分布式计算实例

本文介绍分布式计算的基本思路和关键实例代码。

Haotrader的分布式计算在之前已经说过。这篇再详细介绍一下,增加了一些必要的功能,使回测基本可以在一种CS架构下进行,从而提供更多的可能。

	CString strsymbolarray[6];
	strsymbolarray[0] = L"EURUSD";
	strsymbolarray[1] = L"GBPUSD";
	strsymbolarray[2] = L"AUDUSD";
	strsymbolarray[3] = L"USDJPY";
	strsymbolarray[4] = L"USDCAD";
	strsymbolarray[5] = L"NZDUSD";
	CString strargvarray[6];
	strargvarray[0] = L"2,6,1.0,70,0";
	strargvarray[1] = L"2,6,1.0,70,0";
	strargvarray[2] = L"2,6,1.0,70,0";
	strargvarray[3] = L"2,6,1.0,70,0";
	strargvarray[4] = L"2,6,1.0,70,0";
	strargvarray[5] = L"2,6,1.0,70,0";

	int index;
	for (index = 0; index < 6; index++)
	{
		packtask* ptask = new packtask;
		ZeroMemory(ptask, sizeof(packtask));
		wcscpy(ptask->dbmsg.wchcmd, L"starttest");
		wcscpy(ptask->dbmsg.wchsymbol, strsymbolarray[index]);
		ptask->dbmsg.period = 1;
		wcscpy(ptask->dbmsg.wchexpert, L"BI_Expert_PM_backtest");
		_stprintf(ptask->dbmsg.wchargv, strargvarray[index]);
		ptask->dbmsg.busedate = FALSE;
		ptask->dbmsg.startbalance = 10000.f;
		_stprintf(ptask->wchfilepath, L"%s\\%s.rpt", m_strtaskfolder, GenGuidString());
		ptask->result = 0.f;

		m_list_taskwaiting.push_back(ptask);
		m_taskcount++;

	}

这段server端代码是最简单的一种方式,用已经设定好的交易商品和参数来运行指定的策略。代码执行完毕后,m_list_taskwaiting中已经排列好指定的任务。接下来CTaskDistributor类的实例将把这些任务分配到已经连接到server端的haotrader client端。每个haotrader运行完指定的任务后,会返回rpt文件,同时等待task distributor继续派发任务。task distributor可以立即对rpt文件进行分析,同时可以生成一个可视化的图片(这个图片生成的指标基本是照搬Metatrader,只是多了一点额外信息 – 比如整个策略执行过程中建立的最大头寸)。

A1D3A72E-65F3-4DBF-906E-FB25B4A34409.rpt

本例中回测时长是一个月,仓位固定大小为固定的0.1手。因此获利的美元数恰好等于获利的点数。Expected Payoff为-0.09,表示平均每单损失0.09点。由于交易成本默认为2点,而这个策略绝大部分在欧美时段进行交易,交易成本可以降低到1点,则本策略在这个月平均每单可以获利0.91点。

当然这种巨幅波动一般也不直接用于实战,改进后我们可以对参数进行动态生成,对rpt文件进行一个评分,在净利润和回撤中寻找一种平衡。

后面我将陆续介绍几种动态优化的思路和实战方法。

Leave a Reply