/starquant

a light-weighted, integrated trading/backtesting system/platform(综合量化交易回测系统/平台)

Primary LanguageC++Apache License 2.0Apache-2.0

Welcome to StarQuant

English

StarQuant(中文名:易数交易系统)是一个轻量的、面向个人( 普通)用户的综合量化交易回测系统,目前主要用于期货期权程序化交易(CTP接口,在实盘测试中),也支持股票交易功能(中泰xtp,宽睿oes接口,待测试和完善)。

当前进展:完成1.0版本beta版本,在ctp实盘测试中:

1)对于流动性好,盘口大的品种非大笔交易下tick级回测与实盘的成交时间和价位一致;

2)无人工干预阿里云/腾讯云 7*24h连续工作,api柜台自动重连断开,行情自动记录,策略自动初始化、开始和停止;

功能特色

  • 采用多进程和多线程模式,行情交易接口,策略执行,gui界面均为独立进程,支持多种进程通信模式,对于普通应用,可以采用消息队列,延迟在百微秒量级(实测在30-100微秒之间,吞吐量在10k/s左右,对期货足够),对于普通用户延迟足够低 ,对于股票L2逐笔数据的高吞吐和低延迟可以采用共享内存通信模式,实现10微秒级的低延迟,同时落地所有交易数据;
  • 支持实盘程序化交易,支持多个API接口(如期货的ctp穿透式, 易盛tap,股票的中泰xtp,宽睿oes),支持多个期货、证券公司账号同时登录, 多个策略组独立运行,可设置触发条件实现自动登录,登出,重置等,可以实现7*24小时工作;具有风险控制模块,可以设置流控、总量控制等参数; 支持本地条件单(止损),一键全撤,平仓等自定义指令类型;
  • 支持策略的实时动态管理(增加,删除,编辑参数,启动,停止,重新载入等,类似vnpy的ctastrategy 模块),可以管理多个策略进程;
  • 支持c++或python语言的策略回测和实盘交易,回测框架中的事件驱动模式是基于vnpy改写,支持动态重新加载策略,策略在回测和交易程序中形式一样,无需重写代码, 同时python策略的数据格式、函数形式与vnpy兼容,方便转换、迁移和测试;
  • 支持bar和tick不同时间尺度回测;具有lite和pro以及批量回测模式,其中lite模式是单标的模式,在批量模式下可以多进程同时批量回测不同策略不同合约,方便将不同策略组合查看综合收益,pro模式支持任意多个标的同时回测,正则表达式确定标的名称范围,批量模式下支持多进程同时回测,方便将标的分开来实现并行快速回测;
  • 回测结果可以查看总体指标(收益率,夏普率,最大回撤等),收益曲线,所有成交明细,每日明细,在k线上显示对应买卖点标记,显示tick数据,方便分析;可以筛选指定条件的成交,回测结果可以导出为csv和相应图片;支持自定义指标显示分析;
  • 支持回测参数优化筛选功能,可以多进程参数优化和遗传算法优化;
  • 支持实盘行情订阅和数据存储(tick,bar),消息队列通信模式下类似vnpy的data recorder, 单独进程模式,同时也具有vnpy的csv loader的功能,支持bar和tick数据导入;共享内存通信模式下内存数据直接异步保存在硬盘,有专门的导出查看脚本用于数据处理和分析;支持从多个数据源下载数据(RQData,Tushare,JoinQuant);
  • 支持基于实盘行情数据的模拟交易(Paper brokerage,简单的撮合),方便实盘前的测试;
  • 采用Qt可视化界面作为前端,方便管理,监控和操作,相关监控信息均有记录,可以导出为csv文件;可以查看实时k线数据;可以查看合约基本信息;可以选择性显示/隐藏指定视图控件单元,调整视图布局;也支持命令行(cli,tui)形式监控;
  • 支持微信实时推送和接收信息(itchat 或Server酱等方式)
  • Linux,windows跨平台支持;

注:目前开源的代码具备了从回测到实盘交易的所有基础功能,也展示了系统的原型和框架,方便在此基础上二次开发和定制,定制化的代码(pro版)目前尚未开源,后期如果star数量较多时(1k以上)可以考虑开源。

PRO版特点

  • 回测支持任意多个标的;支持不同策略组合的多进程并行批量回测;回测结果可以按指定条件筛选;
  • mongodb数据读入写入基于pymongo的批量模式,相对普通版速度提高2-10倍;
  • 回测支持数据读取游标模式,节省内存消耗,支持批量组合不同回测结果;
  • 回测支持设置保存,回测结果读取,以及脚本模式;
  • 回测支持分布式计算和优化;
  • 支持因子统计分析、相关分析,批量因子生成和回归分析,方便快速因子筛选;
  • 支持基于预测模型的向量化快速回测(日内和隔夜),测试集、训练集单独评估;
  • 支持自定义各种指标显示,包括订单流;
  • 支持tick级别标的组合价格(价差)分析和指标分析, 支持tick数据分析和指标显示
  • 实盘支持共享内存通信方式,延迟在10微秒级别,支持10万/秒的吞吐量;

系统架构

系统主框架基于c++实现,采用c-s架构,回测具有事件驱动模式和向量化两种模式,采用模块化松耦合设计,服务端的行情,交易、数据记录为单独线程,服务端与gui界面、策略之间的进程通信采用消息队列方式(nanomsg)或共享内存(基于功夫易筋经),行情数据可以通过相关端口以消息形式转发到策略进程,策略下单操作也通过相关端口将指令转发到服务端,然后调用相关柜台api,行情api支持CTP,TAP等,数据可以记录到本地(csv文件或Mongodb数据库),策略可以采用python或c++实现。GUI是基于PyQt5,支持手动交易,策略交易,委托持仓账号等信息查看。

开发环境

本系统在开发过程中参考了已有的开源软件vnpy,kungfu等。 主要开发环境:

(1) Manjaro(arch,Linux内核4.14),python 3.7.2,gcc 9.1

(2) Ubuntu18.04,

(3) Windows 10 ,vs2015

第三方库: (1)需要系统安装:boost,libmongoc-1.0

(2)需要系统安装或者自行编译cppsrc/ 下的 nanomsg 1.0, log4cplus 2.04,yaml-cpp,fmt5.3, ta-lib,

(3)python依赖psutil,pyyaml, pyqt, qdarkstyle等包。

运行

首先需要编译完成cppsrc下的库,需要事先安装boost,nanomsg以及CTP,TAP等柜台api的动态链接库。 编译过程和原项目类似,使用 CMake 进行编译:

$ cd cppsrc
$ mkdir build
$ cd build
$ cmake ..
$ make

编译完成后将cppsrc/build/StarQuant下的可执行文件apiserver.exe拷贝到主目录运行即可启动服务端, gui界面执行gui.py即可启动,运行strategy.py可启动单独的策略进程,运行recorder.py可启动行情记录进程。

编写约定


c++参考google 的c++ guide, cpplint检查;

python 采用flake8检查,autopep8格式化;

变量命名:类名采用驼峰式,单词首字母大写,不包含_字符;类成员变量字母一般小写,后加_,如data_,全局变量加g_修饰,函数一般大小写混合形式。

使用说明


品种符号约定: 采用全名的形式:交易所 类型 商品名 合约,如SHFE F RB 1905 对于ctp,程序内部api会转换为对应的简写形式,rb1905, 行情、交易、策略之间消息传递的格式:消息头|消息内容 消息头:目的地|源地址|类型,类型有:

消息内容:对应类型的数据

Demo


TODO

本系统完成了版本1.0的beta版本,正在实盘测试中,同时在完善c++回测、向量化回测,cli界面。