1. 项目概述用C为量化交易注入“网格”灵魂网格交易一个在震荡市中备受青睐的策略其核心思想简单得像在公园里下棋在预设的价格区间内等间距地挂上买入和卖出订单价格每触及一个网格线就执行一次交易低买高卖赚取波动差价。听起来是不是有点“机械”和“枯燥”没错这正是程序化交易的魅力所在——将重复、理性的决策交给代码。而C凭借其接近硬件的执行效率、对内存的精细控制以及在高频、低延迟交易系统中的统治地位无疑是实现这类策略的绝佳语言。今天我们就来动手用C从零构建一个完整的网格交易策略模拟引擎。这不仅仅是一个“例子”而是一个可以让你深入理解策略逻辑、市场模拟和C面向对象设计的实战项目。无论你是想入门量化交易的C开发者还是希望优化策略性能的量化爱好者这个项目都能为你提供一个坚实的起点。2. 网格交易策略核心逻辑与设计2.1 策略原理与数学模型拆解网格交易的本质是在一个预设的“箱体”内进行高抛低吸。我们首先需要定义几个核心参数基准价 (Base Price)网格的中心锚点可以是策略启动时的市场价格也可以是某个理论价值。价格区间 (Price Range)[Lower Bound, Upper Bound]策略只在这个区间内运行。网格数量 (Grid Number)或网格间距 (Grid Step)将价格区间等分为N份每份的价差就是网格间距。Grid Step (Upper Bound - Lower Bound) / Grid Number。每网格交易量 (Order Volume per Grid)每次触发买卖指令时交易的基础数量。策略运行逻辑是一个状态机初始化在每一个网格价格线上包括上轨和下轨预先挂出限价订单。低于基准价的网格挂买单高于基准价的网格挂卖单。同时策略需要持有一定的基础仓位或资金作为“种子”。行情驱动当市场价格波动触及某个网格价格时对应的订单成交。订单再平衡一笔订单成交后立即在相反方向、间隔一个网格的距离上补挂一张新订单。例如一个低价买单成交后立即在比成交价高一个Grid Step的位置挂出一个卖单锁定利润空间。循环往复市场持续在区间内震荡策略就不停地“买入-卖出-买入”像织网一样捕捉每一次小的价格波动。其盈利核心在于单次网格利润 Grid Step * Order Volume per Grid。总利润则取决于市场在区间内来回穿越网格线的次数。2.2 C面向对象设计思路为了清晰模拟这一过程我们将系统分解为几个核心类遵循单一职责原则MarketData(市场数据类)负责接收或生成模拟的价格序列Tick数据或K线数据。这是策略的“眼睛”。Grid(网格类)代表一个具体的网格线包含其价格、订单方向买/卖、订单状态未成交/已成交。GridStrategy(网格策略类)策略的核心大脑。它持有MarketData实例和一组Grid对象。主要职责包括根据参数初始化网格、处理市场数据更新、检查网格触发、执行交易逻辑、管理订单再平衡。Portfolio(资产组合类)记录现金、持仓、累计盈亏、交易记录等。这是策略的“账本”。OrderTrade(订单与成交类)虽然简单模拟中可以省略但良好的设计应包含它们以记录每一笔委托和成交的细节便于后续分析和回测。它们之间的关系是GridStrategy聚合了MarketData和多个Grid并操作Portfolio进行资金和持仓的更新。当MarketData推送新价格时GridStrategy遍历所有活跃的Grid进行检查和触发。3. 核心类实现与代码解析3.1 基础数据结构定义我们从最基础的Grid和Portfolio开始。// Grid.h #ifndef GRID_H #define GRID_H enum class OrderSide { BUY, SELL }; enum class GridStatus { ACTIVE, FILLED }; class Grid { public: Grid(double price, OrderSide side, double volume); double getPrice() const { return price_; } OrderSide getSide() const { return side_; } GridStatus getStatus() const { return status_; } double getVolume() const { return volume_; } void setStatus(GridStatus status) { status_ status; } bool isTriggered(double marketPrice) const; private: double price_; // 网格触发价格 OrderSide side_; // 订单方向 GridStatus status_; // 网格状态 double volume_; // 订单数量 }; #endif // GRID_HGrid类的isTriggered方法是触发逻辑的关键。对于买单当市场价格低于或等于网格价格时触发对于卖单当市场价格高于或等于网格价格时触发。这里有一个细节我们使用一个很小的容差如1e-8来避免浮点数比较的精度问题。// Grid.cpp #include “Grid.h” #include cmath const double EPSILON 1e-8; bool Grid::isTriggered(double marketPrice) const { if (status_ GridStatus::FILLED) return false; if (side_ OrderSide::BUY) { // 买单触发市价 网格价 return marketPrice price_ EPSILON; } else { // SELL // 卖单触发市价 网格价 return marketPrice price_ - EPSILON; } }Portfolio类相对直接主要管理状态。// Portfolio.h #ifndef PORTFOLIO_H #define PORTFOLIO_H #include vector #include “Trade.h” class Portfolio { public: Portfolio(double initialCash); double getCash() const { return cash_; } double getPosition() const { return position_; } double getTotalPnl() const { return totalPnl_; } const std::vectorTrade getTradeHistory() const { return tradeHistory_; } // 执行交易更新现金、持仓、记录交易、计算并更新盈亏 void executeTrade(double price, double volume, bool isBuy); private: double cash_; // 现金 double position_; // 持仓数量正为多负为空 double totalPnl_; // 累计已实现盈亏 std::vectorTrade tradeHistory_; // 交易记录 }; #endif // PORTFOLIO_H3.2 策略引擎GridStrategy的实现这是最复杂的部分我们逐步构建。第一步初始化网格。在构造函数或专门的initGrids方法中根据基准价、区间、网格数创建网格。// GridStrategy.h 部分代码 class GridStrategy { public: GridStrategy(double basePrice, double lowerBound, double upperBound, int numGrids, double volumePerGrid, double initialCash); void onMarketData(double price); // 处理新价格 // ... 其他方法 private: void initGrids(); void checkAndTriggerGrids(double price); void replaceGrid(const Grid filledGrid); std::vectorGrid grids_; Portfolio portfolio_; double basePrice_; double lowerBound_, upperBound_; double gridStep_; double volumePerGrid_; int numGrids_; };initGrids函数的实现逻辑void GridStrategy::initGrids() { grids_.clear(); gridStep_ (upperBound_ - lowerBound_) / numGrids_; // 从基准价开始向上向下创建网格 // 创建低于基准价的买单网格 for (int i 0; i numGrids_; i) { double price basePrice_ - i * gridStep_; if (price lowerBound_ - EPSILON) { // 确保在区间内 grids_.emplace_back(price, OrderSide::BUY, volumePerGrid_); } } // 创建高于基准价的卖单网格注意基准价本身可能已经创建了买单这里从1开始 for (int i 1; i numGrids_; i) { double price basePrice_ i * gridStep_; if (price upperBound_ EPSILON) { grids_.emplace_back(price, OrderSide::SELL, volumePerGrid_); } } // 可选按价格排序便于后续遍历和展示 std::sort(grids_.begin(), grids_.end(), [](const Grid a, const Grid b) { return a.getPrice() b.getPrice(); }); }注意这里有一个关键设计选择。我们是在策略开始时一次性挂出所有网格订单静态网格还是在每次成交后动态挂出下一个网格订单动态网格上述实现是“静态挂单动态补单”的混合模式。初始化时挂出所有网格成交后该网格标记为FILLED并在相反方向补挂新网格。另一种“完全动态”模式是只在基准价上下各挂一个网格成交后再向外扩展。前者在行情快速波动时可能同时触发多个网格后者则更谨慎。我们采用前者因为它更贴近传统网格交易的描述且逻辑更清晰。第二步驱动引擎onMarketData。这是策略的心跳函数。void GridStrategy::onMarketData(double price) { checkAndTriggerGrids(price); }第三步核心触发与再平衡逻辑checkAndTriggerGrids和replaceGrid。void GridStrategy::checkAndTriggerGrids(double marketPrice) { for (auto grid : grids_) { if (grid.isTriggered(marketPrice)) { // 1. 执行交易 bool isBuy (grid.getSide() OrderSide::BUY); portfolio_.executeTrade(grid.getPrice(), grid.getVolume(), isBuy); // 2. 标记该网格为已成交 grid.setStatus(GridStatus::FILLED); // 3. 在相反方向间隔一个网格的位置补单 replaceGrid(grid); // 注意一个价格可能触发多个网格这里继续循环检查 } } } void GridStrategy::replaceGrid(const Grid filledGrid) { double newPrice; OrderSide newSide; if (filledGrid.getSide() OrderSide::BUY) { // 买单成交则在更高一个网格的位置挂出卖单 newPrice filledGrid.getPrice() gridStep_; newSide OrderSide::SELL; } else { // 卖单成交则在更低一个网格的位置挂出买单 newPrice filledGrid.getPrice() - gridStep_; newSide OrderSide::BUY; } // 检查新价格是否仍在交易区间内 if (newPrice lowerBound_ - EPSILON newPrice upperBound_ EPSILON) { grids_.emplace_back(newPrice, newSide, volumePerGrid_); // 再次排序以保持顺序如果需要的話 } // 如果超出区间则不再补单该方向的网格链终止。 }Portfolio::executeTrade的实现需要处理盈亏计算。对于网格交易我们通常采用先进先出FIFO的会计方法来计算每次卖出对应的成本从而计算单笔盈亏。void Portfolio::executeTrade(double price, double volume, bool isBuy) { Trade trade(price, volume, isBuy); tradeHistory_.push_back(trade); if (isBuy) { // 买入现金减少持仓增加 cash_ - price * volume; position_ volume; } else { // 卖出现金增加持仓减少 cash_ price * volume; position_ - volume; // 计算并实现盈亏简化FIFO模型 // 注意这是一个简化计算。完整FIFO需要维护持仓成本队列。 // 此处假设每次卖出都对应最近一次买入的成本用于演示。 // 实际项目中应实现更严谨的成本核算。 if (!tradeHistory_.empty()) { // 寻找最近一笔买入交易作为成本参考简易处理 double lastBuyPrice price; // 默认值 for (auto it tradeHistory_.rbegin(); it ! tradeHistory_.rend(); it) { if (it-isBuy) { lastBuyPrice it-price; break; } } double pnl volume * (price - lastBuyPrice); totalPnl_ pnl; } } }4. 模拟回测与可视化输出4.1 生成模拟价格序列一个策略引擎需要数据来驱动。我们可以模拟一个简单的均值回归价格序列非常适合测试网格策略。// 简单的正弦波叠加随机噪声模拟震荡市 std::vectordouble generatePriceSeries(int numPoints, double base, double amplitude, double noiseLevel) { std::vectordouble prices; std::default_random_engine generator; std::normal_distributiondouble distribution(0.0, noiseLevel); for (int i 0; i numPoints; i) { double sineValue std::sin(2 * M_PI * i / 50.0); // 周期为50个数据点 double noise distribution(generator); double price base amplitude * sineValue noise; prices.push_back(price); } return prices; }4.2 主程序与回测循环将所有的类组合起来运行一个完整的模拟。// main.cpp #include “GridStrategy.h” #include iostream #include iomanip #include vector int main() { // 策略参数 double basePrice 100.0; double lowerBound 95.0; double upperBound 105.0; int numGrids 10; // 区间内网格总数上下各一半 double volumePerGrid 10.0; double initialCash 10000.0; // 初始化策略 GridStrategy strategy(basePrice, lowerBound, upperBound, numGrids, volumePerGrid, initialCash); // 生成模拟价格数据 auto priceSeries generatePriceSeries(500, basePrice, 3.0, 0.5); // 回测循环 std::cout “开始网格交易模拟回测...\n”; std::cout “时间\t市场价格\t现金\t持仓\t总盈亏\n”; std::cout std::fixed std::setprecision(2); for (size_t i 0; i priceSeries.size(); i) { double currentPrice priceSeries[i]; strategy.onMarketData(currentPrice); // 每隔一段时间输出状态 if (i % 50 0) { auto portfolio strategy.getPortfolio(); // 假设GridStrategy有getPortfolio方法 std::cout i “\t” currentPrice “\t\t” portfolio.getCash() “\t” portfolio.getPosition() “\t” portfolio.getTotalPnl() “\n”; } } // 输出最终结果 auto finalPortfolio strategy.getPortfolio(); std::cout “\n 回测结束 \n”; std::cout “最终现金: ” finalPortfolio.getCash() “\n”; std::cout “最终持仓: ” finalPortfolio.getPosition() “\n”; std::cout “累计已实现盈亏: ” finalPortfolio.getTotalPnl() “\n”; // 输出交易记录前10笔 const auto trades finalPortfolio.getTradeHistory(); std::cout “\n交易记录共” trades.size() “笔:\n”; int limit std::min(10, (int)trades.size()); for (int i 0; i limit; i) { std::cout (trades[i].isBuy ? “买入” : “卖出”) “ ” trades[i].price “ * ” trades[i].volume “\n”; } return 0; }4.3 基础可视化控制台图表虽然无法绘制GUI图表但我们可以在控制台输出简单的文本图表观察价格与网格的关系。void printGridSnapshot(const GridStrategy strategy, double currentPrice) { const auto grids strategy.getGrids(); // 假设有获取网格列表的方法 double lower strategy.getLowerBound(); double upper strategy.getUpperBound(); int consoleWidth 60; for (const auto grid : grids) { int pos static_castint((grid.getPrice() - lower) / (upper - lower) * consoleWidth); char mark (grid.getStatus() GridStatus::FILLED) ? ‘*’ : ‘|’; if (grid.getSide() OrderSide::BUY) { std::cout std::string(pos, ’ ’) ‘B’ mark; } else { std::cout std::string(pos, ’ ’) ‘S’ mark; } std::cout “\n”; } // 打印当前价格线 int pricePos static_castint((currentPrice - lower) / (upper - lower) * consoleWidth); std::cout std::string(pricePos, ’ ’) “^” currentPrice “\n”; }5. 性能优化与生产环境考量5.1 数据结构与算法优化在真实的高频场景中onMarketData可能被每秒调用成千上万次。遍历所有网格O(n)可能成为瓶颈。优化方法使用有序容器和二分查找将网格按价格排序存储在std::map或std::set中。当新价格到来时使用lower_bound/upper_bound快速找到可能被触发的网格范围而不是遍历全部。std::mapdouble, Grid activeGrids_; // 价格-网格映射 void checkAndTriggerGridsOptimized(double marketPrice) { // 查找第一个价格 marketPrice的网格可能是卖单触发点 auto it_low activeGrids_.lower_bound(marketPrice); // 查找第一个价格 marketPrice的网格可能是买单触发点 // 需要反向迭代或者用另一种数据结构辅助 // 更优方案使用两个有序集合分别管理买单和卖单网格 }买卖网格分离用两个有序集合分别管理买单网格和卖单网格。买单网格按价格降序排列方便查找最高买入价卖单网格按价格升序排列方便查找最低卖出价。触发检查的复杂度可降至O(log n)。5.2 内存管理与对象池频繁创建和销毁Grid和Trade对象可能引发内存碎片。对于性能要求极高的系统可以考虑使用对象池Object Pool预分配内存。class GridPool { public: Grid* acquire(double price, OrderSide side, double volume) { if (pool_.empty()) { return new Grid(price, side, volume); } else { Grid* obj pool_.back(); pool_.pop_back(); // 重新初始化对象成员 *obj Grid(price, side, volume); // 需要Grid实现赋值运算符或重置方法 return obj; } } void release(Grid* obj) { pool_.push_back(obj); } private: std::vectorGrid* pool_; };5.3 浮点数精度与定点数金融价格计算对精度敏感。double类型可能存在舍入误差。对于货币单位有时会使用定点数例如用long long表示1e-8美元即“聪”的概念。在网格价格比较、盈亏计算时需统一使用带容差的比较函数如前文提到的EPSILON。5.4 日志、风控与状态持久化生产系统必须包含详细日志记录每一个市场事件、订单触发、成交、异常。使用异步日志库如spdlog避免I/O阻塞策略线程。风控模块实时监控仓位、盈亏、资金使用率。设置单笔最大亏损、每日最大亏损、最大持仓等硬止损线。状态持久化策略运行时状态如每个网格的状态、资产组合应能定期快照保存到文件或数据库。在程序崩溃重启后可以从中断点恢复而不是从头开始。6. 策略缺陷、应对与扩展方向6.1 网格交易的固有风险单边市风险这是网格交易的最大敌人。当价格突破区间上轨并持续上涨时策略会卖光所有仓位踏空后续涨幅当价格跌破区间下轨并持续下跌时策略会不断买入直至资金耗尽承受巨大浮亏。资金利用率与机会成本资金被分散锁定在各个网格订单上在趋势行情中这些资金无法追逐趋势收益。交易成本侵蚀在震荡不明显、网格过密或手续费过高的情况下频繁交易产生的成本可能吃掉全部微薄利润。6.2 常见优化与变种动态调整网格根据市场波动率如ATR动态调整网格间距。波动大时拉大间距避免过于频繁交易波动小时缩小间距捕捉微小震荡。不均匀网格在基准价附近布置更密的网格在区间边缘布置更疏的网格。这符合价格在均值附近波动更频繁的假设。趋势过滤引入一个简单的趋势指标如EMA。当价格在EMA之上时只持有卖单网格或降低买单网格密度在EMA之下时则反之。这相当于给网格策略增加了一个“方向性偏置”。马丁格尔式网格在亏损的方向上下一次开仓的仓位按一定倍数如2倍增加以期在价格回归时快速回本并盈利。但这会急剧放大风险需极其谨慎的资金管理。6.3 项目扩展建议接入真实数据将MarketData类改为从CSV文件、数据库或实时数据API如腾讯、新浪的股票接口或加密货币的WebSocket读取数据。实现完整回测框架加入滑点、手续费模型计算夏普比率、最大回撤、胜率等指标。参数优化编写脚本对basePrice、gridNum、upperBound、lowerBound等参数进行网格搜索或遗传算法优化寻找历史数据上的最优参数组合注意防止过拟合。图形化界面使用Qt或ImGUI库绘制策略运行仪表盘实时显示价格曲线、网格分布、资产曲线等。多品种与价差网格将策略扩展到两个高度相关的品种如ETH/BTC进行价差网格交易这可以一定程度上规避单边市风险。7. 调试与问题排查实录在实际编码和测试中你几乎一定会遇到下面这些问题。问题1网格触发逻辑错误导致同一价格反复触发同一个网格。现象在模拟中一次价格更新导致同一网格成交多次资产计算混乱。原因isTriggered函数只检查了价格条件没有检查状态。一个已成交(FILLED)的网格在价格依然满足条件时被重复触发。解决在isTriggered函数开头增加状态检查如我们代码所示if (status_ GridStatus::FILLED) return false;。这是状态机设计的关键。问题2浮点数精度导致网格价格计算偏差或触发不灵敏。现象理论上应该触发网格的价格实际没有触发。原因double类型计算gridStep_ (upperBound_ - lowerBound_) / numGrids_可能存在微小误差导致计算出的网格价格如100.01与理论值100.0有细微差别。在比较marketPrice gridPrice时因精度问题判断为假。解决使用容差EPSILON进行比较。更稳健的做法是将所有价格转换为整数如乘以1e8进行计算和比较完全避免浮点数。问题3在快速行情中一个Tick触发了多个网格但补单逻辑出现交叉。现象价格从98跳到102直接穿过了100这个价位。理想情况是触发100的买单然后在101补卖单。但代码顺序遍历可能先触发了101的卖单这不符合逻辑因为价格是跳跃的并非连续经过每个价位。分析与解决这涉及到对市场行为的理解。在真实交易中如果价格跳跃中间价位的订单是否成交取决于交易所的订单簿匹配规则。在我们的模拟中需要定义清楚规则。通常有两种处理方式逐笔检查更真实每个onMarketData只处理一个价格。跳跃行情需要由数据源拆分为多个连续的价格点这通常不现实。区间检查更实用如果当前价格price_current上一个价格price_prev则检查区间[min(prev, current), max(prev, current)]内所有网格。这模拟了价格穿越过程。实现上可以在GridStrategy中保存上一次价格在checkAndTriggerGrids中遍历所有价格在[lastPrice, currentPrice]区间内的网格。void GridStrategy::checkAndTriggerGrids(double currentPrice) { double low std::min(lastPrice_, currentPrice); double high std::max(lastPrice_, currentPrice); for (auto grid : grids_) { if (grid.getPrice() low grid.getPrice() high) { // 触发逻辑... } } lastPrice_ currentPrice; }问题4资产组合的盈亏计算不准确特别是当多次买入成本不同时。现象卖出时计算的盈亏与手工核算不符。原因我们上面实现的Portfolio::executeTrade中的盈亏计算是简化的它假设每次卖出都对应最近一次买入的成本。这不符合严格的FIFO先进先出会计原则。解决实现一个持仓成本队列。每次买入将(价格, 数量)推入队列。每次卖出从队列头部按顺序扣除数量并计算这部分卖出对应的盈亏。std::dequestd::pairdouble, double positionQueue_; // (成本价 数量) void Portfolio::executeTradeFIFO(double price, double volume, bool isBuy) { if (isBuy) { positionQueue_.emplace_back(price, volume); cash_ - price * volume; position_ volume; } else { double remainingVolume volume; while (remainingVolume EPSILON !positionQueue_.empty()) { auto lot positionQueue_.front(); double deductVolume std::min(lot.second, remainingVolume); double pnl deductVolume * (price - lot.first); totalPnl_ pnl; cash_ price * deductVolume; position_ - deductVolume; lot.second - deductVolume; remainingVolume - deductVolume; if (lot.second EPSILON) { positionQueue_.pop_front(); } } } }这个C网格交易示例项目从策略原理到代码实现再到生产级考量和问题排查几乎涵盖了一个量化策略原型开发的全流程。它最大的价值不在于提供一个可以直接赚钱的策略而在于提供了一个绝佳的框架让你理解策略如何与市场交互、状态如何管理、盈亏如何核算以及C如何应用于金融计算领域。你可以在此基础上像搭积木一样尝试各种改进和扩展这才是学习的真正开始。
