Advertisement

WonderTrader是一款采用C++核心模块构建的高效且可靠的全市场全品种量化交易平台开发框架-C/C++开发

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型:ZIP


简介:
WonderTrader是基于C++打造的一款高性能、多功能的量化交易系统开发平台,专为实现跨市场及多资产类别的自动化交易策略而设计。 WonderTrader是一个基于C++核心模块的量化交易开发框架,适用于全市场各种类别的交易,并具备高效率与高可用性。 面向专业机构的整体架构设计使它能够管理数十亿级别的实盘规模。从数据处理、回测分析到实际交易和运营调度,涵盖所有环节。 WonderTrader依赖于高速C++核心框架以及高效易用的应用层框架(wtpy),旨在构建一个集研发、交易、运营与调度为一体的全自动量化交易平台场景。 在开发接口方面,它提供了高效的数据库接口。每个策略可以根据需求灵活选择使用不同的引擎:CTA引擎适合标的较少且计算较快的策略;SEL引擎适用于需处理大量数据及复杂逻辑的情况;HFT引擎则针对高频或低延迟交易设计。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • WonderTraderC++-C/C++
    优质
    WonderTrader是基于C++打造的一款高性能、多功能的量化交易系统开发平台,专为实现跨市场及多资产类别的自动化交易策略而设计。 WonderTrader是一个基于C++核心模块的量化交易开发框架,适用于全市场各种类别的交易,并具备高效率与高可用性。 面向专业机构的整体架构设计使它能够管理数十亿级别的实盘规模。从数据处理、回测分析到实际交易和运营调度,涵盖所有环节。 WonderTrader依赖于高速C++核心框架以及高效易用的应用层框架(wtpy),旨在构建一个集研发、交易、运营与调度为一体的全自动量化交易平台场景。 在开发接口方面,它提供了高效的数据库接口。每个策略可以根据需求灵活选择使用不同的引擎:CTA引擎适合标的较少且计算较快的策略;SEL引擎适用于需处理大量数据及复杂逻辑的情况;HFT引擎则针对高频或低延迟交易设计。
  • AlgoPlus: AlgoPlus 2.0 C++ SDK,支持 C++、Python 和 Java 接口
    优质
    AlgoPlus 2.0是一款采用C++开发的全方位市场交易软件开发工具包(SDK),提供C++、Python和Java接口,助力开发者高效构建交易算法。 AlgoPlus 2.0是一款使用C++语言开发的全市场交易SDK,旨在提高量化交易开发效率并促进技术交流。该项目将集中在以下几个方面:在统一框架下提供实现二级市场业务的方法封装,包括但不限于期货、期权(股票期权和期货期权)、普通股票以及融资融券;智能报单指令功能,例如特殊价格类型、金额报单、目标调仓及自动处理今仓和昨仓;连续运行的自动初始化与断线重连恢复机制;优化设计以降低延迟并提高效率;多账户管理;支持C++/Python/Java接口以及前端UI。 范例开发指南包括基础概念介绍,行情订单要素、报单撤销操作、事件驱动Loop任务队列等。此外还提供了常用查询和时间工具的相关文档。
  • 【利C#+vue代码】Vue.NetCore
    优质
    本项目采用C#与Vue结合的方式,致力于打造一个高效的.NET Core开发平台。通过前后端分离技术,实现快速响应和动态交互体验,为开发者提供便捷、灵活的编码环境。 Vue与C#.NetCore的前后端分离框架支持快速开发,并提供两种版本:Vue2和Vue3。 该框架的核心特点包括: - 快速生成基础功能代码。 - 提供前端及后台自定义业务代码扩展选项,同时内置大量常用扩展与通用类库。 - 前后端共配备近300个可编程的扩展方法与属性,便于开发人员在此基础上编写定制化的业务逻辑。 框架提供了便捷的功能: - 通过代码生成器实现主从表前后端业务代码的一键生成,并支持多达三十多种配置选项进行个性化设置。 - 前端表格能够自动转换为KeyValue格式。 - 自动绑定前端表单的Select和Checkbox数据源,无需手动编写相关代码。 使用此框架可以显著提高开发效率与体验。适合用于构建前后端分离架构的应用程序项目,适用于VS2019、vs2022 以及 .NetCore3.1 和 .Net6等环境,并兼容EFCore数据库访问技术(如SqlServer, MySql, PGSql, Oracle)、JWT身份验证机制、Dapper轻量级ORM框架、SignalR实时通讯功能和Quartz.Net定时任务调度工具。此外,还支持Autofac依赖注入容器及Redis缓存服务。 前端开发方面,则可以使用VsCode编辑器配合Vue2或Vue3技术栈(需要先安装Node.js环境),并利用Vuex状态管理和Axios请求库进行业务逻辑处理;同时借助Promise实现异步操作,并通过Element UI或Element Plus组件库来加速界面设计过程。
  • CppCMS C++ Web Framework:C++ Web
    优质
    CppCMS是一款高性能的开源C++ Web开发框架,支持快速构建高效、稳定的Web应用和RESTful服务。 CppCMS是一个用C++开发的Web框架,专门用于构建高性能的Web应用。它通过FastCGI等多种Web API接口进行网络层操作,并支持多种数据库作为数据存储方案。
  • 勾股CMSThinkPHP6、Layui和MySql轻巧快速后
    优质
    简介:勾股CMS是一款基于ThinkPHP6、Layui及MySQL打造的高效、简洁的后台开发框架,适用于快速应用搭建与开发。 系统管理: - 系统配置 - 功能模块 - 功能节点 - 权限角色 - 管理员 - 操作日志 - 数据备份 - 数据还原 基础数据: - 导航设置 - 网站地图 - 轮播广告 - SEO关键字 - 搜索关键词 平台用户: - 用户等级 - 用户管理 - 操作记录 - 操作日志 资讯中心: - 文章分类 - 文章列表 商品中心: - 商品分类 - 商品列表
  • 微粒类似微擎源社区应,致力于向者提供面、灵活工具。
    优质
    微粒框架是一款开源社区应用开发平台,旨在为开发者提供一套全面、灵活和高效的工具集。它借鉴了微擎的成功经验,支持快速构建强大的社交应用程序。 微粒框架是一个开源社区版的应用开发框架,类似于微擎,旨在为开发者提供一套完整、灵活且高效的工具集。 1. 多元化的模块:该框架提供了多样化的模块支持,涵盖社区建设、电子商务平台搭建、在线教育和新闻应用等多种类型。 2. 强大的开发工具:集成多种开发辅助功能如代码编辑器、数据库管理及调试工具等,极大提升了开发者的工作效率。 3. 灵活的扩展性:微粒框架采用模块化设计,并具备插件机制支持,使得添加新特性和组件变得简单易行。 4. 完善的技术文档和指导资源:提供详尽的技术文件与教程指南帮助初学者快速熟悉并掌握其使用方法。 5. 热情的社区氛围:微粒框架拥有一个充满活力且活跃度高的开发者社群,成员们可以在此交流心得、分享知识。 无论您是初创团队、独立程序员还是普通用户,不论您的项目目标是什么类型的应用程序开发需求,“微粒框架”都能提供相应的解决方案。我们坚信通过其强大的功能特性、卓越的可扩展性以及充满活力的社区环境,在使用“微粒框架”的过程中定会为您带来无穷的乐趣与价值体验。
  • FunCode文档(C/C++/Java).rar
    优质
    本资源包含FunCode开发平台详尽的官方文档,涵盖C、C++和Java三种编程语言,适合开发者快速学习与应用。 FunCode开发平台总结了最全的开发文档,包括CC++Java.rar的内容。
  • RedTorch:Java
    优质
    RedTorch是一款专为量化交易设计的Java开源平台框架,旨在帮助开发者快速构建和部署高性能、低延迟的交易平台。 redtorch但知行好事,莫要问前程。在您下载和使用本项目之前,请务必阅读相关协议和注意事项。 **项目简介** 该项目是一个基于Java语言开发的开源量化交易程序开发框架。此版本(1.0.0)大幅精简了之前的通讯协议,并增加了HTTP WebSocket混合RPC模式,这极大地改善了性能,但同时也加大了对通信模型的理解难度;此外,这个分支修复了大量的拼写错误、优化了Desktop模块的渲染方式、修复了许多BUG并修改了接入认证方式。由于改动幅度较大,尚未经过充分测试,请谨慎使用。 Web页面和Python客户端对应的1.0.0版本已经发布,并且与之前的0.3.0版本不兼容。下一个计划发布的版本(1.1.0)将实现基于Zookeeper的高可用性模式,此版本提前准备了HaSession模块以支持这一功能。 **开发语言** Java **项目文档** 本项目仅供代码相互学习。
  • FunCodeC/C++/Java最文档总结
    优质
    简介:FunCode开发平台提供全面的编程资源,涵盖C/C++和Java语言。本系列文档汇总了开发者所需的各类资料和技术指南,助力高效编程与项目实施。 我在网上查找了许多平台和资源信息,但未能找到我需要的内容。因此,我把这些资源整合起来并分享给大家一起使用。这里包括:海底世界、黄金矿工、拼图游戏、桌球、迷你高尔夫、弹弹堂、拍飞虫、打飞碟、坦克大战、太空战机等项目。此外还有最全的文档信息和C/C++/Java教程,以及案例和综合实训等内容。
  • ACNet:利非对称卷积CNN- Python
    优质
    ACNet是一款通过引入非对称卷积模块来提升轻量级CNN模型性能的创新框架。此项目采用Python语言开发,致力于在保持计算效率的同时增强深度网络的功能与效果。 ACNet:通过非对称卷积块增强强大的CNN的内核骨架是ICCV 2019的一篇论文。PaddlePaddle已重新实现该模型并接受转换权重,感谢@parap1uie-s的工作贡献!此外,在Tensorflow2中有一个简单的插件模块用于构建ACNet,并通过调用deploy()将其转换为推理时结构,这是@CXYCarson的杰出作品。