在一個好的原型設計框架中要求什麼？

閱讀定量方法、模型開發和回溯測試，腦海中浮現出一個明顯的問題：

對原型設計（模型測試）框架應該提出什麼要求？

我知道很多人使用 R、C/C++ 等進行測試，但是否必須重新發明所有東西，或者是否有一些功能，例如基本的統計方法和數據查看功能，是應該要求的？

在這方面，R（以及 Matlab、SAS 或其他統計語言）與相對低級的語言（如 C/C++/C#/Java）之間存在巨大差異。後一類更常用於穩定的最終產品，其中速度和性能至關重要，而前一類更常用於模型測試和原型設計。

統計語言具有許多基本功能，包括您提到的那些、基本統計數據和數據查看，以及其他許多可以使原型製作更容易和更快的過程。我在日常模型開發和回測中使用最多的一些功能是：

• 優化（不能低估良好優化算法的重要性！）
• 線性代數（特徵值、奇異值分解）
• 插值（三次樣條）
• 濾波（FIR、IIR、EMA）
• 讀取/寫入 CSV/Excel/數據庫/其他格式
• 高級圖形（條形圖、直方圖、箱線圖、散點圖、3-D）
• 日期/時間操作和時間序列支持
• 向量/矩陣操作（數據操作）
• 不常用算法的大型庫（例如Expectation-Maximization）可作為包提供

我確信許多這些特性也可以在低級語言中找到，但是緊密集成的水平使它們更容易在統計語言中使用。

引用自：https://quant.stackexchange.com/questions/1970