1. 量化专题介绍
  2. 算法交易
PDF下载 下载
“”关键字 0 个。
2/10

算法交易

阅读 34726

算法交易介绍

掘金算法交易采用云服务算法模式，相比策略级算法交易或者本地算法交易有以下特点：

  • 行情/交易延迟小，委托任务的拆单算法在券商专有机房执行，专线行情+内网极速柜台接入
  • 算法可靠，服务级经典算法模型，tick级盘口分析，并提供多项控制参数
  • 运行稳定，执行过程的母单（原始委托任务）、子单（算法根据原始委托任务自动拆解的可执行委托）、回报实时推送到本地

基本规则

  • 算法交易工具仅支持股票交易
  • 部分终端版本无算法交易，以实际有算法交易的实盘为准
  • 算法交易自动拆解的子单等同于普通委托
  • 算法交易自动拆解的子单全部为限价单，且会在终端委托列表内同步显示
  • 算法交易仅管理维护本次任务算法拆解的子单，而不会参考其他等同条件下的其他单

算法适用

  • 适用于母单订单量较大的各类程序化、手工交易场景及其他频繁换仓的用户；母单执行时间大于半小时以上的交易执行，效果更加显著

算法限制

  • 如股票出现临时停牌或涨跌停时，有不能完整完成客户委托数量的可能
  • 用户当日委托的交易金额过大时，可能受到市场流动性不足的影响从而降低算法运行的效果，建议母单量不超过指定交易时段内预期成交量的15%

下单面板

算法交易下单版

点击算法交易（如果版本支持算法交易），则弹出算法交易面板，如图

算法名称：下拉选择可供使用的算法名称，不同的算法应用于不同的交易需求，后续会不断增加算法模型

  • ATS-SMART算法：根据用户委托交易特征，通过对市场高频数据的实时分析和处理，利用程序化分析动态选择最优算法执行用户委托。具有高完成度，高稳定性，高隐蔽性，低敞口等特点，在不同持仓风格场景下，中长期均体现出稳定超越TWAP/VWAP基准的效果
  • ZC-POV算法：比例成交算法（Percentage of volume），通过追踪目标股票流动性，按照市场参与度完成用户委托交易。算法针对性解决股票交易中大金额委托造成的交易冲击、目的暴露、完成率低等问题，更加贴近客户的真实委托意愿

ATS-SMART算法参数

开始时间（P1）：策略开始执行的时间（剔除非交易时间段）。如果开始时间早于策略下达时间点时，则使用下达时间作为开始时间
结束参考时间（P2）: 结束参考时间，和结束时间一致
结束时间（P3）：策略停止执行的时间（剔除非交易时间段）。过了结束时间还未完成的数量，将会自动释放到指令。算法执行的区间段，时间越短，任务执行强度（委托频率和单笔委托量）越高
结束时间是否有效:算法在结束时间是否有效,如设为无效，则以收盘时间为结束时间
涨停时是否停止卖出：标的在涨停时是否需要停止卖出
跌停时是否撤单：标的在跌停时是否需要撤单
最小交易金额：控制子单单笔委托的最小金额 该参数只适用于股票。A股单位为元
基准价格：此算法不生效

注意：p3必须晚于p2，p2必须晚于p1，交易时长必须大于3分钟，不得晚于14:55，交易数据不应该早于当前时间

ZC-POV算法参数

参与率：市场参与率，即每日委托总量占市场真实交易额的比例（上交易日参考标准），默认30%，最高委托量比例限制为45%。
基准价格：算法模型的参考基准价格，这里指限价。卖出时，当市场价格低于此价格就停止交易，再次高于此价格就恢复交易，并且补回前面应停止交易而少交易的量；买入时，当市场价格高于此价格就停止交易，再次低于此价格就恢复交易，并且补回前面应停止交易而少交易的量。当填入价格为0时，则不设置基准价。

任务列表

算法交易任务列表记录了母单任务列表及子单列表

算法交易任务列表

撤销母单：算法服务会进行撤销操作，撤销当前任务并取消所有未结子单
暂停母单：算法服务处于暂停状态，不再进行子单拆解（ATS-SMART算法不生效）
撤销子单：子单的独立撤销并不属于算法交易范畴，需要在普通委托的未结委托处进行撤销

交易接口

algo_order 算法单委托

get_algo_orders 查询算法母单

algo_order_cancel 撤销算法母单

algo_order_pause 暂停或启动算法母单（ATS-SMART算法不支持）

get_algo_child_orders 查询算法母单的所有子单

on_algo_order_status 算法单状态事件

注意:仅实盘支持算法单， 点击蓝色字体可获取接口具体用法
接口适用于：python、C++、C#

示例

ATS-SMART算法示例

  1. # coding=utf-8
  2. from gm.api import *
  3. from gm.model import DictLikeAlgoOrder
  4. from gm.pb.account_pb2 import AlgoOrder
  5. from datetime import timedelta
  8. """
  9. 算法单新增api在 sdk 的 gm.api.trade.py 文件里, 有如下函数, 具体函数签名可点进去看api文档
  11. algo_order
  12. algo_order_cancel
  13. algo_order_pause
  14. get_algo_child_orders
  15. get_algo_orders
  17. start_time    str    开始时间
  18. end_time_referred    str    结束参考时间(不能超过14:55:00)
  19. end_time    str    结束时间(不能超过14:55:00)
  20. end_time_valid    int    结束时间是否有效,如设为无效，则以收盘时间为结束时间, 1为有效， 0为无效
  21. stop_sell_when_dl    int    涨停时是否停止卖出， 1为是，0为否
  22. cancel_when_pl    int    跌停时是否撤单, 1为是， 0为否
  23. min_trade_amount    int    最小交易金额
  24. """
  26. # ATS-SMART算法示例， 仅接口使用示例
  29. def init(context):
  31.     time = (context.now + timedelta(seconds=3)).strftime('%H:%M:%S')
  32.     schedule(schedule_func=algo, date_rule='1d', time_rule=time)
  35. def algo(context):
  36.     # 算法名
  37.     algo_name = 'ATS-SMART'
  38.     # 算法参数格式如下
  39.     algo_param = {'start_time': '13:00:00', 'end_time_referred': '14:55:00', 'end_time': '14:00:00', 'end_time_valid': 1, 'stop_sell_when_dl': 1,
  40.                   'cancel_when_pl': 0, 'min_trade_amount': 100000}
  41.     symbol = 'SHSE.600008'
  42.     # 基准价， 算法母单需要是限价单
  43.     price = current(symbol)[0]['price']
  44.     aorder = algo_order(symbol=symbol, volume=2000, side=OrderSide_Buy, order_type=OrderType_Limit,
  45.                position_effect=PositionEffect_Open, price=price, algo_name=algo_name, algo_param=algo_param)
  47.     # 提取算法单的 cl_ord_id 委托客户端ID, 用于其它api的查询, 或者撤单时用
  48.     context.algo_order_id = aorder[0]['cl_ord_id']
  50.     #  撤销指定cl_ord_id的算法母单
  51.     # aorders = get_algo_orders(account='')
  52.     # wait_cancel_orders = [{'cl_ord_id': aorders[0]['cl_ord_id'], 'account_id': aorders[0]['account_id']}]
  53.     # algo_order_cancel(wait_cancel_orders)
  57. def on_order_status(context, order):
  58.     # 算法子单已成
  59.     if order['status'] == 3:
  60.         # 查询指定cl_ord_id算法母单的所有子单
  61.         child_order = get_algo_child_orders(context.algo_order_id, account='')
  62.         print('算法子单: child_order ={}'.format(child_order))
  66. def on_algo_order_status(context, algo_order):
  67.     # type: (Context, DictLikeAlgoOrder) -> NoReturn
  68.     """
  69.     算法单状态事件. 参数algo_order为算法单的信息
  70.     响应算法单状态更新事情，下算法单后状态更新时被触发
  71.     3.0.125 后增加.
  72.     """
  73.     print('算法单状态变化: algo_order={}'.format(algo_order))
  75.     # 算法母单已报
  76.     if algo_order['status'] == 1:
  77.         # 查询算法母单， 默认账户account填空
  78.         aorders = get_algo_orders(account='')
  79.         print('算法母单: aorders ={}'.format(aorders))
  82. if __name__ == '__main__':
  83.     '''
  84.     strategy_id策略ID,由系统生成
  85.     filename文件名,请与本文件名保持一致
  86.     mode实时模式:MODE_LIVE回测模式:MODE_BACKTEST
  87.     token绑定计算机的ID,可在系统设置-密钥管理中生成
  88.     backtest_start_time回测开始时间
  89.     backtest_end_time回测结束时间
  90.     backtest_adjust股票复权方式不复权:ADJUST_NONE前复权:ADJUST_PREV后复权:ADJUST_POST
  91.     backtest_initial_cash回测初始资金
  92.     backtest_commission_ratio回测佣金比例
  93.     backtest_slippage_ratio回测滑点比例
  94.     '''
  95.     run(strategy_id='3acc8b6e-af54-11e9-b2de-00163e0a4100',
  96.         filename='main.py',
  97.         mode=MODE_LIVE,
  98.         token='2c4e3c59cde776ebc268bf6d7b4c457f204482b3',
  99.         backtest_start_time='2020-11-02 08:00:00',
  100.         backtest_end_time='2020-11-02 16:00:00',
  101.         backtest_adjust=ADJUST_PREV,
  102.         backtest_initial_cash=10000000,
  103.         backtest_commission_ratio=0.0001,
  104.         backtest_slippage_ratio=0.0001)

ZC-POV算法示例

  1. # coding=utf-8
  2. from gm.api import *
  3. from gm.model import DictLikeAlgoOrder
  4. from gm.pb.account_pb2 import AlgoOrder
  5. from datetime import timedelta
  8. """
  9. participation_rate 市场参与率，单位%(5.0 表示5%），默认30，即30%，最大值为45
  11. """
  14. # ZC-POV算法示例， 仅接口使用示例
  15. def init(context):
  16.     time = (context.now + timedelta(seconds=3)).strftime('%H:%M:%S')
  17.     schedule(schedule_func=algo, date_rule='1d', time_rule=time)
  20. def algo(context):
  21.     # 算法名
  22.     algo_name = 'ZC-POV'
  23.     symbol = 'SHSE.600007'
  24.     # 基准价， 算法母单需要是限价单
  25.     price = current(symbol)[0]['price']
  26.     # 算法参数格式如下
  27.     algo_param = {"participation_rate" : 15, "price": price}
  29.     aorder = algo_order(symbol=symbol, volume=1000, side=OrderSide_Buy, order_type=OrderType_Limit,
  30.                position_effect=PositionEffect_Open, price=price, algo_name=algo_name, algo_param=algo_param)
  31.     print(aorder)
  32.     # 提取算法单的 cl_ord_id 委托客户端ID, 用于其它api的查询, 或者撤单时用
  33.     context.algo_order_id = aorder[0]['cl_ord_id']
  34.     #  撤销指定cl_ord_id的算法母单
  35.     # aorders = get_algo_orders(account='')
  36.     # wait_cancel_orders = [{'cl_ord_id': aorders[0]['cl_ord_id'], 'account_id': aorders[0]['account_id']}]
  37.     # algo_order_cancel(wait_cancel_orders)
  40. def on_order_status(context, order):
  41.     # 算法子单已成
  42.     if order['status'] == 3:
  43.         # 查询指定cl_ord_id算法母单的所有子单
  44.         child_order = get_algo_child_orders(context.algo_order_id, account='')
  45.         print('算法子单: child_order ={}'.format(child_order))
  48. def on_algo_order_status(context, algo_order):
  49.     # type: (Context, DictLikeAlgoOrder) -> NoReturn
  50.     """
  51.     算法单状态事件. 参数algo_order为算法单的信息
  52.     响应算法单状态更新事情，下算法单后状态更新时被触发
  53.     3.0.125 后增加.
  54.     """
  55.     print('算法单状态变化: algo_order={}'.format(algo_order))
  56.     # 算法母单已报
  57.     if algo_order['status'] == 1:
  58.         # 查询算法母单， 默认账户account填空
  59.         aorders = get_algo_orders(account='')
  60.         print('算法母单: aorders ={}'.format(aorders))
  63. if __name__ == '__main__':
  64.     '''
  65.     strategy_id策略ID,由系统生成
  66.     filename文件名,请与本文件名保持一致
  67.     mode实时模式:MODE_LIVE回测模式:MODE_BACKTEST
  68.     token绑定计算机的ID,可在系统设置-密钥管理中生成
  69.     backtest_start_time回测开始时间
  70.     backtest_end_time回测结束时间
  71.     backtest_adjust股票复权方式不复权:ADJUST_NONE前复权:ADJUST_PREV后复权:ADJUST_POST
  72.     backtest_initial_cash回测初始资金
  73.     backtest_commission_ratio回测佣金比例
  74.     backtest_slippage_ratio回测滑点比例
  75.     '''
  76.     run(strategy_id='strategy_id',
  77.         filename='main.py',
  78.         mode=MODE_LIVE,
  79.         token='token',
  80.         backtest_start_time='2020-11-02 08:00:00',
  81.         backtest_end_time='2020-11-02 16:00:00',
  82.         backtest_adjust=ADJUST_PREV,
  83.         backtest_initial_cash=10000000,
  84.         backtest_commission_ratio=0.0001,
  85.         backtest_slippage_ratio=0.0001)
0 篇笔记
分享笔记
联系我们
掘金交流群
掘金交流群
更多群组
微信公众号
微信公众号