Quant Dev - Pod

量化交易属于金融行业，再细说，属于二级市场，即交易的标的物通常是公开交易的产品，比如股票、期货、期权、债券等等。 量化行业里面其实也分了很多类别，比如股票量化、期货量化、固定收益类产品等等。 这些类别中，其实也可以按照频率分成高频、中频和低频。 各个门类之间有区别也有联系，但是总体来说，作为个人，通常是专精其中某个领域。

Pod 是什么

各大量化公司的运营模式也不尽相同，今天我们讲到的 Pod 就是其中一类。 一个 Pod 可大可小，多则数十人，少则几人。这群人有自己的专精领域，交易某类或者某几类策略或者标的物。 他们会得到母公司不同程度的支持（这里我们只从技术角度思考），比如基本的数据源、数据库、计算机资源、交易接口等等。 他们通常会自负盈亏，但也会共同进退。

Pod 模式的量化交易系统需求

Pod 模式的量化交易系统设计跟其他模式有什么区别呢？或者说 Pod 模式的量化系统设计有需求呢？

• 针对某类交易策略设计，并不需要非常好的通用性，但是需要很好的专用性
• 不是为很多程序员一起工作设计的，而是为了团队的所有成员，包括 Quant，Trader 和 其他程序员
• 系统需要对接不同种类的数据源和交易基础设施，最好系统可以以最小的代价接入不同的公司的基础设施
• 系统不能过于复杂，且具有良好的可操作性，换句话说，他的接口不应该是仅仅面对程序员的，也是面对 Quant 和 Operation 人员的
• 要有一定的拓展能力，这种拓展在不同策略类型前提下可能会有不同的需求，比如一个中频统计套利系统跟高频套利系统在很多方面都是迥异的

如何设计呢？

一些通用原则：

• 仅开发必要的功能
• 面向接口编程
• 按照业务逻辑设计模块
• 分离配置和计算逻辑
• 版本控制配置文件
• 格式化日志
• 通过日志和警报增加系统可见性
• 通过 GUI 增加系统的可操作性

技术栈

• 语言
• Python
• C++
• Cython
• Numba
• 数据库
• PostgreSQL
• DataFrame Store ( hand made or ArcticDB )
• 中间件
• Redis
• Kafka/RedPanda
• 计算
• Ray
• Dask
• 监控
• Grafana
• Prometheus
• Front End
• 编排
• Airflow
• K8s
• Docker

组件

• 计算图和计算图的运行时
  • Batch Based
  • Event Based
• Prompt，用来跟系统进行实时互动，人为干涉
• Alert，用来发送警报、异常等等
• Monitor
• Report
• Log

---

最后更新: September 24, 2023
创建日期: September 24, 2023