高頻交易c代碼

Ⅰ C++還是Java 哪個響應高頻交易應用比較快

看優化吧，C++的內存要自動釋放，如果代碼行數在10萬以上，建議不要用C++ 可以採用純C（核心演算法） + JAVA的方式進行優化。

Ⅱ C++還是Java 哪個響應高頻交易應用比較快

概述高頻交易的最佳解決方案是什麼？對於這個問題，觀點一直比較沖突，部分原因是人們不知道什麼叫高頻交易並且與人們想像的總是存在差異，其次是速度問題，用哪種語言開發速度會快點，本文作者拿當今非常流行的C++和Java這兩種語言進行比較。如果你是一個典型的Java和C++程序員，並且用這兩種語言編寫過典型的面向對象程序。在相同的時間下面編寫高頻解決方案，Java程序員有可能會提前完成程序並且有時間調整應用程序。在這種情形下，恕我直言，Java應用程序的速度會快些。以我的經驗，Java在執行上會好於C++，因為Java進行微基準測試，其實它沒有做什麼事情。但是如果沒有時間限制，對Java和C++程序進行調優，那麼C++程序會比Java快些。然而，考慮到資源的有限性和環境的不斷變化，一個充滿活力的語言可能會現實應用中超常發揮。在股票交易這種高頻市場，即使延遲10微秒都需要認真對待。 Java甚至標準的OOP C++，用在商業硬體上都不是最佳選擇，你需要藉助C或者精簡版的C++和一些專業的硬體工具，例如FPGAs、GPUs。然而，在外匯（FX：Foreign Exchange）市場，高頻意味著延遲時間不低於100微秒。在這個的環境下，C++或者Java（低GC）都是個不錯的選擇。個人認為，在不斷變化的交易場所，Java擁有更多的靈活性。當人們討論高頻率時，尤其是在做銀行系統的時候，他們想把時間縮短1毫秒或者單單幾毫秒。在這樣的情況下，我會說，靈活/多態的Java、Scala或者C#等語言在編程時間上將會更加充裕，可維護性或可靠性優勢將會超過C/C++或FPGA。Java所面臨的問題問題不在於這樣的語言上，而是缺乏緩存控制和上下文交互。如果你復制一塊在本地已經操作過的內存，但是在運行之間使用不同的延遲，副本將會變慢。原因是部分緩存被交換出去，而復制本身也需要一些時間。這和訪問內存的任何操作是一樣的。例如，訪問計劃對象將會更慢。private void doTest(Pauser delay) throws InterruptedException { int[] times = new int[1000 * 1000]; byte[] bytes = new byte[32* 1024]; byte[] bytes2 = new byte[32 * 1024]; long end = System.nanoTime() + (long) 5e9; int i; for (i = 0; i < times.length; i++) { long start = System.nanoTime(); System.array(bytes, 0, bytes2, 0, bytes.length); long time = System.nanoTime() - start; times[i] = (int) time; delay.pause(); if (start > end) break; } Arrays.sort(times, 0, i); System.out.printf(delay + ": Copy memory latency 1/50/99%%tile %.1f/%.1f/%.1f us%n", times[i / 100] / 1e3, times[i / 2] / 1e3, times[i - i / 100 - 1] / 1e3 ); } 這個測試其實是在多次執行同一件任務，在執行之間使用不同的延時。其中大部分時間都花在本地方法上，在測試期間沒有創建或拋棄對象。YIELD: Copy memory latency 1/50/99%tile 1.6/1.6/2.3 us NO_WAIT: Copy memory latency 1/50/99%tile 1.6/1.6/1.6 us BUSY_WAIT_10: Copy memory latency 1/50/99%tile 2.8/3.5/4.4 us BUSY_WAIT_3: Copy memory latency 1/50/99%tile 2.7/3.0/4.0 us BUSY_WAIT_1: Copy memory latency 1/50/99%tile 1.6/1.6/2.5 us SLEEP_10: Copy memory latency 1/50/99%tile 2.2/3.4/5.1 us SLEEP_3: Copy memory latency 1/50/99%tile 2.2/3.4/4.4 us SLEEP_1: Copy memory latency 1/50/99%tile 1.8/3.4/4.2 us -XX+Java 7的UseLargePagesYIELD: Copy memory latency 1/50/99%tile 1.6/1.6/2.7 us NO_WAIT: Copy memory latency 1/50/99%tile 1.6/1.6/1.8 us BUSY_WAIT_10: Copy memory latency 1/50/99%tile 2.7/3.6/6.6 us BUSY_WAIT_3: Copy memory latency 1/50/99%tile 2.7/2.8/5.0 us BUSY_WAIT_1: Copy memory latency 1/50/99%tile 1.7/1.8/2.6 us SLEEP_10: Copy memory latency 1/50/99%tile 2.4/4.0/5.2 us SLEEP_3: Copy memory latency 1/50/99%tile 2.3/3.9/4.8 us SLEEP_1: Copy memory latency 1/50/99%tile 2.1/3.3/3.7 us 上面是最好的三種運行。進行內存拷貝的典型時間（中間值）是1.6到4.6微秒，依據是否有線程在繁忙等待或休眠狀態上使用了1到10毫秒。這大概是3倍的比率，並且與Java無關，這是因為它沒有真正的控制權。即使在最好的情況下時間差大概也是2倍。代碼ThreadlatencyTest.java總結在極端高頻情況下，核心引擎一般會用C、匯編和定製的硬體實現比使用C++或JAVA面向對象實現的方式多。由於延遲需求不再那麼緊張（指當基礎平台使用C/C++搭建架構之後，應用平台層面，時間響應已不是很重要，反而開發響應更重要）。因此Java和其他動態語言可能會變得更富有成效，在這種情形下，選擇Java或許可以幫你輕松應對不斷變化的市場/需求。

Ⅲ 外匯高頻交易

高頻交易一般都是美股里才用吧，據我所知很多外匯交易員都是美股交易員出身，尤其是DT，在訓練的時候很多都會著重訓練搶單出單的速度
建議可以去金獅匯咨詢他們的金牌分析師！

Ⅳ 300ETF為什麼有兩個一個代碼是159919，一個代碼是510300，這兩個有什麼區別

300ETF有兩個品種，滬深兩市各一個：510300是華泰柏瑞滬深300ETF，在滬市；159919是嘉實滬深300ETF，在深市。兩者規則有微小的差別，但對於散戶而言沒什麼不同。

跟普通股票買賣完全一樣，沒限制。

(4)高頻交易c代碼擴展閱讀：

滬深300ETF是以滬深300指數為標的的在二級市場進行交易和申購/贖回的交易型開放式指數基金。投資者可以在ETF二級市場交易價格與基金單位凈值之間存在差價時進行套利交易。滬深300ETF是中國市場推出的重量級ETF基金。 標的指數：滬深300指數。

對中小投資者

長期投資：滬深300指數涵蓋了滬深市場六成左右的市值，能夠很好地代表中國經濟發展得方向，價值特徵明顯。因此,對於長期價值投資者來說，不妨可以用滬深300ETF長期配置中國經濟；

中期波段：歷史數據顯示，滬深300指數在產業景氣加速中後期和產業周期交替收縮期表現較優。因此，華泰柏瑞滬深300ETF既是產業景氣加速中後期的進攻選擇，同時也是產業周期交替收縮期的防禦選擇（價值防禦）；

短線博差價：喜歡做短線搏差價的投資者，則可以利用ETF充分體驗短線波段操作的樂趣。

投資者可以用滬深300ETF做哪些策略：

簡單套利：於指數期現套利交易者，滬深300ETF是滬深300指數較為匹配的現貨；

鮮明配對：於指數配對/對沖交易者，滬深300指數與中證500指數/中小板指，作為全市場典型的大中盤指數和中小盤指數，其配對交易特徵明顯，歷史上也出現過較多的良好的配對交易機會；

高頻進出：於指數日內交易者，首個支持一二級市場之間T+0交易模式的跨市場ETF，未來日內高頻交易者可以運用華泰柏瑞滬深300ETF來實現對於市場代表性指數（滬深300指數）的日內高頻交易；

高效套利：於指數ETF瞬時套利者，滬深300ETF的T+0交易模式基本維持了當前單市場ETF的做法：一方面能保證ETF瞬時套利的高效實時性，從而套利過程中的不確定性小；另一方面基本維持了單市場ETF套利中資金的高運轉效率，無論是溢價方向還是折價方向套利，都能方便地實現當日實時現金到現金的高資金周轉效率。

參考資料：網路：滬深300ETF

Ⅳ 關於股指期貨的高頻交易方法。 有的公司對新來的交易員培訓首先訓練小鍵盤，而有的不用

那些公司應該是騙人的吧！三個月就可以培訓個交易員這個是不真實的，最有可能是讓你免費幫他們找客戶，或者是給個帳號給你，要你轉錢進去操作，盈利多少時能讓你做交易員，在你交易時產生的交易費用全打到公司的帳號（這是期貨公司的秘密），還有交易員說白了就是股票的散客，操作的資金全是自己出的，公司是不是免費提供給你，因為三個月的培訓是沒法成為交易員，培養一個交易員是用錢養出來的，沒有一兩千萬是養不出來的。。。。

Ⅵ 高頻交易和量化交易到底有什麼區別

從歷史上看，很多高頻交易公司的創始人都是交易員出身，原來就從事衍生品的做市、套利等業務。一開始這些工作並不需要多高深的知識。隨著計算機技術的發展，交易的自動化程度和頻率也逐漸提高，這些公司逐漸聘請一些數學、統計、計算機背景較強的人員加入以適應形勢的發展。當然，這個過程也出現了一些分化，有的公司還是保留了交易員在公司的主導地位，並且始終未放棄人工交易，最終形成了人機結合的半自動交易；而另外一些公司對新鮮技術的接受程度更高一些，往往採取全自動的交易模式。事實上，也沒有證據表明全自動交易的公司就比半自動交易的公司更為優越，到目前為止，也只能說是各有利弊。
人工交易的最大弊端在於手動下單的地方離交易所較遠，在行情劇變的時候往往搶不到單。在這一點上，全自動交易的公司可以通過託管機房來最大程度減少信號傳輸的時間，不過自動化交易往往因為程序過於復雜，加上很多公司人員流動較大，在程序的維護上會出現一些失誤，最終程序出錯釀成大禍，比如著名的騎士資本。
至於過度擬合無法抵禦黑天鵝事件，那是人工交易和自動交易都無法避免的問題。一般來說，Getco、Jane Street、SIG、Virtu Financial等是半自動交易，Tower Research、Hudson River Trading、Jump Trading等是全自動交易。
量化投資公司跟高頻交易公司則有很大的不同。首先，美國的量化投資公司基本上都是量化背景極強的人創辦的，比如說文藝復興的創始人西蒙斯是數學家出身，DE Shaw的創始人David Shaw是計算機教授出身，AQR的創始人Cliff Asness是金融學家出身，而高頻交易公司則更多是傳統交易員創辦的；其次，量化投資一般依賴於復雜的模型，而高頻交易一般依賴於運行高效的代碼。
量化投資公司的持倉時間往往達到1—2個星期，要預測這么長時間的價格趨勢需要處理的信息自然非常龐大，模型也因此更為復雜，對程序的運行速度反而沒那麼敏感；高頻交易處理信息的時間極短（微秒或毫秒級），不可能分析很多的信息，因此模型也趨於簡單，競爭優勢更多依靠代碼運行的效率，很多人甚至直接在硬體上寫程序；而最後，量化投資的資金容量可達幾百億美元，而高頻交易公司往往只有幾千萬至幾億美元，但由於高頻交易的策略表現遠比量化投資穩定，如Virtu Financial交易1238天只虧1天，因此一般都是自營交易，而量化投資基金一般來說都是幫客戶投資。

Ⅶ 以C++為核心語言的高頻交易系統是如何做到低延遲的

我認為並不是c++的效率是決定因素。

結語

首先你要考慮的是，你的速度要求有多高，或者你的交易策略真的需要這么高的速度嗎?第二個是輸入輸出比率，不管你的演算法是否真的能賺到足夠的錢來支持你做所有層次的優化。

Ⅷ 什麼是高頻交易系統

1、高頻交易系統概述

高頻交易是指從那些人們無法利用的極為短暫的市場變化中尋求獲利的計算機化交易。

比如，某種證券買入價和賣出價差價的微小變化，或者某隻股票在不同交易所之間的微小價差。

這種交易的速度如此之快，以至於有些交易機構將自己的「伺服器群組」(server farms) 安置到了離交易所的計算機很近的地方，以縮短交易指令到達交易所的距離。

2、高頻交易系統特點

（1）交易指令完全由電腦發送，對市場數據的響應延時在微秒級，有的甚至是納秒級；

（2）系統由專用的軟、硬體組成；

（3）系統的硬體需要放在離交易所主機很近的位置上，所謂 co-location。

3、高頻交易的兩大核心要素

（1）一是產生高頻交易信號的交易策略;

（2）二是優化交易執行過程的演算法。

(8)高頻交易c代碼擴展閱讀

1、高頻交易系統的特點

高頻系統是一種非常有特點的計算機應用。在輸入和輸出層面，數據比較簡單。

輸入用的都是市場行情數據，用的是Tick級別，甚至是更細顆粒度，比如用order book上數據。

輸出就是報單到交易所，執行層面上頻率會比較高，有可能會大量、頻繁地向交易所報單。系統運行時處理的信號源是交易所播報的實時行情，要求用最快的速度對信號進行拆解、計算和輸出，對於系統的實時計算能力的要求也比較高。

同時，一般高頻交易系統從邏輯的層面上來說是比較簡單的。

2、編程語言的選擇

目前，高頻交易系統最主流的是C/C++語言。

這是一種優點及其很顯著的語言。相比依賴虛擬機的JAVA和Python而言，C/C++是一種非常接近底層硬體的開發語言，對硬體操控的控制度、靈活度都超過其他語言，在性能上的把控力會更強。

但是，其語法相當復雜，比較難學，沒有受過系統編程訓練的開發者，掌握起來比較困難。

同時，使用C/C++編程也可以獲得及其優越的性能，這對於高頻交易系統來說，就非常重要了！並且，國內大多數的交易所提供的都是C++級別的類庫，只有用C++進行開發，才能方便進行系統對接。

Ⅸ 如何在區塊鏈上進行高頻交易

區塊鏈概念解析：既是一個概念也是一個技術體系

區塊鏈是分布式系統的，是密碼學構造的，確實如此，區塊鏈就是又分布式系統和密碼學而形成的概念的技術集合，要強調一點它既是一個概念也是一個技術體系，區塊鏈最原始的時候只表示比特幣底層技術的賬目結構，它是一個狹義的概念。當初由於這個技術的發展應該由一個專門的名詞表徵它，以和比特幣相區分的時候，就用這個詞來提，它就更大更豐富變成一個理念，變成一個完整的體系。
再回想一下雲計算的時候，雲計算在雲計算這個詞提出來之前也是存在的，但雲計算一旦提出來以後，沿著雲計算的理念快速的發展，我想區塊鏈也是存在這樣的特徵會繼續的發展下去，它一旦會成為一種完整子技術體系，那麼區塊鏈下面所有子領域的技術，子領域裡面的演算法都會以加試的方式，以質變的方向去發展。區塊鏈是一種分布式的線或者是網路信任技術，在我研究區塊鏈技術的時候，沒有這個區塊鏈詞，我們叫分布式計算。技術層面端到端，從宏觀上看，區塊鏈是由東方參加的多個節點，它是平等的，這些節點的相互協作要完成你在區塊鏈上相互的驗證，這時候不需要一個中心的節點做這件事。
宏觀：分布式平等部署系統，參與節點協作完成驗證和存儲。
微觀：嚴謹的數據結構打包存儲在block中，邏輯上串聯起來構成chain。
數字簽名與完整性校驗等保證塊數據的真實性、實時性與時序性。
最後學完了所有的技術特性，它達到了多斗知情群與監督權，因為它是透明、共享、開放的，聯盟的各方要共同參與到這個區塊鏈系統的運行當中來，相當於一個共建、共享、共用、共治。聯盟在構造的時候還要想到一個事情，我向區塊鏈來存什麼東西，存的東西哪些是透明的，哪些是加密的，這個時候要根據你的業務系統來確定。如果有人故意作弊，在公眾甚至是集體聯盟的參與情況下就很可能發現你的數據可能是篡改或者偽造的，所以他就會考慮自己作惡的成本問題，這樣聯盟的信任成本就會降低很多，不會有一些摩擦發生。聯盟的外部因為相信你採用了區塊鏈技術，對整個聯盟所提供的服務或者產品信任度也會更高，所以這是一個非常好的良性循環的方式。
你做一個區塊鏈系統或者把業務嫁接到區塊鏈系統上，應該怎麼做呢？這裡面有兩個步驟，非常簡單。第一步在你的業務邏輯里構造出幾個關鍵的角色，這個角色現在考慮不要有多少個，它可能有多個，但現在就考慮成一個，這幾個角度一定是業務邏輯上有關聯的，他們需要共享，把這些規則同時映射到區塊鏈里去，或者放到腳本里。接下來提到數據，哪些數據放到區塊鏈當中去，哪些不放，因為區塊鏈效率就是安全，一般是放簡單的，關鍵的，而且只考慮需要共建的，另外一點即便有的數據放到區塊鏈當中去，也不是所有的東西需要大家監督，而可能是閉門的，只有授權以後才能看，一個是隱私考慮，二是監管方面的合規性考慮。
有了第一步以後第二步更簡單了，你需要一個便捷可靠的區塊鏈平台，它是一個底層的基礎架構，有賬本、有網路，有供需演算法，有賬戶，這樣的一些東西都得存在，而且一般性查完了，根據你的業務需求這四大塊可以查，可以發，下面有一個協議在。上面那一層就是映射，這個映射層很重要，就是要把你的業務抽象成很多模型、邏，抽象成讓你容易用的體系，然後你就可以在應用系統上開發出你的業務邏輯，然後開發出基於區塊鏈的業務邏輯來，這是一個快速的過程。實際上一個好的區塊鏈業務平台應該還有自己的應用工具，還有監控、查看、輔助的工具，就像資料庫的初期一樣。資料庫的初期如果只是單純的數據，沒有輔助工具的話，運行起來是很困難的。
接下來分享一個小小的案例，是我們剛剛發布的區塊鏈商業積分的案例。這裡面有很多的看法大家都已經探討過了，一定要用積分通用起來，消費者能得到利，商家也能減輕負擔，而且讓積分真正的流動起來，引導真正的二次消費。這個意義就很大了，我們選擇這個商業競爭還有更多的考慮，商業競爭本身具有一定的金融屬性或者貨幣屬性，它是純粹的低風險的數字，因為它在合規合法的程度上監管的風險是最低的。第二積分可以快速的積累數字資產，積累C端用戶，能在一定程度上檢驗你的區塊鏈平台，甚至測試你的區塊鏈技術，驗證你的區塊鏈平台對不對。最後衍生出來跟金融相關的屬性，為後面金融手段的擴張都打下了很好的基礎。
按照剛才我們看到的構建區塊鏈系統的路徑，第一步是決策，在區塊鏈系統當中它的角色是兩個，商戶和消費者。商戶也分成兩個層面，發的積分，收的積分，消費者的積分也分兩個，轉出的和收到。規則是無歧視規則；數據，積分有些數據很有意思，我可以把所有人寫在上面，可以把有效信息寫在上面，而有一些消費行為，具體買的什麼東西，喝的咖啡還是買的麵包，這些數據寫在上面，我用一個簡單的例子引導大家。
第二步就是要找區塊鏈的平台，在我們的布比區塊鏈，我們得到了什麼？我們真的得到了一個正向的反饋，我們覺得是一個非常好的反饋。第一點，數字積分代表的是多種數據資產，區塊鏈上可以支持這樣的東西。第二它可能有很多用戶，不管是真實的用戶還是實驗室模擬用戶，支持上百萬的交易和存儲量是沒有問題的，第三確實為我們構造一個很好的基礎，這個基礎為後面金融領域的探索打下良好的基礎。

Ⅹ Python 做高頻交易系統適合哪個級別的延遲

比較現實的說是1ms級別的，如果你用python現成的library(urlib, request)接收數據至少有100us級別的延遲，一般交易系統需要多線程，python的GIL又會增加延遲，而且交易最忙的時候因為處理大量數據，python的GC更容易發生。用C或Cython寫核心部分不能提高很多，因為python的延遲是因為language design而不是computation造成的。當然這些問題可以改進，比如自己做一套tcp連接程序什麼的，不過這些恐怕並不比寫c++更容易。

另外上面的回答里的時間測試不一定有代表性，在一個簡單的loop測時間的話compiler和CPU會做很多你想不到的事情，結果會和真實值差很多。