quant4s

一个用scala 实现的交易平台系统，支持多语言（C#, PYTHON, JAVA, R, MATLAB）编写策略，支持实盘

简介

引擎采用Scala 语言，基于Akka 架构编写，并完全采用开源化管理方案。系统可以构建在桌面系统和云服务器上。 设计目标是采用Actor模型，提供一种大数据下，高并发计算的股票算法交易方案。系统采用JDK1.8，支持LINUX, WINDOWS, MAC OS等平台。 引擎分为服务器端和客户端两个部分组成。客户端请参见quant4s-sdk。

服务器端的主要功能接收数据，高并发的指标计算。 客户端的主要功能，根据服务器提供计算好的数据判断买卖点，下单交易。

quant4s 可以胜任绝大多数的策略应用场合，但是对ns级别的高频力不从心，除此之外的策略，quant4s 都游刃有余。

更详细的内容参见WIKI

项目定位

一个策略的实盘分为 3个部分。

1. 数据源采集
2. 数据的分析和计算，为策略快速提供计算后的数据
3. 根据 数据 判断买卖点，下单交易。

1 方便的接入各种数据源；2 高效提供指标数据计算、模式匹配，是本项目的核心价值。项目提供了交易功能，同时也让用户可以选择使用其他各种语言编写的交易通道。

技术架构

参见知乎

技术特点

1. 采用了分布式部署，将策略和引擎从物理层上分离。引擎部署在服务器端，策略部署在客户端，使得执行多个策略成为可能。
2. 采用Actor模型，实现了高并发的计算，让多指标、大数据量计算不在成为性能的瓶颈
3. 将指标的计算从客户端转移到服务器端，在应用层实现了指标的共享，降低了策略开发的难度
4. 优雅的实现了跨周期策略的直接支持, 可以直接指定技术指标的数据推送的周期，参见SDK
5. 完美的提供了多语言的支持。只要语言可以访问http，可以支持zeromq，那么这种语言就可以用来编写策略
6. 优美的指标框架，可以很方便的扩展自己的技术指标
7. 提供了作业机制，可用于定期作业。比如（每天早上 9：00 推送历史数据分钟线，保证当天计算技术指标的连续性

后续的目标

1. 集成选股框架，让策略选股更容易
2. 完善系统监控界面

部署方法

1. 安装zeroMQ， 参见 http://zeromq.org/ ,
2. 克隆，编译，运行项目

git clone https://github.com/quant4s/quant4s
mvn compile
sh run.sh [linux]

扩展方法

交易接口

1. 从Brokerage派生之类
2. 修改TradeRouteActor._init, 增加支持

数据接口

1. 参照 SinaL1Actor, 构建Actor
2. 修改配置文件application.conf, 可同时支持多个数据源（不同的数据， 如果数据相同，在Tick级别时可能会报错）。