量化场景下，Rust兼顾了开发效率和运行效率

量化私募的现状：

（1）1亿规模一下的量化私募占据了总量的80%以上；

（2）小规模私募多以SILO模式运行（量化全栈）。主要需求以策略实现为主，核心策略人员多为数学/物理/金融类，技能栈以python/matlab居多；另外，主策略大多不追求性能。

量化私募竞争加剧的未来：

（1）百亿私募快速崛起（近30家）；

（2）常规Alpha因子逐步枯竭：策略向偏高频倾斜（GB/TB级别数据处理能力）；对于交易执行成本有更高的控制（延迟）；多市场的处理能力（更多的交易机会BR）。

Rust在大数据集、低延迟、密集计算问题表现优异：

（1）开发效率：支持函数式、并发式；编译器保证内存安全和线程安全等；

（2）运行效率：性能优异与C++类似；无GC；无GIL。

所以，在量化场景下，Rust兼顾了开发效率和运行效率。Rust作为优秀的静态语音，可以作为一个高可靠、高性能的底层架构。

目前，非凸科技已基于Rust生态体系，结合机器学习和深度学习等新兴技术，构建了业内领先的算法交易系统，为券商、量化私募等众多大型金融机构提供优质的技术解决方案。与此同时，也在寻找Rust同道中人，期待热爱Rust、量化的你，加入进来！