Why python ，not java
我們選用Java作為API語言是因為……我們只會Java——這并不是一句單純的玩笑話。
在API設計之初，我們的確想過用Python，然而最初的創始人（我和@licco-li）對于Python幾乎完全不了解，而我們（主要是我）當時天真地認為Java自從JDK1.8開始從語法層面跟Python幾乎沒有明顯的劣勢，所以用Java來寫一套量化交易API只是沒人敢想而不是做不出來。于是決定先用Java來寫這一套名為“Market Hammer”的算法引擎及API。
當然為了實現一個完整的量化平臺，光有一個引擎是不行的。后臺還有撮合引擎、風險值計算器、數據源等模塊，還有一系列支撐平臺的調度模塊，總共30余萬行代碼（自動生成的有約10萬行，主要是通信框架，類似現在的gRPC，只不過當時它還沒有出現。我們自己實現了一套Netty+ProtoBuffer+gRPC的類似物——不是定制——以滿足高性能要求）。這些都是現在平臺性能的關鍵：當你選擇股票的數量在100個以下時，不管回測時段選的是1年還是10年，回測速度幾乎沒有區別。因為主要瓶頸不在回測運行上。我們以后還會進一步優化編譯這個步驟，已經有方案，大概還可以節約0.5秒左右。
這一切看起來很美，但是……
近期我們請了一些實習生來幫我們開發一些基本的策略，并發在論壇上供大家學習參考。直到上個月中，我們發現了Java語言的局限性。Java的局限性并不在于語言本身，而是在于它的社區，確切地說，是科學計算的社區。
Java誕生的目的是為了工程，所以它是強類型+靜態類型的語言。而Python一開始就是為科學計算準備的，它是強類型+動態類型的語言。強類型保證了數據的嚴謹性（如 s = "1" + 1會報錯，而不會返回2），動態類型又使得開發比較簡便，當然犧牲了一大部分類型推導能力及性能，使得它不適合做復雜的系統工程。
后來各大投行開始從經濟上支持Python的科學計算社區，使得Python的科學工具棧無比強大。如果Java也有Python的工具棧，Python一行搞定的事情Java也不需要兩行，然而Java就是沒有。
我個人非常想將Java推向科學計算領域，因為它相對于C++來說，性能上并不吃虧，而語言本身比C/C++簡單太多（GC就不提了因為C++11開始也有了），非常適合科學計算使用——只要有合適的工具搞定編譯和運行。然并卵。Python已經在那里，并且很強大，我不能憑一己之力，Ricequant也不能憑一個平臺之力來改變這個現狀。不能硬來，只能妥協，所以我們將推出Python版本的API，包括基于Jupyter（IPython Notebook）的研究平臺，以及基于Python的API（背后仍然調用Java以保證性能及穩定性）。以后我們會同時維護兩套API，各有各的工具鏈，也各有優勢。
直到某一個平臺的用戶數降到0。
