一招搞定WonderTrader本地仿真环境

image

前言

  最近群里的小伙伴们都在讨论simnow停用的事情,从3月31日开始,要持续一个半月,不出意外的话也要5月中旬才能恢复。于是很多搞CTA的研发人员可能最近都面临着到哪里去找仿真环境的问题。
  笔者不由得想起来,若干年前市面上还没有simnow的时候,要找一个期货仿真环境真的是很麻烦。一方面要看期货公司是不是部署了仿真环境,只有期货公司有仿真环境才好测试;另一方面,能够交易的交易所和合约也是非常有限的;而且,所有的订单都需要对手盘,不然根本不会撮合,所以在测试的过程中还需要请期货公司的人帮忙下对手单,要不然就只有自己搞自成交了。
  本文主要内容就是介绍如何利用WonderTrader搭建本地仿真环境

TraderMocker简介

  WonderTraderv0.3.6发布的时候,发布过一个TraderMocker模块,基于该模块用户可以非常容易地搭建一个纯本地的仿真环境,而不用依赖任何第三方环境。
  笔者最初在设计TraderMocker的时候,正在给WonderTrader适配股票交易。当时接入的是中泰XTP接口,XTP比较流行也比较容易接入,有互联网的测试环境,API也非常友好。
  不过市面上很多股票测试环境多少都有一些问题,总结下来大概如下:

  • 有些仿真环境是基于撮合的,如果没有对手盘,根本无法成交
  • 有些仿真环境是按几率撮合的,如果下单时没有成交,那就永远不会成交了,不符合正常的撮合逻辑
  • 有些仿真环境可能是没有接入实时行情,所以不管当前什么价格,价格如何变动,成交价都是挂单价

  显然在这样的仿真环境下测试,策略仿真的结果其实是有很大的迷惑性的。在这样的情况下,笔者便决定自己开发一个仿真环境。但是WonderTrader作为一个量化交易框架,本身都是各用户独立部署的,也没有中心化的服务,开发一套C/S的仿真环境,还需要硬件投入。对于WonderTrader这样的开源平台来说,成本太高的话是不现实的。另外仿真环境的部署一般要根据市场、品种分别部署,对于WonderTrader这样面向全市场全品种的平台来说,成本就更是翻了好几倍了。笔者纵然愿意分享源码,但是也没有办法持续性的投入资金去维护这样的仿真服务。基于这些基本考量,TraderMocker这种全本地化的、去中心的仿真模块就应运而生了。

  为了尽量的模拟真实的接口调用,TraderMocker在设计上也有一些特点:

  • 异步执行

    异步执行的主要目的是为了还原真实交易的事件发生顺序。以下单为例,生产环境下,调用下单接口遵循以下数据: 下单接口调用-> 下单结果返回-> 订单回报-> 成交回报。如果不采用异步执行的机制,那么就会出现下单接口还没有返回的时候,已经收到订单回报和成交回报了,这样就不符合生产环境的真实场景了。
  • 根据价格撮合

    TraderMocker自然不可能是一个完全的仿真环境,所以撮合的机制也相对简单。但是为了尽量模拟实盘环境, TraderMocker会严格按照价格优先的机制进行撮合。这里的撮合,指的是不需要对手盘的撮合,即只要价格条件满足,即直接撮合成交,推送订单回报和成交回报。
  • 支持不同的品种

    TraderMocker作为一个辅助的简化的本地仿真模块,要充分考虑对不同的品种的支持。这样才能增加 TraderMocker的应用场景。

  基于以上的设计原则,TraderMocker也表现出一些特点:

  • 仿真的程度有限

    TraderMocker毕竟不是真正的撮合系统,只是利用行情对订单做一个仿真处理。而且接入的行情,就算是期货,也是 500ms一笔的快照。另外,考虑到不同行情源档位不同,所以撮合处理的时候只利用了买一卖一的数据。 TraderMocker对订单之间的竞争也不考虑进去,统一按照最新的 tick的委托量进行处理。
  • 不适合大单测试

    TraderMocker并没有处理订单对限价订单簿的冲击。主要考虑到期货行情只有一档,无法进行冲击的处测算,所以就简化了。所以当一个订单的委托价格高于对手价的时候,一次撮合不完会等到下一笔 tick进来再利用对手价进行撮合,这显然不大符合真实场景。因此大单仿真的还原程度会更低,参考性也更低了。
  • 不做验资操作

    TraderMocker因为其特殊性,不会进行资金检查,只要合法的订单都能下单成功。一方面是因为 TraderMocker是为通用性设计的,所以无法兼顾所有的币种,如果增加验资的机制会增加复杂性。另外一方面, WonderTrader1+N执行架构,实际上是隔绝了策略对资金的关注,即使做验资,也无法将问题传递给策略。
  • 不做结算处理

    TraderMocker为了简化处理,不会进行结算处理。如果引入结算机制,会增加复杂性,而且还会要求仿真器一直在线直到接收到结算价为止。但是在策略的实操中,其实都主要关心的还是进场价和出厂价,结算的意义对于策略来说并不大。不过如果不结算,所有的持仓都是今仓,因此对于有些品种来说,仿真环境中的手续费的设置就需要把平今设置为跟平昨一致。
  • 订单都在内存中

    对于 TraderMocker这样的简易仿真模块, 只会把必要的数据落地。目前 TraderMocker只会保存持仓数据,而 订单数据和成交数据都只在内存中。一单平台重启,订单和成交就都都没有了。
  • 交易指令简化

    TraderMocker为了兼容不同的品种,所以 只能实现通用的指令,即 买卖和撤单的指令。其他的特殊指令就不支持了,比如 ETF申赎、期权的报价和执行等指令。

  当然TraderMocker只是笔者仓促写出来的一个简易的仿真模块,有很多仿真功能因为使用场景有限,并没有完全实现。如果各位读者有兴趣的话,可以自行根据自己的需求进行完善。到时候如果愿意分享给大家的话,也可以提交一个PR

如何搭建本地仿真环境

  前文介绍了一下TraderMocker模块,下面本文就将介绍如何在利用WonderTrader搭建这样的本地仿真环境。搭建本地仿真环境,需要用到datakit_futhft_fut_mocker两个demo。这两个demo笔者已经提交到wtpy/demos下,有需要的读者可以自行获取,如果master分支没有的话,请到dev分支下载即可。

  • 行情配置
    datakit_fut是通过CTP接口落地行情数据的数据组件demo,基本配置如下:

    {
    "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账号",
            "pass":"你的SIMNOW密码",
            "code":"CFFEX.IF2005,SHFE.au2012"
        }
    ],
    "broadcaster":{
        "active":true,
        "bport":3997,
        "broadcast":[
            {
                "host":"255.255.255.255",
                "port":9001,
                "type":2
            }
        ]
    }

在使用的时候,将parsers小节的CTP前置和账号密码改成生产环境,并将code改成自己需要的合约代码进行订阅,然后启动runDT.py就可以正常运行了。
一招搞定WonderTrader本地仿真环境_第1张图片

  • 仿真配置
    hft_fut_mocker则是从UDP广播通道接入行情,并调用TraderMocker进行仿真,配置如下:

    {
    "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"
    }

从上面的配置可以看出,TraderMocker仿真器,要从udp广播通道接收最新的行情,才能进行撮合。可能有人会有疑问:为什么不从行情通道通过WonderTrader直接向TraderMocker传递行情数据呢?其实也很好解释,因为Trader模块解耦以后,WonderTrader只和Trader交互交易数据,而行情数据,不在接口支持的数据范围内,所以TraderMocker只能自己解决行情接入的问题。因此TraderMocker自然就会依赖数据伺服组件提供的行情广播服务了。

配置修改好了以后,再检查一下策略启动入口:

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

if __name__ == "__main__":
    #创建一个运行环境,并加入策略
    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')

最后,运行run.py就可以正常进行仿真测试了,如图:
一招搞定WonderTrader本地仿真环境_第2张图片
如果有需要进行股票仿真的,只需要修改./common目录下相应的基础文件,并修改配置文件中的行情接入模块的配置文件即可。如有不明白的地方,读者也可以私信咨询笔者。

结束语

  如何利用WonderTrader的仿真模块TraderMocker来搭建本地的仿真环境,总结下来就是两个步骤:先运行一个数据伺服,再运行仿真环境。简单的两个步骤,就可以搞定一个仿真环境。相信对于有需要的人来说,这是一个很轻松的事情。
  对于想用simnow的用户来说,在simnow缺位的这段时间,只需要一个CTPs实盘账号即可进行仿真测试。对于那些不满足于券商提供的股票仿真环境的人来说,本文介绍的这个攻略也许可以提升你仿真测试的效率。
  当然,笔者水平有限,TraderMocker的开发也比较仓促,难免有很多错漏之处,各位读者在使用的时候还需要自行判断一下是否满足自己的需求。另外,仿真毕竟不是实盘,策略的表现是否合理还需要各位仔细辨别。

  最后再安利一下WonderTrader
  WonderTrader旨在给各位量化从业人员提供更好的轮子,将技术相关的东西都封装在平台中,力求给策略研发带来更好的策略开发体验。

WonderTradergithub地址:https://github.com/wondertrad...

WonderTrader官网地址:https://wondertrader.github.io

wtpygithub地址:https://github.com/wondertrad...


市场有风险,投资需谨慎。以上陈述仅作为对于历史事件的回顾,不代表对未来的观点,同时不作为任何投资建议。

你可能感兴趣的:(pythonc++量化金融科技)