用Python做并行计算的途径有很多，比如说使用标准库中的[threading模块](https://docs.python.org/2/library/threading.html)进行线程级别的并行，[multiprocessing模块](https://docs.python.org/2/library/multiprocessing.html)进行进程级别的并行，[concurrent.futures模块](https://docs.python.org/3/library/concurrent.futures.html)实现异步并行，使用[IPython.parallel模块](https://ipython.org/ipython-doc/3/parallel/index.html)进行多种方式的并行，使用[mpi4py包](https://pypi.org/project/mpi4py/)进行MPI消息传递并行计算，等等。
并行计算在Quant中是如何应用的？
Quant 中经常会用到很多机器学习和优化算法，很多算法比如说常用的蒙特卡洛模拟方法能够很自然地并行实现，如果采用并行计算则必然能够极大地提高计算效率，加快计算时间，更快地作出决策和发出交易指令，更好地抓住稍纵即逝的机会，这对进行高频交易尤其有用。另外如今的金融数据量也越来越大，适当地将数据分布到多个计算节点或者多个处理器上，能够降低对单台计算节点或者单个处理器的性能要求，也能降低对机器内存、网络带宽等其他资源的需求。
目前做 Quant 非常常用的是 Python 编程语言，如国外最流行的 Quantopian，国内的 JoinQuant，uqer 等都使用的是 Python 语言。用 Python 做并行计算的途径有很多，比如说使用标准库中的 [threading 模块](https://docs.python.org/2/library/threading.html)进行线程级别的并行，[multiprocessing 模块](https://docs.python.org/2/library/multiprocessing.html)进行进程级别的并行，[concurrent.futures 模块](https://docs.python.org/3/library/concurrent.futures.html)实现异步并行，使用 [IPython.parallel 模块](https://ipython.org/ipython-doc/3/parallel/index.html)进行多种方式的并行，使用 [mpi4py 包](https://pypi.org/project/mpi4py/)进行 MPI 消息传递并行计算，等等。
如果可以使用 C/C ，Fortran 或者使用 cython 为 Python 编写扩展模块，还可以使用 OpenMP 并行。我的个人[简书专题](https://www.jianshu.com/c/5019bb7bada6)和 [CSDN 博客专栏](https://blog.csdn.net/column/details/26248.html)中有对用 Python 做并行计算的专门介绍并提供了大量的程序实例。
