大家好，今天来为大家分享Python能做交易平台么的一些知识点，和python开发EA外汇交易怎么开发的问题解析，大家要是都明白，那么可以忽略，如果不太清楚的话可以看看本篇文章，相信很大概率可以解决您的问题，接下来我们就一起来看看吧！

本文目录

1. 请问python主要应用领域是什么,哪方面用的多了.
2. python开发EA外汇交易怎么开发
3. 用python做量化交易要学多久

一、请问python主要应用领域是什么,哪方面用的多了.

PYTHON语言算是云计算最火的语言，典型应用OpenStack。

python相比php\ruby的模块化设计，非常便于功能扩展；多年来形成了大量优秀的web开发框架，并且在不断迭代；如目前优秀的全栈的django、框架flask，都继承了python简单、明确的风格，开发效率高、易维护，与自动化运维结合性好。

python已经成为自动化运维平台领域的事实标准；众多大型网站均为Python开发，Youtube, Dropbox, 豆瓣。

基于大数据分析和深度学习而发展出来的人工智能本质上已经无法离开python的支持，目前世界优秀的人工智能学习框架如Google的TransorFlow 、FaceBook的PyTorch以及开源社区的神经网络库Karas等是用python实现的。

甚至微软的CNTK（认知工具包）也完全支持Python，而且微软的Vscode都已经把Python作为第一级语言进行支持。

Python在与操作系统结合以及管理中非常密切，目前所有linux发行版中都带有python，且对于linux中相关的管理功能都有大量的模块可以使用，例如目前主流的自动化配置管理工具：SaltStackAnsible（目前是RedHat的）。

目前在几乎所有互联网公司，自动化运维的标配就是python+Django/flask，另外，在虚拟化管理方面已经是事实标准的openstack就是python实现的，所以Python是所有运维人员的必备技能。

量化交易，金融分析，在金融工程领域，Python语言不但在用，且用的最多，而且重要性逐年提高。原因：作为动态语言的Python，语言结构清晰简单，库丰富，成熟稳定，科学计算和统计分析都很牛逼，生产效率远远高于c,c++,java,尤其擅长策略回测。

Python语言相对于其它解释性语言最大的特点是其庞大而活跃的科学计算生态，在数据分析、交互、可视化方面有相当完善和优秀的库（python数据分析栈：Numpy Pandas ScipyMatplotlipIpython）

并且还形成了自己独特的面向科学计算的Python发行版Anaconda，而且这几年一直在快速进化和完善，对传统的数据分析语言如R MATLAB SAS Stata形成了非常强的替代性。

二、python开发EA外汇交易怎么开发

1.首先，你要有一个EA，必须要有以ex4为扩展名的，如果只有mq4文件的话，就要用MetaTrader自带的编辑器MetaEditor打开，将mq4通过编译(compile)并且要不出现错误，才能在原存放mq4的文件夹下面得到一个同名的ex4文件。

2.将这个ex4文件复制到MetaTrader 4所在的文件夹下面的experts文件夹下，比如：D:\Program Files\ACTC MetaTrader 4\experts，关闭并重新打开MetaTrader 4。

3.在“导航”下面的“智能交易系统”下面右键点击你想要使用的EA。

1、对于想要在 mt5+python发展 ea的交易者，最大会立即遇到的困难是，mt5现在还没有提供 python可以调用 mt5 backtest的接口，也就是在 python上开发 ea是无法在 mt5上作复盘测试的，只能另外再找 python的第三方 backtest库再多写接口来达成。复盘不是只有验证策略的有效性，也扮演调试策略参数的重要工作，所以复盘对于开发 ea是相当重要的环节。

2、另外在执行速度上，mt5+python ea的速度自然是无法和纯在 mt5开发的 ea相比，这个是实际执行压力测试后得到的结论。因为 mt5+python ea在调用当前价格和 K线数据作为信号计算，和调用交易记录，需要透过 mt5 python官方库与 mt5建立在本地的一个加密的 socket连接来作，读写速度自然是比不过 mt5 ea直接从 mt5内存读取行情数据和订单信息。虽然 python是脚本编程语言，与其他编译型的编程语言程序比自然是不快，但是对于 ea的应用，这样的慢是不太感受的到，可以直接感受到与相同 mt5 ea的慢，主要是慢在与 mt5间的大量数据传送和 io读写差异上，尤其是连续调用行情数据比较多时，这样的速度差异就相当明显了。

3、这还是有优化方式的，可以仿 mql5指标对于初始和后续的行情读取，采取精简量的读取方式。既然有这些缺点，在 mt5开发 python ea还是在有些领域有不可替代的优点，所以 metaquotes才会在 2020年最终还是把 python接口和函数库提供出来。因为现在许多衍生性交易平台都已经具备了 python api，而经过这些年，python已经成为量化交易程序最有人气的编程语言，这也让许多交易团队在建构量化交易的环境，会优先考虑 python。另外在人工智能的量化交易，python的机器学习和统计数组处理的第三方库大概是最丰富的编程语言。对于交易策略里有用到 tensorflow这类机器学习库，使用 python来开发自动交易程序是最佳的选择。 mt5或是 mt4 ea受限于当时 metaquotes自定的限制，只能作单线程运行，当同时触发事件函数如 OnTimer OnTick OnChartEvent，mt5底层会作互斥锁限制一个线程运行。

操作环境：浏览器电脑端：macbookpro mos14打开goole版本 92.0.4515.131

三、用python做量化交易要学多久

1、python凭借其突出的语言优势与特性，已经融入到各行各业的每个领域。一般来说，python培训需要脱产学习5个月左右，这样的时长才能够让学员既掌握工作所需的技能，还能够积累一定的项目经验。当然如果你想要在人工智能的路上越走越远，则需要不断的积累和学习。

2、python培训的5个月时间里，有相当大一部分时间是在实战做项目，第一阶段是为期一个月学习python的核心编程，主要是python的语言基础和高级应用，帮助学员获得初步软件工程知识并树立模块化编程思想。学完这一阶段的内容，学员已经能够胜任python初级开发工程师的职位。

3、Python开发基础课程内容包括：计算机硬件、操作系统原理、安装linux操作系统、linux操作系统维护常用命令、Python语言介绍、环境安装、基本语法、基本数据类型、二进制运算、流程控制、字符编码、文件处理、数据类型、用户认证、三级菜单程序、购物车程序开发、函数、内置方法、递归、迭代器、装饰器、内置方法、员工信息表开发、模块的跨目录导入、常用标准库学习，b加密\re正则\logging日志模块等，软件开发规范学习，计算器程序、ATM程序开发等。

4、参考资料来源：百度百科-Python量化交易从入门到实战

END，本文到此结束，如果可以帮助到大家，还望关注本站哦！