · 时间戳压缩
压缩Numpy
05
事件驱动架构
事件循环设计 · 队列内存管理 · 优先级调度 · heapq实现
架构事件
06
订单簿内存优化
数据结构设计 · 红黑树匹配 · Level2压缩 · 增量更新
订单簿bintrees
07
策略状态管理
参数内存布局 · __slots__优化 · 快照恢复 · 内存池
策略状态
08
内存映射文件
mmap原理 · 加载历史数据 · 共享内存IPC · 读写性能
mmapIO
09
数据预加载与缓存
LRU缓存 · functools.lru_cache · 自定义策略 · 失效更新
缓存性能
10
零拷贝技术
零拷贝概念 · memoryview · 避免复制 · struct解析二进制
零拷贝缓冲区
11
并行计算基础
GIL真相 · 多线程/多进程/异步 · CPU/IO密集型 · Amdahl定律
并行GIL
12
多进程回测架构
ProcessPoolExecutor · 数据共享 · Manager/Queue/Pipe · 调优
多进程架构
13
多线程回测优化
ThreadPoolExecutor · 线程安全 · 锁粒度 · concurrent.futures
多线程并发
14
异步回测框架
asyncio基础 · 事件循环 · 异步IO · aiohttp数据获取
异步asyncio
15
分布式回测基础
Ray框架 · 任务并行 · Actor模型 · 内存管理
分布式Ray
16
向量化回测
Pandas向量化 · Numpy通用函数 · 避免循环 · 信号生成
向量化Pandas
17
Numba加速
@jit装饰器 · nopython模式 · 并行循环 · Numpy协同
NumbaJIT
18
Cython扩展
基础语法 · 类型声明 · Python/C API · 编译分发
Cython扩展
19
GPU加速回测
CuPy基础 · GPU矩阵运算 · 传输优化 · 多GPU并行
GPUCuPy
20
内存分析工具
memory_profiler · tracemalloc · objgraph · heapy堆分析
分析工具
21
性能分析工具
cProfile · line_profiler · 火焰图 · 瓶颈定位 · 对比方法论
性能profiling
22
数据分块处理
分块读取大文件 · chunksize · 分块计算 · 流式处理
分块流式
23
增量计算模式
全量重算 vs 增量 · 增量信号 · 增量绩效 · 状态维护
增量优化
24
序列化优化
Pickle vs MessagePack vs Protobuf · zlib/lz4/zstd · 压缩比
序列化压缩
25
数据库存储优化
SQLite内存模式 · InfluxDB · Parquet · 连接池
数据库存储
26
参数扫描优化
网格搜索 vs 贝叶斯 · 并行扫描 · 内存管理 · 提前终止
参数扫描
27
回测结果聚合
交易记录优化 · 增量绩效 · 报告生成 · 可视化内存控制
聚合报告
28
实战案例一：单标日线
100秒→1秒 · 每一步优化收益与代价
实战日线
29
实战案例二：多标分钟线
分布式并行 · 内存32GB→4GB 实战经验
实战分钟线
30
课程总结与展望
方法论总结 · 常见陷阱 · Rust/Polars/Arrow · 学习资源
总结未来