程序化交易 云服务还是自建服务器

云服务。

随着自己交易策略不断升级，开始从简单的文华提升到python，因为众所周知的python的可扩展性和丰富的计算模块能够满足自己的要求。python里我觉得vnpy确实做得不错，至少没有太多的bug，现在一直都还用vnpy来跑自己的策略，对于计算比较大了之后的服务器选择又得上一个台阶，在阿里把配置升级到了4核心，8G，带宽的话最好还是2mb以上，因为数据从接口过来都得自己的源码读取，阿里这里还是比较好，可以随意的调整配置。其实，也没什么好推荐的，我觉得阿里云还是不错，用了这么多年也没宕机，延迟数据只要你的策略不要太太太复杂，都应该能应付。

程序化高频交易服务器可以直接托管在期货公司机房，现在一般的期货公司程序化机房都是CTP平台的机房，本身就是在上期所期机房，速度上可以保证。

另外一种方式是可以自已搭建机房及服务器，然后再通过宽带专线连接到期货公司机房。

一般情况下，综合成本，肯定是租借期货公司机房便宜也方便管理，自已只要使用就可以，那些服务器，机房等维护都由期货公司进行。

自已搭建机房及组建服务器，相对来说，自由度更大些。也能更好的利用，有利于公司进行管理及业务程序化发展，但综合成本及管理维护要贵一些，并且，IT系统运维的专业人员也不好招到。

希望对你能有所帮助。

首先我们要明确一点，行情是一直在波动的所以产生滑点的原因不可能是行情。我们在进行历史回测或者是在模拟盘中经常会发现，每笔成交的价格都是按照我们想要的价格来止盈或者是止损的。那么究竟是什么原因呢？这是因为在历史回测或者是模拟盘中根本没有网络的延时。

根据我们前面讲的滑点计算公式，首先行情必然是一直在波动的，所以我们无法改变行情的波动。但是我们可以尽量减少网络延迟时间。行情是一直在变化的，但是我们电脑屏幕上显示的行情并不是当下的真实行情。也就说我们看到的并不是直播而是重播。我们在进行投资操作时发出指令到生效也需要传递的时间。所以如果行情的波动速度过大或者网络延迟的时间过长都会加大滑点。对于一些小周期交易级别来说，甚至会有颠覆性的影响。那么如何做才能尽量减少滑点的影响呢？规避滑点主要有以下三种方法：

一、降低网络延迟

也就是说尽可能的找到连接我们程序化交易服务器最快的路径，来降低网络延迟。

二、尽量规避特定的行情波动速度快的时间点

比如说某些投资者对非农就会采取完全规避的办法。在数据公布的15分钟前进行清仓。由于行情的波动速度是我们无法左右的，所以我们只能选择不清仓来尽量避免滑点对交易的影响。

三、将程序化交易级别扩大

很多朋友都知道大周期的交易级别的平均盈利点数和亏损点数都会小于小周期的交易级别。我们举个例子，假如一个大周期级别的模型，平均亏损30点盈利平均50点。小级别周期平均亏损3点平均盈利5点。那么在模拟盘或者是历史回测中，我们可能看不出太大的区别，因为二者都可以得到稳定盈利。但是在实盘操作中二者就会有非常大的区别，大周期一定会比小周期级别有效的多。这是因为平均盈亏点数和滑点的尺度都不在一个数量级。

但是换个角度来看，程序化交易中的滑点还有可能会为我们增加利润。如果我们采取开单方式是逆tick级别的势，那滑点对我们来说是有利的，如果我们的平仓方式是顺tick级别的势，滑点也对我们也是有利的，这种情况下，我们的网络延迟较大，其实是一件好事。

---