.. _for_ctp_user: TqSdk与使用Ctp接口开发策略程序有哪些差别 ================================================= 如果您曾经直接使用CTP接口开发过交易策略程序, 目前刚开始接触 TqSdk, 下面的信息将帮助您尽快理解 TqSdk. 系统整体架构 ------------------------------------------------- CTP接口直接连接到期货公司交易系统, 从期货公司系统获取行情并执行交易指令. TqSdk 则使用基于网络协作的组件设计. 如下图: .. raw:: html [Not supported by viewer][Not supported by viewer]
期货公司交易系统
CTP / FEMAS / UFX
期货公司交易系统<br>CTP / FEMAS / UFX<br>
交易所行情系统
交易所行情系统<br>
[Not supported by viewer][Not supported by viewer][Not supported by viewer]
如图所示, 整个系统结构包括这些关键组件: * 行情网关 (Open Md Gateway) 负责提供实时行情和历史数据 * 交易中继网关 (Open Trade Gateway) 负责连接到期货公司交易系统 * 上面两个网关统一以 Diff 协议对下方提供服务 * 天勤终端和TqSdk按照Diff协议连接到行情网关和交易中继网关, 实现行情和交易功能 这样的结构可以给用户带来一些好处: * TqSdk 很小, 安装也很方便, 只要简单 pip install tqsdk 即可 * 官方专门运维行情数据库, 用户可以直接使用, 不需要自己接收和存储数据 * 交易相关接口被大幅度简化, 不再需要处理CTP接口的复杂回调, 也不需要发起任何查询请求 * 任何语言只要支持websocket协议, 都可以用来进行策略开发 也有一些不如直接使用CTP接口方便的地方: * 由于交易指令经交易网关转发, 用户无法直接指定CTP服务器地址. 用户如果需要连接到官方交易网关不支持的期货公司, 需要自行部署交易网关. K线数据与指标计算 ------------------------------------------------- Ctp接口不提供K线数据. 在TqSdk中, K线数据和其它行情数据一样是由行情网关生成并推送的: * 用户不再需要维护K线数据库. 用户电脑实时行情中断后, 也不再需要补历史数据 * 行情服务器生成K线时, 采用了按K线时间严格补全对齐的算法. 这与其它软件有明显区别, 详见 https://www.shinnytech.com/blog/why-our-kline-different/ * 行情数据只在每次程序运行时通过网络获取, 不在用户硬盘保存. 如果策略研究工作需要大量静态历史数据, 我们推荐使用数据下载工具, 另行下载csv文件使用. TqSdk中的K线序列采用 pandas.DataFrame 格式. pandas 提供了 `非常丰富的数据处理函数 `_ , 使我们可以非常方便的进行数据处理, 例如:: ks = api.get_kline_serial("SHFE.cu1901", 60) print(ks.iloc[-1]) # <- 最后一根K线 print(ks.close) # <- 收盘价序列 ks.high - ks.high.shift(1) # <- 每根K线最高价-前一根K线最高价, 形成一个新序列 TqSdk 也通过 :py:mod:`tqsdk.tafunc` 提供了一批行情分析中常用的计算函数, 例如:: from tqsdk import tafunc ks = api.get_kline_serial("SHFE.cu1901", 60) ms = tafunc.max(ks.open, ks.close) # <- 取每根K线开盘价和收盘价的高者构建一个新序列 median3 = tafunc.median(ks.close, 100) # <- 求最近100根K线收盘价的中间值 ss = tafunc.std(ks.close, 5) # <- 每5根K线的收盘价标准差 数据接收和更新 ------------------------------------------------- Ctp接口按照事件回调模型设计, 使用 CThostFtdcTraderSpi 的 OnXXX 回调函数进行行情数据和回单处理:: class MySpiHandler : public CThostFtdcTraderSpi { public: ///当客户端与交易后台建立起通信连接时(还未登录前),该方法被调用。 virtual void OnFrontConnected(); ///报单通知 virtual void OnRtnOrder(CThostFtdcOrderField *pOrder); ///成交通知 virtual void OnRtnTrade(CThostFtdcTradeField *pTrade); } TqSdk则不使用事件回调机制. :py:meth:`~tqsdk.api.TqApi.wait_update` 函数设计用来获取任意数据更新, 像这样:: api = TqApi() x = api.insert_order("SHFE.cu1901", direction="BUY", offset="OPEN", volume=1, limit_price=50000) while True: api.wait_update() # <- 这个 wait_update 将尝试更新所有数据. 如果没有任何新信息, 程序会阻塞在这一句. 一旦有任意数据被更新, 程序会继续往下执行 print(x) # <- 显示委托单最新状态 一次 wait_update 可能更新多个实体, 在这种情况下, :py:meth:`~tqsdk.api.TqApi.is_changing` 被用来判断某个实体是否有变更:: api = TqApi() q = api.get_quote("SHFE.cu1901") ks = api.get_kline_serial("SHFE.cu1901", 60) x = api.insert_order("SHFE.cu1901", direction="BUY", offset="OPEN", volume=1, limit_price=50000) while True: api.wait_update() # <- 这个 wait_update 将尝试更新所有数据. 如果没有任何新信息, 程序会阻塞在这一句. 一旦有任意数据被更新, 程序会继续往下执行 if api.is_changing(q): # <- 这个 is_changing 用来判定这次更新是否影响到了q print(q) if api.is_changing(x, "status"): # <- 这个 is_changing 用来判定这次更新是否影响到了报单的status字段 print(x) TqSdk针对行情数据和交易信息都采用相同的 wait_update/is_changing 方案. 用户需要记住的要点包括: * get_quote, get_kline_serial, insert_order 等业务函数返回的是一个引用(refrence, not value), 它们的值总是在 wait_update 时更新. * 用户程序除执行自己业务逻辑外, 需要反复调用 wait_update. 在两次 wait_update 间, 所有数据都不更新 * 用 insert_order 函数下单, 报单指令实际是在 insert_order 后调用 wait_update 时发出的. * 用户程序中需要避免阻塞, 不要使用 sleep 暂停程序 关于 wait_update 机制的详细说明, 请见 :ref:`framework`