量化交易之路——系统选型和基础准备

系统选型

1，行情数据获取接口走目前流行的CTP。
2，交易接口走CTP。
3，开发语言主要采用C++/Python，用C++是为了保证效率，特别是数据在不断增加的情况下，效率会成为非常大的瓶颈，用Python是为了快速建立原型和最大化的提高开发效率，减少代码行数。
4，操作系统选型，目前个人业余时间开发主要还是先在win7系统上做开发和交易，后期成熟后会逐步迁移到linux环境以提高系统的整体运行效率，所以开发中使用的开源的库和架构一定要是跨windows和linux操作系统平台，一次编写代码将来简单的就可以移植到linux下运行。

开源库和架构
数据通讯：采用开源RPC框架。之前调研和项目中用过Thrift和RCF，RCF不需要写IDL文件，直接用类继承方式调用，使用上极其方便，但是C++服务器和Python客户端交互要用RCFProto（an RPC implementation for Google Protocol Buffers），需要写Protocol Buffers的IDL文件，这样有点麻烦了。Thrift也需要写IDL但是包含了RPC的一套框架代码，又可以C++，Python语言写的服务器客户交互。考虑到系统需要C++和Python之间的数据通信和尽量高的开发效率还是选择Thrift。
存储：目前白天IF股指期货是最活跃的品种，一天有32406条左右的Tick记录，白天加夜盘AG白银是最活跃的品种，一天有56789条左右的Tick记录，采用分表存储，以全天Tick数据量最大的AG为例，平均一年250天交易日，存储10年主力Tick数据需要存储，250*56789*10=141972500约等于1.4亿条数据的规模，也就是单表要存1.4亿条记录，又能保证开发简单，随机遍历读写性能比较高的存储系统，一般的sqlite，mysql等开源数据库系统不易做到，只能选择bdb，redis，mangodb，tc，leveldb等等kv系统，考虑到每日写入几十万条记录，频繁大量的遍历读取例如选取最近三个月的Tick数据做回测，少量的Seek读取，目前个人开发单机版，考虑性能和资源上的权衡最终选择leveldb，leveldb有winport的版本，后续可以导出移植到linux下的leveldb或分布式的nosql等系统。
压缩：采用snappy，msgpack，rar，zip等。
界面：windows C++使用Qt或MFC，Python用PyQt，界面只求简单易用，不求必须的跨平台，除了手工半自动抄单必须需要界面外，模型自动交易是可以不需要界面的，这样系统运行效率会更高。