C++ 在高频交易中的应用

关注并标星Fintech1深入了解金融科技业---------------------------

在高频交易中，我们需要在最短的时间内对市场上的行情进行反应，这时候就真正体现“时间就是金钱”那句古话，每多一个毫秒，甚至微秒的延迟，就意味着更多的风险。
为了应对以上情况，我们必须要在极短的时间内在同一个时间对每个合约进行定价，而计算一个期权的理论价格并不是一件简单的事情，对计算性能的要求非常高。不仅如此，对于如何能够更加准确地计算“隐含波动率”，同样具有极高的挑战性。
如何来提高计算速度，降低延迟？
要控制和降低延迟，首先要能准确测量延迟。因此需要比较准的钟，带GPS或原子钟primary standard的NTP服务器是少不了的。而且就算用了NTP，同一机房两台机器的时间也会有毫秒级的差异，计算延迟的时候，两台机器的时间戳不能直接相减，因为不在同一时钟域。

解决办法是设法补偿这个时差。另外，不仅要测量平均延迟，更重要的是要测量并控制长尾延迟，即99百分位数或99.9百分位数的延迟，即使sell side，系统偶尔慢一下被speculator利用也会亏钱。
具体从哪些方面可以降低延迟？
普通的C++服务程序，内部延迟（从进程收到消息到进程发出消息）做到几百微秒（即亚毫秒级）是不需要特殊的努力的。如果瓶颈在CPU，那么最有效的优化方式是“强度消减”，即不在于怎么做得快，而在于怎么做得少。

网络延迟分传输延迟和惯性延迟，通常局域网内以后者为主，广域网以前者为主。前者是传送1字节消息的基本延迟，大致跟距离成正比，千兆局域网单程是近百微秒，伦敦到纽约是几十毫秒。这个延迟受物理定律限制，优化办法是买更好的网络设备和租更短的线路。

惯性延迟跟消息大小成正比，跟网络带宽成反比，如果无法改变带宽，可以减小消息长度来降低延迟。

另外，延迟和吞吐量是矛盾的，通常吞吐量上去了延迟也会跟着升上去，因此控制负载是控制延迟的重要手段。延迟和资源使用率也是矛盾的，做高吞吐的服务程序，希望把CPU和IO都跑满，资源都用完。而低延迟的服务程序的资源占用率通常很低。实际上平时资源使用率低是为了准备应付突发请求，“排队”就意味着等待，等待就意味着延迟。

关于C++ 在交易中的其他方面，有兴趣的话，欢迎留言讨论。