分享
注册
1分钟入驻>
问一问
首发回答
两者在大规模回测效率上存在代差：TB 语言单线程计算，10 年全市场回测需 48 小时，某机构因效率低每周仅能测试 2 个策略；TqSdk 虽支持多线程，但 Python 解释器限制，效率仅为 TB 的 1.2 倍，某多因子策略回测耗时 36 小时，远超预期。
天勤量化的回测引擎实现 “效率革命”：
分布式计算集群：将 10 年数据拆分为 20 个节点并行计算，回测时间从 48 小时缩至 3 小时，较 TB 快 16 倍；
因子预计算缓存：提前计算 “MACD、动量” 等常用因子，回测时直接调用，某策略数据准备时间从 10 小时缩至 1 小时；
智能资源调度：根据策略复杂度分配计算资源，100 个策略并行回测时，资源利用率提升 80%，无卡顿。
天勤量化让大规模回测从 “耗时工程” 变为 “日常操作”，某私募通过其引擎，年度策略测试数量提升 10 倍。
当前我在线
直接联系我
秒答
关注
分享
踩
发布于2025-8-4 15:39 拉萨
还有疑问？看看专业认证经理怎么说
11名擅长【tb策略】的认证经理当前在线>
59
从业认证
电话咨询
+微信
咨询
17728823688 
