金融时间序列在高频场景下不用std::vector而用裸指针或std::span，是为避免边界检查、内存重分配和迭代器失效带来的不可控延迟；实际推荐std::span封装指针+长度，配合std::unique_ptr管理生命周期，兼顾零开销与安全性。
为什么金融时间序列不用 std::vector 而要用裸指针？
不是“要用”，而是某些高频场景下，std::vector 的边界检查、内存重分配和迭代器失效机制会引入不可控延迟。比如在 tick 级回测引擎中，每微秒都要访问上万点的 price 和 volume 数组，而 std::vector::at() 的 bounds check 会被编译器优化掉，但 operator[] 在 debug 模式下仍可能带检查；裸指针则彻底交由开发者控制——前提是内存生命周期清晰、不越界。
实际项目中，更常见的是用 std::span（C++20）或自定义轻量 wrapper 封装指针+长度，既保留零开销访问，又避免裸指针语义模糊的问题。
- 裸指针只在明确需要零拷贝、确定生命周期（如共享内存映射的行情快照）时直接使用
- 绝大多数策略模块应优先用
std::span<const double></const>接收数据，它本质是double*+size_t，无额外存储，且能静态约束 const 性 - 避免用
new double[N]手动管理——现代 C++ 应搭配std::unique_ptr<double></double>，析构自动delete[]
std::unique_ptr<double></double> 怎么安全替代 double*？
直接 new/delete 容易漏掉 []，导致未定义行为；而 std::unique_ptr<double></double> 能确保调用 delete[]，且支持移动语义，适合封装时间序列缓冲区。
例如加载 OHLCV 数据后构建只读视图：
立即学习“C++免费学习笔记（深入）”；
auto data = std::make_unique<double[]>(n_points * 5); // open, high, low, close, volume
// ... 填充数据 ...
std::span<const double> closes{data.get() + 3, n_points}; // 第4列是 close
-
std::unique_ptr<double[]>构造时必须用new double[N]，不能用new double(N)（后者只分配 1 个） - 传给算法函数时，优先传递
std::span<const double>，而非std::unique_ptr<double[]>&——避免暴露所有权语义 - 若需多线程读取，确保
std::unique_ptr不被移动走，或改用std::shared_ptr（但注意原子引用计数开销）
指针算术在滚动窗口计算中怎么不出错？
金融算法常需计算 20 日均线、布林带等滚动指标，用指针遍历时极易越界——尤其当窗口大小 window_size 大于当前索引 i 时。
错误写法：for (int i = 0; i —— <code>i - window_size + 1 在开头会为负，指针算术溢出即未定义行为。
- 必须先判断有效起始位置：
if (i - 用
std::valarray或xtensor可规避手动指针运算，但带来堆分配；对极致性能场景，宁可写显式循环并加 assert - 调试时可在指针访问前加断言：
assert(p + offset >= base_ptr && p + offset
为什么用 __restrict 或 [[gnu::restrict]]？
在密集数值计算（如向量化计算波动率）中，编译器需知道两个指针不指向同一块内存，才能安全做 SIMD 优化。裸指针默认无此信息，而 __restrict 是明确提示。
示例：计算收益率数组 ret[i] = log(price[i]/price[i-1])：
void calc_returns(const double* __restrict price, double* __restrict ret, size_t n) {
for (size_t i = 1; i < n; ++i) {
ret[i] = log(price[i] / price[i-1]);
}
}
- MSVC 用
__restrict，GCC/Clang 用__restrict__或 C99 的restrict（C++ 中非标准但广泛支持） - 仅当能 100% 确保两指针无重叠时才加——误标会导致生成错误代码
- C++20 的
[[likely]]对循环分支预测有帮助，但和指针无关，别混用
真正难的不是写对指针，而是让整个数据流从文件读取、内存映射、策略计算到结果输出，全程不发生隐式拷贝或越界——这要求每个接口都明确定义所有权和生命周期，而不是靠注释提醒“这里别乱 delete”。
