我们知道，目前在量化研究（主要指回测，快速验证，而非交易或生产阶段）阶段，行业主流的工具语言是Python,Matlab,R,Julia等偏动态语言（Julia动静均有）,其次就是C++,Java,C#….等静态语言。
Rust是Mozilla开发的注重安全、性能和并发性的编程语言，也是一门近年来倍受关注、颇俱现代气质、颇俱创新、颇俱务实的系统级编程语言。基于对Rust的诸多特性的初步理解，我个人认为，Rust可能很适合用在量化的交易或生产阶段，因为可以很好降低交易代码中潜在的BUG，也容易进行生产调试。当然，其挑战是，是否能得到行业上认可。比如，绝大部分的交易的接口在未来的很长时间还会以C++方式显现。
今天，主要探讨一下，Rust是否适合量化研究，即好用，而不管行业是否认可。
我最简单的想法是，如果用Rust重写Julia研究框架，两者在策略开发效率和策略运行速度上有什么不同？如果有性价比上提升，那就是说明适合的，反之则不适合。
Rust资源库可以参考：
2
2
一、基础探讨
1、数据组织模块
（1）大部分是从第三方的CSV文件 => 统一成标准化源数据格式（CSV）。
（2）标准化的源数据格式(CSV) => MySQL， Sqlite3或SQLServer等,或HDF5 等策略基础数据。
（3）策略基础数据 => 策略的Bar/Tick格式。
（4）相关数据更新程序。
Rust 基本上具备以上相关的库，具体如下：
BurntSushi/rust-csv =>csv。
Chrono 0.2.25 =>Date,Time
aldanor/hdf5-rs =>HDF5
blackbeam/rust-mysql-simple =>MySQL
linuxfood/rustsqlite — Sqlite3 =>Sqlite
serde =>serialize, deserialize
综合评价： Rust的可行指数：4星。
Python: 5星
Julia :4星
2、策略组织模块
（1）数据组织表达力。
（2）IDE。 => 策略组织编写是否便利。
（3）相关基础统计工具包。 => 报表输出
Julia有Dict结构、Array,而Rust有 HashMap、Vec. 两者有泛型。Rust和Julia,Python等在数据组织的表达力肯定没有问题的。
IDE。Rust和Julia都可以用Atom，至少我是这样。但使用上，Julia占优。而Rust,我目前还结合着Atom和Shell在用，虽然没有Julia方便，但基础上影响不大。
Julia的统计工具包，虽然比Matlab,Python，R差了一个数量级，但比Rust还有很有优势的。Rust的相关统计包非常少，功能也非常有限。估计轮子大部得重新造。要么只有等了。不过相信，很快就有新的包出来。总之，Rust在这个方面生态缺限会对报表输出模块产生较大的影响。
综合评价： Rust的可行指数：2星。
Julia: 4星
Python:5星
3、策略输出模块
（1）相关画图工具包。 => 交易结果展示
（2）IO。 =>流水输出到CSV或Excel，便于查找和比对流水是否正确。
Rust画图有gnuplot，也可以考虑matplotlib（实际上是matplotlib-rs）。但是和Julia的Gadfly、PyPlot、Plots、Winston相比，Rust的画图库还比较初级，选择余地也很小。
在画图上，R、Python还是要大赞一下，值得各语言学习，精品多，选择余地大。
综合评价： Rust的可行指数：1星。
而R、Python: 5星。Julia :3星。
二、实践比较
4、策略实现效率
（1）同一个CTA策略，我用Julia写，策略需要用1000行，那么Rust代码量会是多少？
（2）同一策略实现，不同语言所花的时间。比如用Julia实现，从写到输出正确的结果，所用半小时，Rust是多少？
5、策略运行效率
（1）比如，同一个CTA策略，Julia运行下来需要10秒，Rust需要多少秒？
（2）在不同的数据量级（100万、1000万级或1亿级别Bar/Tick），这个会差多少?
