Pomelo搭建交易系统实战

前言

Pomelo是由网易开发的一套高度自由的开源Node.js服务器框架，最初为解决游戏开发领域的高并发、实时性所设计，对外提供了大量的API和工具库，使得服务器的定制化和扩展更加方便；但Pomelo并不仅仅应用于游戏行业，本文将使用其搭建一套简易的股票/期货交易系统服务器，以进一步探秘Pomelo的特性和使用方法。

Pomelo于2012年开源推出，目前已更新至2.2.5版本，令人兴奋的是新版本升级了socket.io库和rpc，修复了一些心跳及消息推送的bug，提高了框架的整体性能和稳定性；本文无特殊说明均以最新版本为基础进行构建。

股票/期货交易系统总体设计

本文主要针对Pomelo框架及其使用进行探秘，具体的金融交易策略和量化模型为金融范畴，不在本文阐述范围之内。

整个系统应包括以下模块：

• 交易登陆系统

• 行情数据源SDK

• 数据处理系统（对数据按时间周期或分时进行切片处理等）

• 指标拟合系统（输出量化指标，如均线、量能、MACD、KDJ、WR、波浪）

• 模型回测系统（如以年、月、周为单位回测成功比率）

• 预警系统

• 下单系统（完成买进卖出、平仓、止损）

针对上述模块，我们使用pomelo设计如下图架构，依照官方推荐，我们将Servers分为 Frontend-Servers 和 Backend-Servers，同时由于登陆操作较少，我们直接将登陆服务器组设置为Frontend-Servers；数据库选型为mysql，用以存储用户及交易数据，这里我们引入Nodejs的 generic-pool 创建连接池；行情源数据来自三方SDK。

初始化

使用pomelo init命令建立工程后，我们的目录结构大致如下:

app.js是入口文件，app.start() 即可启动服务器；pomelo内部采用了挂载组件的方式启动各个模块/组件，这样可以更加灵活的扩展功能；从源码可以看出，pomelo大部分模块均挂载在Pomelo变量下，同时对外提供了工厂函数 createApp，会实例化一个Application对象，Application维护了 servers 和 components等，源码如下：

Pomelo对底层通讯协议（ws、socket.io等）进行了很好的封装，统一放在 connectors 下，本文使用 hybridconnector ，如果采用web客户端可选用 sioconnector 。

登陆

本文将登陆服作为独立的一组服前端务器设计，为简单起见，clients向登陆服发送相关信息（name、password等）后，登陆服会进行校验，校验成功后会返回给clients一个token和connectors的ip及port，此时clients便可以使用token与交易系统通讯了。

由于login-server为Frontend-server，我们只需要创建handler作为对外接口。

In Login：

In connectors:

在connector中会绑定用户的uid到session中，pushAll会将其同步给其他服务器，在用户断开时会触发closed事件，onUserDisconnected函数会通知其他服务器踢出该用户。

多进程路由选择

Pomelo native支持多进程分布式部署，clients的消息可以通过路由的方式选择connector，本文根据用户的id进行负载均衡，Pomelo本身支持自定义。

DataServer & IndicatorServer

这两组server对clients透明，因此只需要建立remote跟交易系统进行rpc通信，DataServer主要负责解析行情数据，并格式化为符合我们需求的数据格式； IndicatorServer则负责将原始数据组装为分析用的各种指标，并向外提供接口。

现阶段很多三方SDK直接提供基础的数据指标，如MA、KDJ、VOL、CCI、WR等，因此本文将DataServer和IndicatorServer合并为一组server，统称为DataServer，负责为交易系统提供数据支持。

我们截取部分数据为例，DataServer统一将源数据格式化为如下格式：

"2017-03-01": { "OPEN": 32, "CLOSE": 33, "HIGH": 34, "LOW": 30, "MA5": 31.4, "MA10": 31.3, "MA30": 30.8, "MA60": 30.3, "KDJ":[65, 60, 41.7], "WR":[32, 33, 17] },

"2017-03-02": { "OPEN": 32.7, "CLOSE": 33.2,"HIGH": 34.8, "LOW": 31.5, "MA5": 32.7, "MA10": 31.5, "MA30": 30.4, "MA60": 30,"KDJ":[67, 61.4, 43.5], "WR":[30, 26, 16],

"2017-03-03": { "OPEN": 33.1, "CLOSE": 34.9, "HIGH": 35.8, "LOW": 32.3, "MA5": 33.8, "MA10": 32.1, "MA30": 31, "MA60": 30.7, "KDJ":[76, 63, 58], "WR":[19, 15, 12]}

DataServer数据分为Push和Pull模式，当天开盘及竞价的实时数据采用Push模式，历史数据采用被动Pull模式。

Push模式中我们使用pomelo-schedule做定时处理，其关键代码如下：

Push模式会在每个工作日9:00~15:00，将采集好的数据信息通过rpc直接调用LoopbackServer的receiveData远程函数，data参数即我们上面提到的格式化之后数据。

Pull模式直接提供remote rpc供LookbackServer远程调用拉取数据，Pull函数可以根据日期和不同的指标参数进行分段数据获取。

例如，获取2017年3月1日至今的MA5、kdj、wr、mtm、cci数据（具体指标含义请自行查阅相关文献）：

LookbackServer & ExchangeServer

本节将介绍最重要的两个server，分别负责数据分析和订单系统。LookbackServer分析数据后会筛选出符合某策略的股票池，同时满足多种目标策略的股票将被选择为种子票，然后根据资金策略确定种子票的资金配置，并通过rpc通知ExchangeServer进行下单或获利了结，ExchangeServer也会通过rpc告知用户账户相关情况，以便及时报警。

我们以一组简单的策略为例（不使用未来函数），介绍servers之间的调用，

承接上节DataServer，LookbackServer中会接受DataServer的Push数据。

上述注册的rpc函数receiveData完成了关键的策略选股，如出现种子股并且回测成功，会调用Exchange服的远程rpc函数buy进行下单，本文下单的资金策略主要根据大盘指标ADL和ADR进行的，而不是通过个股的情况判断，感兴趣的同学可以研究下该指标，这里不赘述；下面一段代码描述了本文的一个wr选取黑马股简单策略（注：该策略未叠加未来函数，实盘有风险，盈亏自负）。

该指标解析，抓取波段黑马：

1. 当前股价突破前30日最高价，向上突破；

2. 选取均线多头排列，5日线 > 47日线 > 63日线 > 131日线 > 271日线；

3. KDJ黄金交叉；

4. 最重要的一点wr三线同时入线：即进入强势区间0~20；

5. CCI并无出现超买情况；

6. 量能并没失控：大于5日和63日均量；

7. 价值投资：市盈率不能大于50，这样风险相对较小。

再次注明：该策略只能用于牛市和震荡市，熊市切勿使用！

举一档具体股票实例说明：

该票在箭头所示当天涨停，很多人认为该票前期涨幅已经过大，已经累积60%涨幅，主观判断今天是卖出点，而依据本文策略，刚好发出买入信号，下图是该股未来几天的走势：

如果按照策略买入，又可收获50%，感兴趣的同学可以自行加入艾略特波浪理论的未来函数，那样可以计算出，箭头处刚好是第三主升浪起点。

总结

本文通过搭建一套交易系统服务器框架对pomelo的使用进行了探秘，并简单阐述了一些量化交易的设计流程。