资源加载中... loading...

带你学习硬核策略之「C++ 版 OKEX合约对冲策略」

Author: 发明者量化-小小梦, Created: 2019-08-26 14:30:47, Updated: 2024-12-17 20:43:39

带你学习硬核策略之「C++ 版 OKEX合约对冲策略」

说起对冲策略，在各个市场中有多种多样的策略、多种多样的组合、多种多样的思路。我们从最经典的跨期对冲来初探对冲策略的设计思路、理念。如今，数字货币市场活跃度远比市场形成之初高了很多，也出现了很多合约交易所，提供了大量可套利对冲的机会。现货跨市场套利、期现对冲套利、期货跨期套利、期货跨市场套利等等，策略层出不穷。下面我们就一起领略一个由C++语言编写，交易市场为OKEX合约交易所的「硬核」跨期对冲策略，策略基于「发明者量化交易平台」编写。

策略原理

为什么说策略有些硬核，原因在于策略使用C++ 语言编写，策略阅读难度略高。但是并不妨碍读者学习到这个策略设计、思路方面的精华。策略通篇较为简洁，代码长度适中，只有500多行。行情数据获取方面，不同于以往策略使用 rest 接口，该策略使用了websocket接口，接受交易所行情推送。设计方面，策略结构合理，代码耦合度很低，很方便扩展或者优化。逻辑思路清晰，这样的设计不仅使用、扩展很方便。作为教学策略，学习策略设计也是一个很好的范例。策略原理比较简单，即远期合约和近期合约做正、反套对冲，基本原理上和商品期货的跨期对冲一致。正套，做空远期合约，做多近期合约。反套，做多远期合约，做空近期合约。清楚了基本原理，剩下的就是策略如何触发对冲开仓，如何平仓，如何加仓。仓位控制方式，策略细节处理。对冲策略主要关注的是标的物差价的波动，对差价做回归交易。然而，差价是有可能小幅震荡，或者大幅震荡，或者单边一个方向。这就带来了对冲盈亏的不确定性，但是风险还是远小于单边趋势的。对于跨期策略的各种优化很多都是选择从仓位控制层面入手，从开仓平仓触发上入手。例如经典的用布林指标做为差价波动时，正套、反套的开仓、平仓点。本策略由于设计合理、耦合度很低，也可以很容易的修改成布林指标跨期对冲策略。

策略代码剖析

通篇大概看一下代码，可以总结出，代码大概主要分为四个部分。

1.枚举值定义，定义一些状态值，用于标记状态。一些和策略思路无关的功能函数，例如 url 编码函数，时间转换函数等，这些函数和策略思路没有关系，仅仅是对于数据做处理使用。
2.K线数据生成器类：策略由该生成器类对象生成的K线数据驱动。
3.对冲类：该类的对象可以执行具体的交易逻辑，对冲操作、策略细节的处理机制等。
4.策略主函数，也就是 main 函数。main 函数是策略的入口函数，主要循环在此函数内执行，此外这个函数内还执行一个重要的操作，即访问交易所的websocket 接口，获取推送来的tick行情数据，作为K线数据生成器的原料数据。

通过对策略代码整体上的了解，我们下面就可以通过逐步剖析各个环节，从而完整的学习该策略的设计、思路、技巧。

枚举值定义，其它功能函数

1、枚举类型 State 声明
```
enum State {                    // 枚举类型  定义一些 状态
    STATE_NA,                   // 非正常状态
    STATE_IDLE,                 // 空闲
    STATE_HOLD_LONG,            // 持多仓
    STATE_HOLD_SHORT,           // 持空仓
};
```
因为代码中有些函数返回某个状态，所以这些状态都定义在了枚举类型 State中。看到代码中出现 STATE_NA 即为非正常状态， STATE_IDLE 为空闲状态，即可以对冲操作的状态。 STATE_HOLD_LONG 为持有正套对冲仓位的状态。 STATE_HOLD_SHORT 为持有反套对冲仓位的状态。

2、字符串替换，本策略中没有调用，算是一个备用的工具函数，主要处理字符串。
```
string replace(string s, const string from, const string& to)   
```
3、功能为转换为十六进制字符的函数 toHex
```
inline unsigned char toHex(unsigned char x)
```
4、处理url编码的函数
```
std::string urlencode(const std::string& str)
```
5、时间转换函数，把字符串格式的时间转换为时间戳。
```
uint64_t _Time(string &s)
```

K线数据生成器类

class BarFeeder {                                                                       // K线 数据生成器类
    public:
        BarFeeder(int period) : _period(period) {                                       // 构造函数，参数为 period 周期， 初始化列表中初始化
            _rs.Valid = true;                                                           // 构造函数体中初始化 K线数据的 Valid属性。
        }    

        void feed(double price, Chart *c=nullptr, int chartIdx=0) {                     // 输入数据，nullptr 空指针类型，chartIdx 索引默认参数为 0
            uint64_t epoch = uint64_t(Unix() / _period) * _period * 1000;               // 秒级时间戳祛除不完整时间周期（不完整的_period 秒数），转为 毫秒级时间戳。
            bool newBar = false;                                                        // 标记 新K线Bar 的标记变量
            if (_rs.size() == 0 || _rs[_rs.size()-1].Time < epoch) {                    // 如果 K线数据 长度为 0 。 或者 最后一bar 的时间戳小于 epoch（K线最后一bar 比当前最近的周期时间戳还要靠前）
                Record r;                                                               // 声明一个 K线bar 结构
                r.Time = epoch;                                                         // 构造当前周期的K线bar 
                r.Open = r.High = r.Low = r.Close = price;                              // 初始化 属性
                _rs.push_back(r);                                                       // K线bar 压入 K线数据结构
                if (_rs.size() > 2000) {                                                // 如果K线数据结构长度超过 2000 ， 就剔除最早的数据。
                    _rs.erase(_rs.begin());
                }
                newBar = true;                                                          // 标记
            } else {                                                                    // 其它情况，不是出现新bar 的情况下的处理。
                Record &r = _rs[_rs.size() - 1];                                        // 引用 数据中最后一bar 的数据。
                r.High = max(r.High, price);                                            // 对引用数据的最高价更新操作。
                r.Low = min(r.Low, price);                                              // 对引用数据的最低价更新操作。
                r.Close = price;                                                        // 对引用数据的收盘价更新操作。
            }
    
            auto bar = _rs[_rs.size()-1];                                               // 取最后一柱数据 ，赋值给 bar 变量
            json point = {bar.Time, bar.Open, bar.High, bar.Low, bar.Close};            // 构造一个 json 类型数据
            if (c != nullptr) {                                                         // 图表对象指针不等于 空指针，执行以下。
               if (newBar) {                                                            // 根据标记判断，如果出现新Bar 
                    c->add(chartIdx, point);                                            // 调用图表对象成员函数add,向图表对象中插入数据（新增K线bar）
                    c->reset(1000);                                                     // 只保留1000 bar的数据
                } else {
                    c->add(chartIdx, point, -1);                                        // 否则就更新（不是新bar），这个点（更新这个bar）。
                } 
            }
        }
        Records & get() {                                                               // 成员函数，获取K线数据的方法。
            return _rs;                                                                 // 返回对象的私有变量 _rs 。（即 生成的K线数据）
        }
    private:
        int _period;
        Records _rs;
};

这个类主要就是负责把获取到的 tick 数据加工成差价K线，用于驱动策略对冲逻辑。可能有的读者有疑问，为什么要用 tick 数据呢？为什么要构造一个这样的K线数据生成器呢？直接用K线数据不好么？这样的疑问三连发，在我当初写一些对冲策略的时候也有迸发出来过。在写过差价布林对冲策略时就找到了答案。由于单个合约的K线数据是这一个合约在一定周期内的价格变化统计。而两个合约的差价的K线数据则是在一定周期内的差价价格变化统计，因此不能简单的拿两个合约各自的K线数据做减法运算，计算每根K线Bar上各个数据的差值，当做差价。这样最明显的错误就例如，两个合约的最高价、最低价，并不一定是同一时刻的。所以相减出来的数值没有太大意义。因此我们需要使用实时的tick数据，实时计算差价，实时统计成一定周期内的价格变动（即K线柱上的高开低收）。这样我们就需要一个K线数据生成器，单独作为一个类，很好的进行处理逻辑分离。

对冲类

class Hedge {                                                                           // 对冲类，策略主要逻辑。
  public:
    Hedge() {                                                                           // 构造函数
        ...
    };
    
    State getState(string &symbolA, Depth &depthA, string &symbolB, Depth &depthB) {        // 获取状态，参数： 合约A名称 、合约A深度数据， 合约B名称、 合约B深度数据
        
        ...
    }
    bool Loop(string &symbolA, Depth &depthA, string &symbolB, Depth &depthB, string extra="") {       // 开平仓 策略主要逻辑
        
        ...
    }    

  private:
    vector<double> _addArr;                                     // 对冲加仓列表
    string _state_desc[4] = {"NA", "IDLE", "LONG", "SHORT"};    // 状态值 描述信息
    int _countOpen = 0;                                 // 开仓次数
    int _countCover = 0;                                // 平仓次数
    int _lastCache = 0;                                 // 
    int _hedgeCount = 0;                                // 对冲次数
    int _loopCount = 0;                                 // 循环计数（循环累计次数）
    double _holdPrice = 0;                              // 持仓价格
    BarFeeder _feederA = BarFeeder(DPeriod);            // A合约 行情 K线生成器
    BarFeeder _feederB = BarFeeder(DPeriod);            // B合约 行情 K线生成器
    State _st = STATE_NA;                               // 对冲类型 对象的 对冲持仓状态
    string _cfgStr;                                     // 图表配置 字符串
    double _holdAmount = 0;                             // 持仓量
    bool _isCover = false;                              // 是否平仓 标记
    bool _needCheckOrder = true;                        // 设置是否 检查订单
    Chart _c = Chart("");                               // 图表对象，并初始化
};

由于代码比较长，省略了一部分，主要显示一下这个对冲类的结构，构造函数Hedge就不说了，主要是对象初始化。剩下，主要有2个功能函数。

getState

这个函数主要处理订单检测，订单撤销，仓位检测，仓位平衡等工作。因为在对冲交易过程中，是避免不了单腿的情况（即一个合约成交了，一个合约没有成交），如果在下单逻辑中进行检测，然后处理追单或者平仓，策略逻辑会比较乱。所以设计这部分的时候采取了另一种思路。如果触发对冲操作，下单一次，不论是否出现单腿对冲的情况，默认是对冲成功了，然后在getState函数中检测仓位平衡，独立出来检测处理平衡的这个逻辑。
Loop

策略的交易逻辑封装在这个函数中，其中调用 getState ，使用K线数据生成器对象生成差价的K线数据，进行对冲开仓、平仓、加仓逻辑的判断。还有一些对于图表的数据更新操作。

策略主函数

void main() {  

    ...
    
    string realSymbolA = exchange.SetContractType(symbolA)["instrument"];    // 获取设置的A合约（this_week / next_week / quarter ） ，在 OKEX 合约 当周、次周、季度 对应的真实合约ID 。
    string realSymbolB = exchange.SetContractType(symbolB)["instrument"];    // ...
    
    string qs = urlencode(json({{"op", "subscribe"}, {"args", {"futures/depth5:" + realSymbolA, "futures/depth5:" + realSymbolB}}}).dump());    // 对 ws 接口的要传的参数进行 json 编码、 url 编码
    Log("try connect to websocket");                                                                                                            // 打印连接 WS接口的信息。
    auto ws = Dial("wss://real.okex.com:10442/ws/v3|compress=gzip_raw&mode=recv&reconnect=true&payload="+qs);     // 调用FMZ API Dial 函数 访问  OKEX 期货的 WS 接口
    Log("connect to websocket success");
    
    Depth depthA, depthB;                               // 声明两个 深度数据结构的变量 用于储存A合约和B合约 的深度数据
    auto fillDepth = [](json &data, Depth &d) {         // 用接口返回的json 数据，构造 Depth 数据的代码。
        d.Valid = true;
        d.Asks.clear();
        d.Asks.push_back({atof(string(data["asks"][0][0]).c_str()), atof(string(data["asks"][0][1]).c_str())});
        d.Bids.clear();
        d.Bids.push_back({atof(string(data["bids"][0][0]).c_str()), atof(string(data["bids"][0][1]).c_str())});
    };
    string timeA;   // 时间 字符串 A 
    string timeB;   // 时间 字符串 B 
    while (true) {
        auto buf = ws.read();                           // 读取 WS接口 推送来的数据
        
        ...
        
}

策略启动后是从main 函数开始执行，策略在main 函数的初始化工作中，订阅了websocket 接口的tick行情。main 函数最主要的工作就是构造了一个主循环，不停的接收交易所websocket 接口推送来的tick行情，然后调用对冲类对象的成员函数： Loop 函数。由行情数据驱动 Loop 函数中的交易逻辑。需要说明的一点，上文中说道的tick行情，实际是订阅的订单薄深度数据接口，获取的是每档的订单薄数据。但是策略中只是使用了第一档的数据，其实就和tick行情数据差不多了，策略中并没有用其它档的数据，也没有用第一档的订单量数值。详细看下策略是如何订阅 websocket 接口的数据，又是如何设置的。

string qs = urlencode(json({{"op", "subscribe"}, {"args", {"futures/depth5:" + realSymbolA, "futures/depth5:" + realSymbolB}}}).dump());    
Log("try connect to websocket");                                                                                                            
auto ws = Dial("wss://real.okex.com:10442/ws/v3|compress=gzip_raw&mode=recv&reconnect=true&payload="+qs);     
Log("connect to websocket success");

首先要对订阅的接口所传的订阅消息 json 参数进行 url 编码，也就是 payload 参数的值。然后比较重要的一步就是调用发明者量化交易平台的 API 接口函数 Dial 函数。Dial 函数可用于访问交易所 websocket 接口。我们这里进行一些设置，让即将创建的 websocket 连接控制对象 ws 具有断线自动重连（订阅消息依然使用 payload 参数的值 qs字符串），实现这个功能就需要在 Dial 函数的参数字符串中增加配置选项。

Dial函数参数的开头部分如下：

wss://real.okex.com:10442/ws/v3

是需要访问的websocket接口地址，之后用 | 分隔。 compress=gzip_raw&mode=recv&reconnect=true&payload="+qs 都是配置参数。

参数名	描述
compress	compress为压缩方式，OKEX websocket 接口使用 gzip_raw 此种方式，故设置为gzip_raw
mode	mode为模式，可选 dual ， send ， recv 三种。dual 为双向，发送压缩数据，接收压缩数据。send 为发送压缩数据。recv 为接收压缩数据，本地解压缩。
reconnect	reconnect为是否设置重连，reconnect=true 为启用重连，不设置默认不重连。
payload	payload为ws重连时需要发送的订阅消息。

这样设置后，即使websocket 连接断开，发明者量化交易平台托管者底层系统也会进行自动重连，及时地获取到最新的行情数据。抓住每次差价波动，快速捕获到合适的对冲行情。

仓位控制

仓位控制采用类似「波菲纳契」数列的对冲仓位比例，进行控制。

for (int i = 0; i < AddMax + 1; i++) {                                          // 构造 控制加仓数量的数据结构，类似 波菲纳契数列 对冲数量 比例。
    if (_addArr.size() < 2) {                                                   // 前两次加仓量变化为： 加一倍对冲数量 递增
        _addArr.push_back((i+1)*OpenAmount);
    }
    _addArr.push_back(_addArr[_addArr.size()-1] + _addArr[_addArr.size()-2]);   // 最后 两个加仓数量相加，算出当前的加仓数量储存到 _addArr数据结构中。
}

可以看到每次增加的加仓仓位数量都是最近的上两个仓位的和。这样的仓位控制可以实现差价越大，套利对冲数量相对增加，对仓位进行分散，从而把握住小差价波动小仓位，大差价波动仓位适当增大。

平仓：止损止盈

固定的止盈差价，止损差价。持仓差价到达止盈位置、止损位置即进行止盈、止损。
入市、离市周期设计

参数 NPeriod 控制的周期对策略的开仓平仓进行一定的动态控制。

策略图表

策略自动生成差价 K线图表，标记相关交易信息。

C++策略自定义图表画图操作，也非常简便，可以看到在对冲类的构造函数中，我们使用了写好的图表配置字符串_cfgStr配置给了图表对象_c , _c 是对冲类私有成员初始化时调用发明者量化自定义图表API接口函数 Chart 函数构造的图表对象。

_cfgStr = R"EOF(
[{
"extension": { "layout": "single", "col": 6, "height": "500px"},
"rangeSelector": {"enabled": false},
"tooltip": {"xDateFormat": "%Y-%m-%d %H:%M:%S, %A"},
"plotOptions": {"candlestick": {"color": "#d75442", "upColor": "#6ba583"}},
"chart":{"type":"line"},
"title":{"text":"Spread Long"},
"xAxis":{"title":{"text":"Date"}},
"series":[
    {"type":"candlestick", "name":"Long Spread","data":[], "id":"dataseriesA"},
    {"type":"flags","data":[], "onSeries": "dataseriesA"}
    ]
},
{
"extension": { "layout": "single", "col": 6, "height": "500px"},
"rangeSelector": {"enabled": false},
"tooltip": {"xDateFormat": "%Y-%m-%d %H:%M:%S, %A"},
"plotOptions": {"candlestick": {"color": "#d75442", "upColor": "#6ba583"}},
"chart":{"type":"line"},
"title":{"text":"Spread Short"},
"xAxis":{"title":{"text":"Date"}},
"series":[
    {"type":"candlestick", "name":"Long Spread","data":[], "id":"dataseriesA"},
    {"type":"flags","data":[], "onSeries": "dataseriesA"}
    ]
}
]
)EOF";
_c.update(_cfgStr);                 // 用图表配置 更新图表对象
_c.reset();                         // 重置图表数据。

调用 _c.update(_cfgStr); 使用 _cfgStr 配置到图表对象。
调用 _c.reset(); 重置图表数据。

在策略代码需要给图表插入数据时，也是通过直接调用 _c 对象的成员函数，或者把 _c 的引用作为参数传递，进而调用_c的对象成员函数（方法）去进行图表数据更新，插入操作。例如：

_c.add(chartIdx, {{"x", UnixNano()/1000000}, {"title", action},  {"text", format("diff: %f", opPrice)}, {"color", color}});

下单交易后，在K线图表上打上标签记录。

如下，绘制K线是通过调用 BarFeeder 类的成员函数 feed 时，把图表对象 _c 的引用作为参数传入。

void feed(double price, Chart *c=nullptr, int chartIdx=0)

即feed函数的形参 c 。

json point = {bar.Time, bar.Open, bar.High, bar.Low, bar.Close};            // 构造一个 json 类型数据
if (c != nullptr) {                                                         // 图表对象指针不等于 空指针，执行以下。
   if (newBar) {                                                            // 根据标记判断，如果出现新Bar 
        c->add(chartIdx, point);                                            // 调用图表对象成员函数add,向图表对象中插入数据（新增K线bar）
        c->reset(1000);                                                     // 只保留1000 bar个数据
    } else {
        c->add(chartIdx, point, -1);                                        // 否则就更新（不是新bar），这个点（更新这个bar）。
    } 
}

通过调用图表对象 _c 的add成员函数，向图表中插入新的K线Bar数据。代码：c->add(chartIdx, point);