-
WonderTrader是一个基于C++核心模块的，适应全市场全品种交易的，高效率、高可用的量化交易开发框架。- 面向于专业机构的整体架构
- 数十亿级的实盘管理规模
- 从数据落地清洗、到回测分析、再到实盘交易、运营调度，量化交易所有环节全覆盖
-
WonderTrader依托于高速的C++核心框架，高效易用的应用层框架（wtpy），致力于打造一个从研发、交易、到运营、调度，全部环节全自动一站式的量化研发交易场景。 -
WonderTrader的基本架构图
- 丰富的交易引擎
- CTA引擎，也叫同步策略引擎，一般适用于标的较少，计算逻辑较快的策略，事件+时间驱动。典型的应用场景包括单标的择时、中频以下的套利等。
- SEL引擎，也叫异步策略引擎，一般适用于标的较多，计算逻辑耗时较长的策略，时间驱动。典型应用场景包括选股系统、多因子CTA等。
- HFT引擎，也叫高频策略引擎，主要针对高频或者低延时策略，事件驱动。
- 完善的开发接口
- 高效易用的数据接口：每个策略都会有独立的上下文模块，上下文会自动缓存策略所需要的数据，策略直接调用即可。
- 简洁的信号接口：策略只需要设置目标仓位，后台自动执行。
- 上下文无关的策略逻辑：策略不需要自己记录任何数据，每次只需要向接口查询即可，数据全部缓存在内存中，访问效率有保障。
- 专业的策略管理
- 策略组合统一管理：采用策略组合的方式，主要为了配合专业机构的产品管理。一个组合盘，对应若干个策略的若干个标的，再设置一个基本的单位资金量，这就是产品管理的基本组合盘，方便扩展。
- 目标仓位合并执行：目标仓位合并以后，避免了自成交的风险，同时降低了保证金占用和佣金开销。
- 理论部位独立存储：策略的理论部位是独立存储的，组合盘的整体绩效也是独立核算的，轻松胜任内部管理。
- 全类型的回测支持
- 语言支持全：不论是
C++开发的策略还是wtpy下开发的python策略，或者其他语言子框架下开发的策略，都在统一的回测引擎中统一回测。 - 回测效率高：回测引擎采用
C++开发，回测效率高，速度快。不管是C++策略还是Python策略，都能快速验证。 - 策略支持完备：除了CTA策略、SEL策略可以回测，HFT策略和执行单元也能回测
- 语言支持全：不论是
- 高效的数据伺服
- 本地数据伺服：
WonderTrader内置的存储引擎采用本地存储，在本地建立数据伺服，通过udp端口广播实时行情，实现1+N的服务结构，可以同时向多个组合盘提供无差别数据服务。专业数据供应商级别的架构，支持搭建多级分发体系，轻松应对各种需求场景。 - 缓存历史数据：交易过程中，历史数据全部缓存到内存中，同时采用内存直接引用内存数据切片的机制，从根本上避免数据拷贝，提高访问效率。
- 高效存储引擎：实时数据采用
mmap文件，读写高速并且不会丢失数据。同时支持mysql数据库存储历史数据，更方便在此基础上搭建自有的投研数据库。
- 本地数据伺服：
- 灵活的风险控制
- 组合盘资金风控：组合盘有预设的资金规模，可以针对组合盘的虚拟资金，进行组合盘的资金风控。最大的优点是，如果组合盘处于下行阶段，触发风控以后，即使资金账户没有打到风控线，也不会再继续下行了。
- 通道流量风控：主要针对合规风险，控制的是总撤单笔数、短时间内下单次数和撤单次数等指标。
- 账户资金风控：和一般意义上的资金风控一致，主要控制账户资金的回撤等。
- 紧急人工介入：提供一个紧急的人工介入的入口，通过上传一个配置文件，达到控制的目的。主要适用于单品种出现风险，如果全市场风险，人工停止系统即可。
- 离合器机制：离合器机制依托于信号和执行分离的机制的，主要是如果策略或组合发生风险，通过离合器机制，直接断开信号执行。优点是不影响策略的逻辑，只断开信号的执行，可以继续观察策略在特定行情阶段的表现，和理论研究相互印证。
- 强大的控制台（wtpy的监控服务）
- 组合盘运行监控：可以查看实时运行日志、策略理论数据、交易通道数据等，并提供手动启停的入口。
- 自动调度服务：全自动调度定时任务（启动、停止、重启），支持按周设置任务重复，支持进程守护。
- 实时事件通知：监控服务接收组合盘推送的事件，然后转发给监控端，提示给用户。
- 全自动远程部署(在建)：全自动在线远程部署，提供回测环境、实盘环境等多种应用场景的自动化部署服务。
- 在线回测分析(在建)：全自动远程部署以后，提供在线回测服务，并进行结果分析和图形化展示。
- 组合盘运行监控：可以查看实时运行日志、策略理论数据、交易通道数据等，并提供手动启停的入口。
- 团队内控
策略组合管理的方式，给团队内部管理提供了完美的解决方案。
- 一方面，不同投研人员，不同的策略可以组合成一个组合运行，而且每个策略都有自己的理论部位，即使交易相同标的也不会互相干扰；
- 另一方面，C++级别的代码可以提供最大的策略保密性，投研人员不用担心策略的泄露；
- 策略的绩效是独立核算的，团队内部的考核指标可以很容易实现。
- 多账户交易（多产品配置）
对于不同行情周期下的策略组合，一般团队都会有一个当下最适应的策略组合。但是同一时期，团队可能会同时管理很多个账户，而其实这些账户用到的策略组合都是相同的。这个时候
WonderTrader平台提供的1+N执行架构就能够完美的满足这个需求。- 首先，策略组合有自己的单位资金容量和对应的风险参数，以及各个策略的单位交易数量；
- 其次，不同的账户有不同的资金规模和风险偏好，这个时候只需要根据这些要求配置不同的手数倍率即可；
假如某组合盘P基本资金规模为500w，预期收益30%，最大回撤10%，收益风险比3:1；A账户使用该组合盘P交易，A账户的资金量为1000w，可以接受的最大回撤也是10%；B账户也使用该组合盘P交易，资金量也是1000w，但是可以接受的最大回撤为20%；这个时候因为A账户风险参数和基本盘一致，所以A账户的手数放大倍数为资金规模/基本盘的资金规模=1000w/500w=2倍；B账户因为可以忍受最大回撤20%，所以手数比例还要再放大一倍，即B账户可以配置4倍。
- 第三，不同的账户可以配置独立的风控逻辑，账户之间不会互相影响。
- 多标的跟踪
一些用解释型语言（如
Python）开发核心模块的量化交易平台，在标的数不多的情况下，能够胜任各种不同的应用场景。但是当需要跟踪的标的数达到100个以上，甚至是50个以上时，就无法满足需求了。一方面资源占用大，利用multiprocess等机制，虽然各个标的独立运行，但是上百个标的就要新建上百个进程，内存和CPU开销都非常大；另一方面策略效率低，资源争强严重的情况下，策略反应也会变慢。 WonderTrader核心采用C++开发，数据伺服更是一开始就设计成向多个组合同时提供服务的架构，同时策略和执行剥离，信号执行和策略计算完全在两个不同的线程中独立运行。在这样的架构下，就能够很好的满足多标的跟踪的需求。 - 大计算量策略
一些策略计算量会非常惊人，比较典型的就是选股策略，不管是用多因子也好，还是基本面也好，都会从数千只股票中，逐步筛选，从而得到最后的目标股池。另外，一些多标的的多因子框架也具有较大的计算量。这样的策略，计算量非常庞大，耗时也长。
WonderTrader的SEL引擎就是为了满足这方面的需求而定制的。SEL引擎采用异步时间驱动的模式，通过向引擎注册重算时间调度（支持日内，每日、每周、每月的等多种周期），定时触发重算，然后调整多标的的目标仓位，从而输出信号。
wtpy是构建在WonderTrader核心模块之上的，使用Python3开发的WonderTrader的Python3子框架Python作为量化领域最流行的语言，在时序数据处理上有许多非常受欢迎的强大的第三方库Python作为一种解释型语言，代码编写和调试都非常方便，不需要编译就可以直接运行Python的跨平台属性也使Python可以应用到更多的场景中wtpy主要功能是作为WonderTrader在Python语言的外延- 同时
wtpy还内置了一个强大的监控服务组件WtMonSvr。该组件提供了远程的webui的监控界面，可以实时监控策略组合的运行情况，还提供全天24×7的自动调度服务，为你的交易保驾护航。
-
WonderTrader的github地址：https://github.com/wondertrader/wondertrader -
wtpy的github地址：https://github.com/wondertrader/wtpy -
wtpy获取地址：https://pypi.org/project/wtpy/wtpy可以直接在python3.5以上的版本安装pip install wtpy
WonderTrader开源以后，虽然没有专门进行过推广，但是也吸引了一些愿意第一批吃螃蟹的用户。WonderTrader还不够成熟的当下，还能够得到这些用户的认可，这是WonderTrader开发团队的荣幸。在这里要特别感谢@sibaba8888，他提出了不少宝贵的改进意见，同时也要感谢@sunphoenix，他给我们也提供了很多的有用的信息。
- 关注公众号
wondertrader，可以收到WonderTrader的实时资讯 - 用户交流QQ群上线：
610730738(加入前请先star一下, 然后提供github用户名) - 更多
WonderTrader的文档请看https://wondertrader.github.io/