一招搞定WonderTrader本地仿真環境

時間 2021-04-08

標籤 python git github json segmentfault session 架構框架異步 async 欄目 Python 简体版

原文原文鏈接

前言

最近羣裏的小夥伴們都在討論simnow停用的事情，從3月31日開始，要持續一個半月，不出意外的話也要5月中旬才能恢復。因而不少搞CTA的研發人員可能最近都面臨着到哪裏去找仿真環境的問題。
筆者不禁得想起來，若干年前市面上尚未simnow的時候，要找一個期貨仿真環境真的是很麻煩。一方面要看期貨公司是否是部署了仿真環境，只有期貨公司有仿真環境纔好測試；另外一方面，可以交易的交易所和合約也是很是有限的；並且，全部的訂單都須要對手盤，否則根本不會撮合，因此在測試的過程當中還須要請期貨公司的人幫忙下對手單，要否則就只有本身搞自成交了。
本文主要內容就是介紹如何利用WonderTrader搭建本地仿真環境。python

TraderMocker簡介

WonderTrader在v0.3.6發佈的時候，發佈過一個TraderMocker模塊，基於該模塊用戶能夠很是容易地搭建一個純本地的仿真環境，而不用依賴任何第三方環境。
筆者最初在設計TraderMocker的時候，正在給WonderTrader適配股票交易。當時接入的是中泰XTP接口，XTP比較流行也比較容易接入，有互聯網的測試環境，API也很是友好。
不過市面上不少股票測試環境多少都有一些問題，總結下來大概以下：git

有些仿真環境是基於撮合的，若是沒有對手盤，根本沒法成交
有些仿真環境是按概率撮合的，若是下單時沒有成交，那就永遠不會成交了，不符合正常的撮合邏輯
有些仿真環境多是沒有接入實時行情，因此無論當前什麼價格，價格如何變更，成交價都是掛單價

顯然在這樣的仿真環境下測試，策略仿真的結果實際上是有很大的迷惑性的。在這樣的狀況下，筆者便決定本身開發一個仿真環境。可是WonderTrader做爲一個量化交易框架，自己都是各用戶獨立部署的，也沒有中心化的服務，開發一套C/S的仿真環境，還須要硬件投入。對於WonderTrader這樣的開源平臺來講，成本過高的話是不現實的。另外仿真環境的部署通常要根據市場、品種分別部署，對於WonderTrader這樣面向全市場全品種的平臺來講，成本就更是翻了好幾倍了。筆者縱然願意分享源碼，可是也沒有辦法持續性的投入資金去維護這樣的仿真服務。基於這些基本考量，TraderMocker這種全本地化的、去中心的仿真模塊就應運而生了。github

爲了儘可能的模擬真實的接口調用，TraderMocker在設計上也有一些特色：json

異步執行segmentfault

異步執行的主要目的是爲了還原真實交易的事件發生順序。如下單爲例，生產環境下，調用下單接口遵循如下數據： 下單接口調用-> 下單結果返回-> 訂單回報-> 成交回報。若是不採用異步執行的機制，那麼就會出現下單接口尚未返回的時候，已經收到訂單回報和成交回報了，這樣就不符合生產環境的真實場景了。
根據價格撮合session

TraderMocker天然不多是一個徹底的仿真環境，因此撮合的機制也相對簡單。可是爲了儘可能模擬實盤環境， TraderMocker會嚴格按照價格優先的機制進行撮合。這裏的撮合，指的是不須要對手盤的撮合，即只要價格條件知足，即直接撮合成交，推送訂單回報和成交回報。
支持不一樣的品種架構

TraderMocker做爲一個輔助的簡化的本地仿真模塊，要充分考慮對不一樣的品種的支持。這樣才能增長 TraderMocker的應用場景。

基於以上的設計原則，TraderMocker也表現出一些特色：框架

仿真的程度有限異步

TraderMocker畢竟不是真正的撮合系統，只是利用行情對訂單作一個仿真處理。並且接入的行情，就算是期貨，也是 500ms一筆的快照。另外，考慮到不一樣行情源檔位不一樣，因此撮合處理的時候只利用了買一賣一的數據。 TraderMocker對訂單之間的競爭也不考慮進去，統一按照最新的 tick的委託量進行處理。
不適合大單測試async

TraderMocker並無處理訂單對限價訂單簿的衝擊。主要考慮到期貨行情只有一檔，沒法進行衝擊的處測算，因此就簡化了。因此當一個訂單的委託價格高於對手價的時候，一次撮合不完會等到下一筆 tick進來再利用對手價進行撮合，這顯然不大符合真實場景。所以大單仿真的還原程度會更低，參考性也更低了。
不作驗資操做

TraderMocker由於其特殊性，不會進行資金檢查，只要合法的訂單都能下單成功。一方面是由於 TraderMocker是爲通用性設計的，因此沒法兼顧全部的幣種，若是增長驗資的機制會增長複雜性。另一方面， WonderTrader的 1+N執行架構，其實是隔絕了策略對資金的關注，即便作驗資，也沒法將問題傳遞給策略。
不作結算處理

TraderMocker爲了簡化處理，不會進行結算處理。若是引入結算機制，會增長複雜性，並且還會要求仿真器一直在線直到接收到結算價爲止。可是在策略的實操中，其實都主要關心的仍是進場價和出廠價，結算的意義對於策略來講並不大。不過若是不結算，全部的持倉都是今倉，所以對於有些品種來講，仿真環境中的手續費的設置就須要把平今設置爲跟平昨一致。
訂單都在內存中

對於 TraderMocker這樣的簡易仿真模塊， 只會把必要的數據落地。目前 TraderMocker只會保存持倉數據，而 訂單數據和成交數據都只在內存中。一單平臺重啓，訂單和成交就都都沒有了。
交易指令簡化

TraderMocker爲了兼容不一樣的品種，因此 只能實現通用的指令，即 買賣和撤單的指令。其餘的特殊指令就不支持了，好比 ETF申贖、期權的報價和執行等指令。

固然TraderMocker只是筆者倉促寫出來的一個簡易的仿真模塊，有不少仿真功能由於使用場景有限，並無徹底實現。若是各位讀者有興趣的話，能夠自行根據本身的需求進行完善。到時候若是願意分享給你們的話，也能夠提交一個PR。

如何搭建本地仿真環境

前文介紹了一下TraderMocker模塊，下面本文就將介紹如何在利用WonderTrader搭建這樣的本地仿真環境。搭建本地仿真環境，須要用到datakit_fut和hft_fut_mocker兩個demo。這兩個demo筆者已經提交到wtpy/demos下，有須要的讀者能夠自行獲取，若是master分支沒有的話，請到dev分支下載便可。

行情配置
datakit_fut是經過CTP接口落地行情數據的數據組件demo，基本配置以下：

{
"basefiles":{
    "session":"./common/sessions.json",
    "commodity":"./common/commodities.json",
    "contract":"./common/contracts.json",
    "holiday":"./common/holidays.json"
},
"writer":{
    "path":"./FUT_Data/",
    "savelog":false,
    "async":false,
    "groupsize":20
},
"parsers":[
    {
        "active":true,
        "module":"ParserCTP.dll",
        "front":"tcp://180.168.146.187:10111",
        "broker":"9999",
        "user":"你的SIMNOW帳號",
        "pass":"你的SIMNOW密碼",
        "code":"CFFEX.IF2005,SHFE.au2012"
    }
],
"broadcaster":{
    "active":true,
    "bport":3997,
    "broadcast":[
        {
            "host":"255.255.255.255",
            "port":9001,
            "type":2
        }
    ]
}

在使用的時候，將parsers小節的CTP前置和帳號密碼改爲生產環境，並將code改爲本身須要的合約代碼進行訂閱，而後啓動runDT.py就能夠正常運行了。

仿真配置
hft_fut_mocker則是從UDP廣播通道接入行情，並調用TraderMocker進行仿真，配置以下：

{
"basefiles":{
    "session":"./common/sessions.json",
    "commodity":"./common/commodities.json",
    "contract":"./common/contracts.json",
    "holiday":"./common/holidays.json",
    "hot":"./common/hots.json"
},
"env":{
    "name":"hft",
    "mode": "product",
    "product":{
        "session":"TRADING"
    },
    "filters":"filters.json",
    "fees":"fees.json",
},
"data":{
    "store":{
        "path":"./FUT_Data/"
    }
},
"traders":[
    {
        "active":true,
        "id":"mocker",
        "module":"TraderMocker.dll",
        "front":"mocker://localhost",
        "mockerid":9999,
        "span":100,
        "newpx":true,
        "maxqty":100,
        "minqty":1,
        "user":"mocker9999",
        "udp_port":9001,
        "savedata":true
    }
],
"parsers":[
    {
        "active":true,
        "id":"parser1",
        "module":"ParserUDP.dll",
        "host":"127.0.0.1",
        "bport":9001,
        "sport":3997,
        "filter":""
    }
],
"bspolicy":"actpolicy.json"
}

從上面的配置能夠看出，TraderMocker仿真器，要從udp廣播通道接收最新的行情，才能進行撮合。可能有人會有疑問：爲何不從行情通道經過WonderTrader直接向TraderMocker傳遞行情數據呢？其實也很好解釋，由於Trader模塊解耦之後，WonderTrader只和Trader交互交易數據，而行情數據，不在接口支持的數據範圍內，因此TraderMocker只能本身解決行情接入的問題。所以TraderMocker天然就會依賴數據伺服組件提供的行情廣播服務了。

配置修改好了之後，再檢查一下策略啓動入口：

from wtpy import WtEngine,EngineType
from strategies.HftStraDemo import HftStraDemo

if __name__ == "__main__":
    #建立一個運行環境，並加入策略
    engine = WtEngine(EngineType.ET_HFT)
    engine.init('./common/', "config.json")
    engine.commitConfig()

    straInfo = HftStraDemo(name="hft_IF", code="CFFEX.IF.2104", expsecs=5, offset=100, freq=0)
    engine.add_hft_strategy(straInfo, 'mocker')

    engine.run()

    kw = input('press any key to exit\n')

最後，運行run.py就能夠正常進行仿真測試了，如圖：

若是有須要進行股票仿真的，只須要修改./common目錄下相應的基礎文件，並修改配置文件中的行情接入模塊的配置文件便可。若有不明白的地方，讀者也能夠私信諮詢筆者。

結束語

如何利用WonderTrader的仿真模塊TraderMocker來搭建本地的仿真環境，總結下來就是兩個步驟：先運行一個數據伺服，再運行仿真環境。簡單的兩個步驟，就能夠搞定一個仿真環境。相信對於有須要的人來講，這是一個很輕鬆的事情。
對於想用simnow的用戶來講，在simnow缺位的這段時間，只須要一個CTPs實盤帳號便可進行仿真測試。對於那些不知足於券商提供的股票仿真環境的人來講，本文介紹的這個攻略也許能夠提高你仿真測試的效率。
固然，筆者水平有限，TraderMocker的開發也比較倉促，不免有不少錯漏之處,各位讀者在使用的時候還須要自行判斷一下是否知足本身的需求。另外，仿真畢竟不是實盤，策略的表現是否合理還須要各位仔細辨別。

最後再安利一下WonderTrader
WonderTrader旨在給各位量化從業人員提供更好的輪子，將技術相關的東西都封裝在平臺中，力求給策略研發帶來更好的策略開發體驗。

WonderTrader的github地址：https://github.com/wondertrad...

WonderTrader官網地址：https://wondertrader.github.io

wtpy的github地址：https://github.com/wondertrad...

市場有風險，投資需謹慎。以上陳述僅做爲對於歷史事件的回顧，不表明對將來的觀點，同時不做爲任何投資建議。