在学习Julia的过程中，我想知道如何正确地完成以前可能在Python，Java或C ++中所做的事情。例如，以前我可能使用抽象基类（或接口）来通过类定义一系列模型。每个类可能都具有类似的方法calculate。所以可以这样称呼我model.calculate()，其中model是来自继承类之一的对象。
我知道Julia使用多个分派来重载具有不同签名的函数，例如calculate(model)。我的问题是如何创建不同model的。我是否为此使用类型系统并创建不同的类型，例如：
abstract type Model end
type BlackScholes <: Model end
type Heston <: Model end
哪里BlackScholes和Heston不同类型的model？如果是这样，那么我可以重载不同的calculate方法：
function calculate(model::BlackScholes)
# code
end
function calculate(model::Heston)
# code
end
但是我不确定这是否是Julia中类型的正确习惯用法。我将非常感谢您的指导！
这是一个很难回答的问题。Julia提供了广泛的工具来解决任何给定的问题，即使是语言的核心开发人员也很难断言一种特定的方法是“正确的”甚至是“惯用的”方法。
例如，在模拟和求解随机微分方程的领域中，您可以查看Chris Rackauckas（及其他许多人）在JuliaDiffEq框架下的软件包套件中采用的方法。但是，其中许多人都是经验丰富的Julia编码人员，对于那些经验不足的Julia编码人员而言，他们所做的工作可能有点遥不可及，他们只是想以某种合理的方式实现某种事物的建模，而这仅仅是凡人。
这个问题的唯一“正确”答案可能是将用户定向到文档的“ 性能提示”部分，然后断言只要您不违反那里的任何建议，那么您在做什么可能还可以。
我认为，我可以根据自己的亲身经历回答此问题的最佳方法是提供一个示例（我只是一个凡人）将如何处理模拟不同的Ito过程的问题。尽管增加了一层，但实际上与您提出的问题相差不远。明确地说，我没有断言这是做事的“正确”方法，而只是说这是一种以合理合理的方式利用多重调度和Julia类型系统的方法。
我从抽象类型开始，用于嵌套代表特定模型的特定子类型。
abstract type ItoProcess ; end
现在，我定义一些特定的模型子类型，例如
struct GeometricBrownianMotion <: ItoProcess
mu::Float64
sigma::Float64
end
struct Heston <: ItoProcess
mu::Float64
kappa::Float64
theta::Float64
xi::Float64
end
请注意，在这种情况下，我不需要添加将参数转换为的构造函数Float64，因为Julia会自动执行此操作，例如GeometricBrownianMotion(1, 2.0)可以即用即用，因为Julia 在构造类型时会自动转换1为1.0。
但是，我可能想为常见的参数化添加一些构造函数，例如
GeometricBrownianMotion() = GeometricBrownianMotion(0.0, 1.0)
我可能还需要一些函数来返回有关模型的有用信息，例如
number_parameter(model::GeometricBrownianMotion) = 2
number_parameter(model::Heston) = 4
实际上，考虑到我如何定义上述模型，我实际上可能会有点偷偷摸摸，并定义一种适用于所有子类型的方法：
number_parameter(model::T) where {T<:ItoProcess} = length(fieldnames(typeof(model)))
现在，我想添加一些代码来模拟我的模型：
function simulate(model::T, numobs::Int, stval) where {T<:ItoProcess}
# code here that is common to all subtypes of ItoProcess
simulate_inner(model, somethingelse)
# maybe more code that is common to all subtypes of ItoProcess
end
function simulate_inner(model::GeometricBrownianMotion, somethingelse)
# code here that is specific to GeometricBrownianMotion
end
function simulate_inner(model::Heston, somethingelse)
# code here that is specific to Heston
end
请注意，我已经使用了抽象类型，让我把所有的代码是共同的所有亚型ItoProcess中的simulate功能。然后，我使用多个分派，并simulate_inner运行需要特定于的特定子类型的任何代码ItoProcess。由于上述原因，我犹豫使用短语“惯用语”，但是让我说，以上内容是典型的Julia代码中的一种非常常见的模式。
上面的代码中要注意的一件事是确保simulate函数的输出类型是类型稳定的，即，输出类型可以由输入类型唯一地确定。类型稳定性通常是确保高性能Julia代码的重要因素。在这种情况下，确保类型稳定性的一种简单方法是始终返回Matrix{Float64}（如果输出类型对于所有子类型都是固定的，ItoProcess那么显然是唯一确定的）。在下面的estimate示例中，我将检查输出类型取决于输入类型的情况。无论如何，因为simulate我可能总是会回来，Matrix{Float64}因为GeometricBrownianMotion我只需要一个列，但是因为Heston我将需要两个列（第一个用于资产价格，第二个用于波动率过程）。
实际上，取决于代码的使用方式，高性能代码并不一定总是需要类型稳定性（例如，参见使用函数屏障来防止类型不稳定性流到程序的其他部分），但这是一个好习惯在（用于Julia代码）。
我可能还希望例程估计这些模型。同样，我可以遵循相同的方法（但要稍作改动）：
function estimate(modeltype::Type{T}, data)::T where {T<:ItoProcess}
# again, code common to all subtypes of ItoProcess
estimate_inner(modeltype, data)
# more common code
return T(some stuff generated from function that can be used to construct T)
end
function estimate_inner(modeltype::Type{GeometricBrownianMotion}, data)
# code specific to GeometricBrownianMotion
end
function estimate_inner(modeltype::Type{Heston}, data)
# code specific to Heston
end
与simulate案例有一些区别。我没有输入GeometricBrownianMotionor 的实例Heston，而是输入了类型本身。这是因为我实际上不需要为字段定义值的类型的实例。实际上，这些字段的值正是我试图估计的！但是我仍然想使用多重调度，因此是::Type{T}构造。另请注意，我已经为指定了输出类型estimate。此输出类型取决于::Type{T}输入，因此该函数是类型稳定的（输出类型可以由输入类型唯一地确定）。但是，在这种simulate情况下很常见，我已经对代码进行了结构化，因此ItoProcess只需要编写一次所有子类型通用的代码，然后分离出特定于这些子类型的代码。
这个答案变成了一篇论文，所以我在这里把它绑起来。希望这对OP以及进入Julia的其他人都是有用的。最后，我想强调的是，我上面所做的只是一种方法，还有其他方法也可以起到同样的作用，但是我个人发现上述方法从结构的角度来看是有用的，并且在整个过程中也相当普遍。朱莉娅生态系统。