使用JavaScript实现量化策略并发执行

本文代码和文章发在FMZ发明者比特币量化交易平台上：

使用JavaScript实现量化策略并发执行--封装Go函数 - 发明者量化 https://www.fmz.com/digest-topic/3981

在实现量化策略时，很多情况下，并发执行可以降低延时提升效率。以对冲机器人为例，需要获取两个币的深度，顺序执行的代码如下：

var depthA = exchanges[0].GetDepth()
var depthB = exchanges[1].GetDepth()

　　

请求一次rest API存在延时，假设是100ms，那么两次获取深度的时间实际上不一样，如果需要更多的访问，延时问题将会更突出，影响策略的执行。

JavaScript由于没有多线程，因此底层封装了Go函数解决这个问题，但由于设计机制，实现起来较为繁琐。

var a = exchanges[0].Go("GetDepth")
var b = exchanges[1].Go("GetDepth")
var depthA = a.wait() //调用wait方法等待返回异步获取depth结果
var depthB = b.wait()

　　

在大多数简单情况下，这样写策略并无问题。但注意到每次策略循环都要重复这个过程，中间变量a,b实际上只是临时辅助。如果我们的并发任务非常多，就要另外纪录a和depthA,b和depthB之间的对应关系，当我们的并发任务不确定时，情况就更加复杂。因此，我们希望实现一个函数：当写Go并发时，同时绑定一个变量，当并发运行结果返回时，结果自动赋值给变量，这样就省去了中间变量，使程序更加简洁。具体实现如下：

function G(t, ctx, f) {
    return {run:function(){
        f(t.wait(1000), ctx)
    }}
}

　　

我们定义了一个G函数，其中参数t是将要执行的Go函数，ctx是记录程序上下文，f为具体赋值的函数。等会就会看到这个函数的作用。

这时，整体的程序框架可以写为类似于“生产者-消费者”模型（有一些区别），生产者不断发出任务，消费者将它们并发执行，一下代码仅为演示，不涉及到程序的执行逻辑。

var Info = [{depth:null, account:null}, {depth:null, account:null}] //加入我们需要获取两个交易所的深度和账户，跟多的信息也可以放入，如订单Id，状态等。
var tasks = [ ] //全局的任务列表

function produce(){ //下发各种并发任务
  //这里省略了任务产生的逻辑，仅为演示
  tasks.push({exchange:0, ret:'depth', param:['GetDepth']})
  tasks.push({exchange:1, ret:'depth', param:['GetDepth']})
  tasks.push({exchange:0, ret:'sellID', param:['Buy', Info[0].depth.Asks[0].Price, 10]})
  tasks.push({exchange:1, ret:'buyID', param:['Sell', Info[1].depth.Bids[0].Price, 10]})
}
function worker(){
    var jobs = []
    for(var i=0;i<tasks.length;i++){
        var task = tasks[i]
        tasks.splice(i,1) //删掉已执行的任务
        jobs.push(G(exchanges[task.exchange].Go.apply(this, task.param), task, function(v, task) {
                    Info[task.exchange][task.ret] = v //这里的v就是并发Go函数wait()的返回值，可以仔细体会下
                }))
    }
    _.each(jobs, function(t){
            t.run() //在这里并发执行所有任务
        })
}
function main() {
    while(true){
        produce()         // 发出交易指令
        worker()        // 并发执行
        Sleep(1000)
    }
}

　　

看上去兜了一圈只实现了一个简单功能，实际上大大简化了代码复杂程度，我们只需关心程序需要产生什么任务，由worker()程序自动将他们并发执行，并返回相应的结果。灵活性提升了很多。