前言最近群里的小伙伴都在讨论simnow的停用问题。从3月31日开始将持续一个半月，如无意外要到5月中旬才能恢复。.因此，很多从事CTA的研发人员最近可能会面临到哪里找仿真环境的问题。笔者不禁想到，几年前市面上还没有simnow的时候，要找期货模拟环境真的很麻烦。一方面要看期货公司是否部署了模拟环境。只有期货公司有模拟环境，才能进行测试；另一方面，可以交易的交易所和合约也非常有限；而且所有的单子都是需要交易对手的，不然他们根本不知道怎么撮合，所以在测试的过程中，还是要请期货公司的人帮忙下交易对手的单子，不然就得自己做自己的交易。本文的主要内容是介绍如何使用WonderTrader搭建本地模拟环境。TraderMocker简介WonderTrader在v0.3.6发布时发布了一个TraderMocker模块。基于该模块，用户可以轻松搭建一个纯本地的仿真环境，无需依赖任何第三方环境。当作者最初设计TraderMocker时，他正在为股票交易改编WonderTrader。当时连接的是中泰XTP接口。XTP更受欢迎，也更容易访问。有互联网测试环境，API也很友好。但是，市面上很多股票测试环境都存在一些问题。总结如下：有些模拟环境是基于匹配的，如果没有交易对手，根本无法进行交易。那么就永远不会出现不符合正常撮合逻辑的交易。有些模拟环境可能无法获取实时市场价格，所以无论当前价格是多少，价格如何变化，成交价格都是挂单价格显然在这种模拟环境下，策略模拟的结果其实很令人困惑。在这样的情况下，笔者决定自己开发一个仿真环境。但是，WonderTrader作为一个量化交易框架，本身是由每个用户独立部署的，没有中心化的服务。C/S仿真环境的开发需要硬件投入。对于像WonderTrader这样的开源平台，成本太高，不现实。另外，仿真环境的部署一般是根据市场和品种来部署的。对于像WonderTrader这样面向全市场、全品种的平台，成本翻了好几倍。即使作者愿意分享源代码，也没有办法不断投入资金来维护这样的模拟服务。基于这些基本考虑，TraderMocker这个完全本地化和去中心化的模拟模块应运而生。为了尽可能模拟真实的接口调用，TraderMocker在设计上也有一些特点：异步执行异步执行的主要目的是还原真实交易中的事件顺序。以下命令为例。在生产环境中，调用订单接口遵循以下数据：订单接口调用->订单结果返回->订单返回->交易返回。如果不采用异步执行机制，在订单接口返回之前会收到订单返回和交易返回，不符合生产环境的真实场景。按照价格匹配TraderMocker自然不可能是一个完整的模拟环境，所以匹配机制比较简单。但为了尽可能模拟真实的市场环境，TraderMocker会严格按照价格优先机制进行撮合。这里的撮合是指不需要交易对手的撮合，即只要满足价格条件，就直接撮合交易，并推送订单返还和成交返还。对不同品种的支持TraderMocker作为一个辅助简化的本地模拟模块，应该充分考虑对不同品种的支持。只有这样才能增加TraderMocker的应用场景。基于以上设计原则，TraderMocker也表现出一些特点：模拟程度有限。TraderMocker毕竟不是真正的撮合系统，只是利用行情来模拟下单。而且，接入市场，即使是期货，也是500ms的快照。另外，考虑到不同的市场来源有不同的档位，在匹配过程中只使用了买一卖一的数据。TraderMocker不考虑订单之间的竞争，统一按照最新tick的订单量进行处理。不适合大订单测试TraderMocker不处理影响限价订单簿的订单。主要考虑期货市场只有一级，无法衡量影响，所以简化。因此，当委托单的委托价格高于对手的价格时，直到下一个tick进来时才完成撮合，然后使用对手的价格进行撮合。这显然不符合真实场景。所以大单模拟的还原度会低一些，参考性也会低一些。TraderMocker由于其特殊性，不进行验资操作。只要订单合法，就可以下单成功。一方面，因为TraderMocker是为一般用途而设计的，它无法考虑到所有货币。如果加入验资机制，会增加复杂性。另一方面，WonderTrader的1+N执行结构实际上将策略与关注资金隔离开来。即使做了验资，也不能把问题转嫁给策略。无结算处理TraderMocker不执行结算处理以简化处理。如果引入结算机制，将会增加复杂性，并且还需要仿真器保持在线，直到收到结算价格。但在策略的实际操作中，其实主要关注的是入场价和出厂价，结算对策略的意义不大。但是，如果没有结算，所有仓位都是当前仓位。因此，对于部分品种，模拟环境中的手续费设置需要设置为与昨天相同。命令都在内存中。对于像TraderMocker这样简单的模拟模块，只会落地必要的数据。目前TraderMocker只保存仓位数据，而订单数据和交易数据只在内存中。一旦平台重启，订单和交易将消失。交易订单简化为了兼容不同品种，TraderMocker只能实现通用订单，即买卖订单和撤单。不支持其他特殊订单，如ETF申购与赎回、期权报价与执行等订单。当然，TraderMocker只是作者草草写的一个简单的模拟模块。由于使用场景有限，还有很多模拟功能没有完全实现。读者如果有兴趣，可以根据自己的需要进行完善。到时候如果愿意分享给大家，也可以提交PR。如何搭建本地模拟环境上一篇介绍了TraderMocker模块。下面的文章将介绍如何使用WonderTrader搭建这样一个本地模拟环境。搭建本地仿真环境，需要两个demo，datakit_fut和hft_fut_mocker。这两个demo作者已经提交到wtpy/demos，需要的读者可以自行获取。如果master分支没有，请到dev分支下载。行情配置datakit_fut是一个通过CTP接口落地行情数据的数据组件demo。基本配置如下：{"basefiles":{"session":"./common/sessions.json","commodity":"./common/commodities.json","contract":"./common/contracts.json","holiday":"./common/holidays.json"},"writer":{"path":"./FUT_Data/","savelog":false,"async":false,"groupsize":20},"parsers":[{"active":true,"module":"ParserCTP.dll","front":"tcp://180.168.146.187:10111","broker":"9999","user":"您的SIMNOW帐户","pass":"您的SIMNOW密码","code":"CFFEX.IF2005,SHFE.au2012"}],"broadcaster":{"active":true,"bport":3997,"broadcast":[{"host":"255.255.255.255","port":9001,"type":2}]}isinuse，将parsers部分的CTP前缀和账号密码改成生产环境，修改代码为你需要订阅的合约代码，然后启动runDT.py即可正常运行。模拟配置hft_fut_mocker是从UDP广播通道接入行情，调用TraderMocker进行模拟，配置如下：{"basefiles":{"session":"./common/sessions.json","commodity":"./common/commodities.json","contract":"./common/contracts.json","holiday":"./common/holidays.json","hot":"./common/hots.json"},"env":{"name":"hft","mode":"product","product":{"session":"TRADING"},"filters":"filters.json","费用”：“费用.json”，}，“数据”：{“商店”：{“路径”：“./FUT_Data/”}}，“交易员”：[{“活动”：真，“id”："mocker","module":"TraderMocker.dll","front":"mocker://localhost","mockerid":9999,"span":100,"newpx":true,"maxqty":100,"minqty":1,"user":"mocker9999","udp_port":9001,"savedata":true}],"parsers":[{"active":true,"id":"parser1","module":"ParserUDP.dll","host":"127.0.0.1","bport":9001,"sport":3997,"filter":""}],"bspolicy":"actpolicy.json"}从上面的配置可以看出，TraderMocker模拟器在匹配前需要从udp广播通道接收最新的行情。可能有人会有疑问：为什么不通过WonderTrader将行情数据直接从行情通道传递给TraderMocker呢？其实也很好解释，因为Trader模块解耦后，WonderTrader只和Trader交互交易数据，行情数据不在接口支持的数据范围内，所以TraderMocker只能解决问题市场准入本身。因此，TraderMocker自然会依赖数据服务器组件提供的行情广播服务。修改配置后查看策略启动入口：fromwtpyimportWtEngine,EngineTypefromstrategies.HftStraDemoimportHftStraDemoif__name__=="__main__":#创建运行环境，添加策略引擎=WtEngine(EngineType.ET_HFT)引擎。init('./common/',"config.json")engine.commitConfig()straInfo=HftStraDemo(name="hft_IF",code="CFFEX.IF.2104",expsecs=5,偏移量=100,freq=0)engine.add_hft_strategy(straInfo,'mocker')engine.run()kw=input('按任意键退出\n')最后运行run.py即可正常进行模拟测试，如图：如果有要进行股票模拟，只需要修改./common目录下相应的基础文件，在配置文件中修改行情模块的配置文件即可。如有不明之处，读者也可私信咨询作者。结论如何使用WonderTrader的模拟模块TraderMocker搭建本地模拟环境，可以概括为两步：先运行数据服务器，再运行模拟环境。通过两个简单的步骤，您可以创建一个模拟环境。我相信这对有需要的人来说是一件很容易的事情。对于想使用simnow的用户，在simnow不在的期间，只需要一个CTPs真实账户进行模拟测试即可。对于那些对券商提供的股票模拟环境不满意的人，本文介绍的策略可能会提高您的模拟测试效率。当然，笔者水平有限，TraderMocker的开发也比较仓促，难免有很多错误和疏漏。读者在使用时需要判断是否满足自己的需求。另外，模拟毕竟不是真实offer，需要仔细辨别策略的表现是否合理。最后说说WonderTraderWonderTrader旨在为量化从业者提供更好的轮子，将技术相关的东西封装在平台中，力求为策略研发带来更好的策略开发体验。WonderTrader的github地址：https://github.com/wondertrad...WonderTrader官网地址：https://wondertrader.github.iowtpy的github地址：https://github.com/wondertrad...市场有风险，投资需谨慎。以上声明仅为对历史事件的回顾，不代表对未来的看法，不作为任何投资建议。
