策略研发系统-整体架构设计-1

  1. 设计概述

    1.1术语及缩略语

回测参数:    初始值,终止值,步长

回测实例参数:初始值+步长*N

回测任务:    策略+一组回测参数

回测子任务:  策略+一组回测实例参数

  1. 2 背景介绍

     传统的策略研发的缺点:

  • 主要是通过策略研发人员自己通过 Matlab等第三方工具,工具限制很多,使用不方便,研发效率低,不能转成实盘策略,或者需要大量修改代码,修改容易出错。
  • 研发机器性能限制,不能很好的利用分布式高计算的优势,找出最优策略实例的参数配置,策略研发周期长。
  • 第三方工具不能很好的与现有交易系统集成,很多重复工作要做。

    策略研发人员希望:

  • 新系统能快速进行策略回测,从大量的参数组合中,找出最优的一些参数配置的组合。
  • 回测策略能平稳过渡到实盘策略中。
  • 最好能与现有交易系统集成,减少很多重复工作。

   1.3 主要设计目标

  • 高性能计算

     充分利用分布式系统高性能计算优势,以最快的回测速度,从大量策略参数组合中找出最优的参数组合的策略实例。

  • 提高研发效率

     辅助策略研发人员,快速开发出优质的实盘策略,提高策略研发效率。

  • 减少实盘风险

 2. 设计需求

 2.1 功能需求

  • 支持多客户端同时使用,每个用户平均分配计算资源
  • 支持策略回测任务控制功能,包括任务启动,暂停等操作。
  • 回测策略容器支持Python和C++编写策略。
  • 支持策略参数断点回测。

           系统重启时,已经回测的子任务不用重新计算,只需从未完成的任务开始进行。

  • 查询策略参数回测运行结果。  
  • 回测进度更新及汇总分析推送

2.2 非功能需求

  • 高性能

    充分利用计算服务器CPU和内存资源,尽可能快的得到策略参数回测结果。

  • 支持同时上万组策略参数进行回测。
  • 系统根据计算负载大小,为用户平均分配计算资源,支持灵活调整(增加或减少)计算资源。

      假设有两台回测服务器,每台服务器有10个计算资源,有两个回测任务,第一个回测任务有30套计算参数,第二个回测任务有40套计算参数。

         系统刚开始只有一台回测服务器资源,客户A发起第一个回测任务。系统会分配10套回测子任务到回测服务器。接着系统又增加了一台回测服务器,每台机器上运行10套回测子任务。紧接着客户

     B发起了第二个回测任务,系统会关闭每台回测服务器上运行时间最短的5个子任务A,重新运行5个回测子任务B。那么每

 台 回测服务器上5个子任务A和5个子任务B.

  • 回测策略与运行策略平稳过渡。

     回测策略尽经过少量的修改就可以运行在策略交易平台。

3 系统功能设计

3.1任务调度管理服务器

接收客户端任务请求,进行任务的创建和子任务的分解,根据回测计算资源的状态,均衡分配回测任务给回测服务器,并将回测运行状态及分析汇总结果发送客户端。

3.2回测管理服务器

从任务调度服务器接收回测子任务请求,根据子任务类型,启动Python或C++策略回测进程,并将回测进度和回测分析汇总结果发送任务调度服务器。

3.3 Python策略回测运行容器

设计参考交易系统策略引擎,提供给策略人员开发接口应保持一致。

3.4 C++策略回测运行容器

设计参考交易系统策略引擎,提供策略人员开发接口应保持一致。

3.5行情数据管理模块

  • 对历史行情数据进行管理

   创建多级历史数据缓存和缓存数据管理,对本地行情文件进行管理。

  • 各种历史行情查询访问

    统一对外提供高速数据访问接口,为策略回测进程程序提供数据服务。

3.6业务处理流程

  1. 回测任务处理流程

策略研发系统-整体架构设计-1_第1张图片

4.总体架构

策略研发系统-整体架构设计-1_第2张图片

 

 

你可能感兴趣的:(策略研发管理)