VeighNa - By Traders, For Traders.
💬 Want to read this in english ? Go here
VeighNa是一套基于Python的开源量化交易系统开发框架,在开源社区持续不断的贡献下一步步成长为多功能量化交易平台,自发布以来已经积累了众多来自金融机构或相关领域的用户,包括私募基金、证券公司、期货公司等。
🚀 🚀 🚀 面向专业交易员的【VeighNa Elite量化终端】已经正式发布,针对专业交易员群体在海量策略并发、智能移仓换月、算法拆单执行、多账户交易支持等方面的需求提供了完善支持。了解更详细的信息请扫描下方二维码关注后,点击菜单栏的【社区交流 -> Elite会员服务】即可:
在使用VeighNa进行二次开发(策略、模块等)的过程中有任何疑问,请查看VeighNa项目文档,如果无法解决请前往官方社区论坛的【提问求助】板块寻求帮助,也欢迎在【经验分享】板块分享你的使用心得!
针对VeighNa的金融机构用户,创建了一个专门的【VeighNa机构用户群】(QQ群号:676499931),主要分享机构应用方面相关的问题,如:银行间市场接入、资管O32系统、分布式部署等内容。请注意本群只对金融机构用户开放,加群时请注明:姓名-机构-部门。
功能特点
-
多功能量化交易平台(trader),整合了多种交易接口,并针对具体策略算法和功能开发提供了简洁易用的API,用于快速构建交易员所需的量化交易应用。
-
覆盖国内外所拥有的下述交易品种的交易接口(gateway):
-
国内市场
-
CTP(ctp):国内期货、期权
-
CTP Mini(mini):国内期货、期权
-
CTP证券(sopt):ETF期权
-
飞马(femas):国内期货
-
恒生UFT(uft):国内期货、ETF期权
-
易盛(esunny):国内期货、黄金TD
-
顶点飞创(sec):ETF期权
-
顶点HTS(hts):ETF期权
-
中泰XTP(xtp):国内证券(A股)、ETF期权
-
华鑫奇点(tora):国内证券(A股)、ETF期权
-
国泰君安(hft):国内证券(A股、两融)
-
东证OST(ost):国内证券(A股)
-
东方财富EMT(emt):国内证券(A股)
-
飞鼠(sgit):黄金TD、国内期货
-
金仕达黄金(ksgold):黄金TD
-
融航(rohon):期货资管
-
杰宜斯(jees):期货资管
-
中汇亿达(comstar):银行间市场
-
掘金(gm):国内证券(仿真)
-
恒生云UF(uf):国内证券(仿真)
-
TTS(tts):国内期货(仿真)
-
-
海外市场
-
特殊应用
-
-
覆盖下述各类量化策略的交易应用(app):
-
cta_strategy:CTA策略引擎模块,在保持易用性的同时,允许用户针对CTA类策略运行过程中委托的报撤行为进行细粒度控制(降低交易滑点、实现高频策略)
-
cta_backtester:CTA策略回测模块,无需使用Jupyter Notebook,直接使用图形界面进行策略回测分析、参数优化等相关工作
-
spread_trading:价差交易模块,支持自定义价差,实时计算价差行情和持仓,支持价差算法交易以及自动价差策略两种模式
-
option_master:期权交易模块,针对国内期权市场设计,支持多种期权定价模型、隐含波动率曲面计算、希腊值风险跟踪等功能
-
portfolio_strategy:组合策略模块,面向同时交易多合约的量化策略(Alpha、期权套利等),提供历史数据回测和实盘自动交易功能
-
algo_trading:算法交易模块,提供多种常用的智能交易算法:TWAP、Sniper、Iceberg、BestLimit等
-
script_trader:脚本策略模块,面向多标的类量化策略和计算任务设计,同时也可以在命令行中实现REPL指令形式的交易,不支持回测功能
-
paper_account:本地仿真模块,纯本地化实现的仿真模拟交易功能,基于交易接口获取的实时行情进行委托撮合,提供委托成交推送以及持仓记录
-
chart_wizard:K线图表模块,基于RQData数据服务(期货)或者交易接口获取历史数据,并结合Tick推送显示实时行情变化
-
portfolio_manager:交易组合管理模块,以独立的策略交易组合(子账户)为基础,提供委托成交记录管理、交易仓位自动跟踪以及每日盈亏实时统计功能
-
rpc_service:RPC服务模块,允许将某一进程启动为服务端,作为统一的行情和交易路由通道,允许多客户端同时连接,实现多进程分布式系统
-
data_manager:历史数据管理模块,通过树形目录查看数据库中已有的数据概况,选择任意时间段数据查看字段细节,支持CSV文件的数据导入和导出
-
data_recorder:行情记录模块,基于图形界面进行配置,根据需求实时录制Tick或者K线行情到数据库中,用于策略回测或者实盘初始化
-
excel_rtd:Excel RTD(Real Time Data)实时数据服务,基于pyxll模块实现在Excel中获取各类数据(行情、合约、持仓等)的实时推送更新
-
risk_manager:风险管理模块,提供包括交易流控、下单数量、活动委托、撤单总数等规则的统计和限制,有效实现前端风控功能
-
web_trader:Web服务模块,针对B-S架构需求设计,实现了提供主动函数调用(REST)和被动数据推送(Websocket)的Web服务器
-
-
Python交易API接口封装(api),提供上述交易接口的底层对接实现。
-
简洁易用的事件驱动引擎(event),作为事件驱动型交易程序的核心。
-
对接各类数据库的适配器接口(database):
-
SQL类
-
SQLite(sqlite):轻量级单文件数据库,无需安装和配置数据服务程序,VeighNa的默认选项,适合入门新手用户
-
MySQL(mysql):主流的开源关系型数据库,文档资料极为丰富,且可替换其他NewSQL兼容实现(如TiDB)
-
PostgreSQL(postgresql):特性更为丰富的开源关系型数据库,支持通过扩展插件来新增功能,只推荐熟手使用
-
-
NoSQL类
-
DolphinDB(dolphindb):一款高性能分布式时序数据库,适用于对速度要求极高的低延时或实时性任务
-
Arctic(arctic):高性能金融时序数据库,采用了分块化储存、LZ4压缩等性能优化方案,以实现时序数据的高效读写
-
TDengine(taos):分布式、高性能、支持SQL的时序数据库,带有内建的缓存、流式计算、数据订阅等系统功能,能大幅减少研发和运维的复杂度
-
TimescaleDB(timescaledb):基于PostgreSQL开发的一款时序数据库,以插件化扩展的形式安装,支持自动按空间和时间对数据进行分区
-
MongoDB(mongodb):基于分布式文件储存(bson格式)的文档式数据库,内置的热数据内存缓存提供更快读写速度
-
InfluxDB(influxdb):针对TimeSeries Data专门设计的时序数据库,列式数据储存提供极高的读写效率和外围分析应用
-
LevelDB(leveldb):由Google推出的高性能Key/Value数据库,基于LSM算法实现进程内存储引擎,支持数十亿级别的海量数据
-
-
-
对接下述各类数据服务的适配器接口(datafeed):
-
跨进程通讯标准组件(rpc),用于实现分布式部署的复杂交易系统。
-
Python高性能K线图表(chart),支持大数据量图表显示以及实时数据更新功能。
-
官方交流群262656087(QQ),管理严格(定期清除长期潜水的成员),入群费将捐赠给VeighNa社区基金。
注:以上关于功能特点的说明为根据说明文档发布时情况罗列,后续可能存在更新或调整。若功能描述同实际存在出入,欢迎通过Issue联系进行调整。
环境准备
- 推荐使用VeighNa团队为量化交易专门打造的Python发行版VeighNa Studio-3.9.0,集成内置了VeighNa框架以及VeighNa Station量化管理平台,无需手动安装
- 支持的系统版本:Windows 10以上 / Windows Server 2016以上 / Ubuntu 20.04 LTS以上
- 支持的Python版本:Python 3.7/ 3.8 / 3.9 / 3.10 64位(推荐使用Python 3.10)
安装步骤
在这里下载Release发布版本,解压后运行以下命令安装:
Windows
install.bat
Ubuntu
bash install.sh
Macos
bash install_osx.sh
注意:setup.cfg中列举了VeighNa框架安装所需的依赖库,requirements.txt中给出了这些依赖库的推荐安装版本。
使用指南
-
在VeighNa社区论坛注册获得VeighNa Station账号密码(论坛账号密码即是)
-
启动VeighNa Station(安装VeighNa Studio后会在桌面自动创建快捷方式),输入上一步的账号密码登录
-
点击底部的VeighNa Trader按钮,开始你的交易!!!
注意:
- 在VeighNa Trader的运行过程中请勿关闭VeighNa Station(会自动退出)
脚本运行
除了基于VeighNa Station的图形化启动方式外,也可以在任意目录下创建run.py,写入以下示例代码:
from vnpy.event import EventEngine
from vnpy.trader.engine import MainEngine
from vnpy.trader.ui import MainWindow, create_qapp
from vnpy_ctp import CtpGateway
from vnpy_ctastrategy import CtaStrategyApp
from vnpy_ctabacktester import CtaBacktesterApp
def main():
"""Start VeighNa Trader"""
qapp = create_qapp()
event_engine = EventEngine()
main_engine = MainEngine(event_engine)
main_engine.add_gateway(CtpGateway)
main_engine.add_app(CtaStrategyApp)
main_engine.add_app(CtaBacktesterApp)
main_window = MainWindow(main_engine, event_engine)
main_window.showMaximized()
qapp.exec()
if __name__ == "__main__":
main()
在该目录下打开CMD(按住Shift->点击鼠标右键->在此处打开命令窗口/PowerShell)后运行下列命令启动VeighNa Trader:
python run.py
贡献代码
VeighNa使用Github托管其源代码,如果希望贡献代码请使用github的PR(Pull Request)的流程:
-
创建 Issue - 对于较大的改动(如新功能,大型重构等)建议先开issue讨论一下,较小的improvement(如文档改进,bugfix等)直接发PR即可
-
Fork VeighNa - 点击右上角Fork按钮
-
Clone你自己的fork:
git clone https://github.com/$userid/vnpy.git
- 如果你的fork已经过时,需要手动sync:同步方法
-
从dev创建你自己的feature branch:
git checkout -b $my_feature_branch dev
-
在$my_feature_branch上修改并将修改push到你的fork上
-
创建从你的fork的$my_feature_branch分支到主项目的dev分支的[Pull Request] - 在此点击compare across forks,选择需要的fork和branch创建PR
-
等待review, 需要继续改进,或者被Merge!
在提交代码的时候,请遵守以下规则,以提高代码质量:
- 使用flake8检查你的代码,确保没有error和warning。在项目根目录下运行
flake8
即可。
其他内容
版权说明
MIT