聊聊最近的一个项目/你做了什么/你印象最深的功能点

外汇在线交易系统(匹配引擎)

首先需要明确一点,外汇交易和传统的B2C电商系统交易完全不同,证券交易系统提供的买卖标的物是标准的数字化资产,如美元、股票、比特币等等,它们的特点是数字计价,可分割买卖,也就是说,当我们发起买盘申请的时候,需要有价格对应的卖盘响应,才能真正完成交易,反之亦然。

具体逻辑是:所有买盘或者卖盘的订单队列都传递给匹配引擎,匹配引擎尝试将它们的价格进行匹配。该匹配队列分为买单(按价格升序排列,出价最高的优先交易)和卖单(按降序排列,卖价最低的优先交易)。如果外汇订单找不到与匹配的价格,那么该订单就继续保存在订单队列中的原适当位置。

这里我们以实际的案例来看一下相关匹配算法的实现,假设我有两个订单队列,一个买盘,一个卖盘:

#买盘  
价格 数量  
100  50  
100  10  
90   5  
88   3

#卖盘  
价格 数量  
170  50  
180  40  
199   10  
200   5

最常见的匹配算法就是“价格/时间优先”队列。订单主要根据价格进行匹配,如果以相同的价格水平存在多个订单,则最早的订单将首先被匹配,这也和队列原理相同:先入先出。

如上所示,假设有两个订单紧挨着。第一个是以100块钱的价格买入50股的买入订单,第二个也是以相同价格买入10股的买入订单。鉴于订单与任何卖价都不匹配(由于其价格低于最低的卖价),所以它们都被放置在订单队列中。第一订单和第二订单以相同的价格水平存储,但是由于时间优先,前者比后者具有优先权。这基本上意味着,第一个订单将被放置在买入队列中的第二个订单的前面。

而卖盘同理,首先卖价最低的优先交易,如果卖价相同,则时间优先,先进队列的先交易,可是很多散户都遇见过一种情况,就是如果手里的一支股票连续跌停,就算拼命挂低价单也很难卖出去,甚至可能直接跌到退市血本无归,这是为什么呢?

因为当一只股票跌停时,也意味着有一大堆筹码堆积在跌停板上,想卖出去是不容易的,得排队,理论上按照“时间优先、价格优先”的交易原则排队成交,但跌停的情况下,只存在“时间优先”的考虑,也就是说,如果想在封死跌停板时把股票卖出去,就得尽早对该股票挂跌停板价格卖出。

可实际上,一只股票跌停,不光是小部分散户卖不出去,而是大多数散户都卖不出去,都在恐慌性出货,大家都在排队卖。更何况,股票买卖是通过券商进行的,而券商有VIP快速通道也不是什么秘密,一些大资金的大户、游资、机构享有券商优待,或通过租用通道实现对盘面的快速优先买卖,这也导致了在股票涨停板抢筹、跌停板出货时存在一定的“不公平”性,也就说,交易队列并非完全遵照“价格/时间”定序,还有可能出现优先级(加权)队列,所以,跌停时跑不了,涨停时买不进就不是什么新鲜事了。

另外,还需要注意匹配算法中的价格一直而数量匹配填充的问题,假设买单10块挂单50手,卖单10块挂单30手,则匹配的价格为10块钱,在买一卖一各显示30手,买单队列首位置就会有20手在排队,如下所示:

#买盘  
价格 数量  
10  50  


#卖盘  
价格 数量  
10 30  
11  50

经过匹配算法之后:

#买盘  
价格 数量  
10  20  


#卖盘  
价格 数量  
11  50

具体实现

了解了基本概念,让我们用Python3具体实现,首先需要定义两个类,订单和交易,订单对象作为匹配算法之前的元素,而交易对象则是匹配之后的成交对象:

class Order:  

    def __init__(self, order_type, side, price, quantity):  
        self.type = order_type  
        self.side = side.lower()  
        self.price = price  
        self.quantity = quantity  

class Trade:  

    def __init__(self, price, quantity):  
        self.price = price  
        self.quantity = quantity

紧接着我们来实现订单队列:

class OrderBook:  

    def __init__(self, bids=[], asks=[]):  

        self.bids = sorted(bids, key = lambda order: -order.price)  
        self.asks = sorted(asks, key = lambda order: order.price)  

    def __len__(self):  
        return len(self.bids) + len(self.asks)  

    def add(self, order):  
        if order.type == 'buy':  
            self.bids.append(order)  
        elif order.type == 'sell':  
            self.asks.append(order)  

    def remove(self, order):  
        if order.type == 'buy':  
            self.bids.remove(order)  
        elif order.type == 'sell':  
            self.asks.remove(order)

这里的订单队列很容易地实现为具有两个排序列表的数据结构,其中两个列表包含两个按价格排序的订单实例。一种按升序排序(买单),另一种按降序排序(卖单)。

下面来实现系统的核心功能,匹配引擎:

from collections import deque  

class MatchingEngine:  

    def __init__(self):  

        self.queue = deque()  
        self.orderbook = OrderBook()  
        self.trades = deque()

首先,我们需要两个FIFO队列;一个用于存储所有传入的订单,另一个用于存储经过匹配后所有产生的交易。我们还需要存储所有没有匹配的订单。

之后,通过调用.process(order)函数将订单传递给匹配引擎。然后将匹配生成的交易存储在队列中,然后可以依次检索(通过匹配引擎交易队列),也可以通过调用.get_trades()函数将其存储在列表中。

def process(self, order):  
        self.match(order)  

def get_trades(self):  
        trades = list(self.trades)  
        return trades

随后就是匹配方法:

def match(self, order):  
        if order.side == 'buy':  


            filled = 0  
            consumed_asks = []  


            for i in range(len(self.orderbook.asks)):  
                ask = self.orderbook.asks[i]  

                if ask.price > order.price:  
                    break # 卖价过高  
                elif filled == order.quantity:  
                    break # 已经匹配  

                if filled + ask.quantity <= order.quantity:   
                    filled += ask.quantity  
                    trade = Trade(ask.price, ask.quantity)  
                    self.trades.append(trade)  
                    consumed_asks.append(ask)  
                elif filled + ask.quantity > order.quantity:   
                    volume = order.quantity-filled  
                    filled += volume  
                    trade = Trade(ask.price, volume)  
                    self.trades.append(trade)  
                    ask.quantity -= volume  

            # 没匹配成功的  
            if filled < order.quantity:  
                self.orderbook.add(Order("limit", "buy", order.price, order.quantity-filled))  

            # 成功匹配的移出订单队列  
            for ask in consumed_asks:  
                self.orderbook.remove(ask)  


        elif order.side == 'sell':  

            filled = 0  
            consumed_bids = []  
            for i in range(len(self.orderbook.bids)):  
                bid = self.orderbook.bids[i]  

                if bid.price < order.price:  
                    break   
                if filled == order.quantity:  
                    break   

                if filled + bid.quantity <= order.quantity:   
                    filled += bid.quantity  
                    trade = Trade(bid.price, bid.quantity)  
                    self.trades.append(trade)  
                    consumed_bids.append(bid)  
                elif filled + bid.quantity > order.quantity:   
                    volume = order.quantity-filled  
                    filled += volume  
                    trade = Trade(bid.price, volume)  
                    self.trades.append(trade)  
                    bid.quantity -= volume  


            if filled < order.quantity:  
                self.orderbook.add(Order("limit", "sell", order.price, order.quantity-filled))  


            for bid in consumed_bids:  
                self.orderbook.remove(bid)  
        else:  

            self.orderbook.add(order)

逻辑上并不复杂,基本上就是在订单队列中遍历,直到收到的订单被完全匹配为止。对于每个匹配成功的订单,都会创建一个交易对象并将其添加到交易队列中。如果匹配引擎无法完全完成匹配,则它将剩余量作为单独的订单再添加会订单队列中。

当然了,为了应对高并发场景,实现每秒成千上万的交易量,我们可以对匹配引擎进行改造,让它具备多任务异步执行的功能:

from threading import Thread  
from collections import deque  

class MatchingEngine:  

    def __init__(self, threaded=False):  

        self.queue = deque()

        self.orderbook = OrderBook()

        self.trades = deque()

        self.threaded = threaded  
        if self.threaded:  
            self.thread = Thread(target=self.run)  
            self.thread.start()

改造线程方法:

def process(self, order):  
        if self.threaded:  
            self.queue.append(order)  
        else:  
            self.match(order)

results matching ""

    No results matching ""