CTP-API开发系列之五:SimNow环境介绍

CTP-API开发系列之五:SimNow环境介绍

CTP-API开发系列之五:SimNow环境介绍

如果你要研发一套国内期货程序化交易系统,从模拟测试到最终部署到实盘生产线,会经历以下三个环境:

复制代码
 1. SimNow模拟测试环境
 2. 期货公司仿真评测环境
 3. 期货公司实盘交易环境

一套程序只需修改不同环境的连接信息、登录信息,无需重新编译,就可以在上述环境进行切换,需要注意的就是:仿真评测环境需要更换成评测版本的动态链接库文件(.so或者.dll),SimNow环境使用的是实盘环境的动态库。

SimNow模拟测试环境

SimNow是上海期货交易所全资子公司上期技术公司专为投资者打造的期货模拟仿真交易平台,通过CTP系统,量化交易投资者可以利用SimNow验证投资策略的正确性。

第一套

复制代码
第一组:交易前置:180.168.146.187:10201,行情前置:180.168.146.187:10211;【电信】
第二组:交易前置:180.168.146.187:10202,行情前置:180.168.146.187:10212;【电信】
第三组:交易前置:218.202.237.33:10203,行情前置:218.202.237.33:10213;【移动】
交易阶段(服务时间):与实际生产环境保持一致。

第二套

复制代码
交易前置:180.168.146.187:10130,行情前置:180.168.146.187:10131;【7x24】【电信】
交易阶段(服务时间):交易日,16:00~次日09:00;非交易日,16:00~次日12:00

登录关键字段

复制代码
1.InvestorID(UserID):
	投资者代码,simnow官网通过手机号注册后,短信下发;实盘的话在期货公司开户之后分配得到;
2.Password
	开户时设置的登录密码
3.BrokerID
	期货公司编号,simnow环境为"9999";实盘每家期货公司有自己固定的编号;
4.AppID
	客户终端软件代码,simnow环境为"simnow_client_test";实盘需要按照期货公司的要求,自行定义并由期货公司确认;
5.AuthCode
	客户终端软件认证码,simnow环境为"0000000000000000"(16个0);
	上实盘之前需要在期货公司的评测环境测试通过,由期货公司分配;

可视化终端

复制代码
1.simnow官方提供了多个厂商的交易终端,实盘需要在对应的期货公司官网下载,推荐使用快期交易系统(CTP提供的),
 每家期货公司都支持,其他	厂商提供的交易终端,部分期货公司不一定会采购。
2.以下是快期3的登录界面以及登录之后的主页面,可以方便大家进行数据校准(资金、持仓、委托、成交、行权单等)。


常见问题

复制代码
1.simnow环境不支持分笔成交;如果你的程序需要测试分笔成交的场景,需要用期货公司的仿真环境或者实盘环境。
  后面会详细分享报单流程以及分笔回推流的处理方式。
2.如果程序启动后没有任何反应,大概率是simnow环境没有开,可以用telnet测一下连通性。
3.当天在官网注册账号,一般第二天才会短信发送生产的投资者代码。
4.周末及节假日无法使用,官网也无法打开。
5.其他常见问题,见 https://www.simnow.com.cn/static/SimNowFAQ.action
相关推荐
benchmark_cc1 天前
实时行情和分钟 K 线应该如何配合使用?从信号计算到交易决策的完整分析
大数据·python·数据分析·pandas·量化交易·股票数据·quantdash
quantdash_cc1 天前
Pandas 处理分钟级股票行情:从原始数据清洗到 K 线聚合
开发语言·python·数据分析·pandas·量化交易·股票数据·quantdash
benchmark_cc2 天前
量化项目启动时,应该先设计数据接口还是先编写策略?从系统架构角度做出正确选择
开发语言·python·数据分析·pandas·量化交易·股票数据·quantdash
水母量化2 天前
波动率目标仓位怎么做:从风险预算到调仓阈值
量化交易
benchmark_cc3 天前
实时行情系统如何避免无意义的重复请求?从请求去重到缓存设计
大数据·开发语言·python·pandas·量化交易·股票数据·quantdash
benchmark_cc3 天前
量化系统架构设计:为什么应该将数据获取与策略逻辑解耦?
python·数据分析·pandas·量化交易·股票数据·quantdash
2601_966949654 天前
如何判断实时行情数据是否已经更新?从时间戳、交易时段到行情有效性
开发语言·python·数据分析·pandas·量化交易·股票数据·quantdash
quantdash_cc5 天前
如何给自己的量化策略增加独立数据层?从数据获取到策略解耦的 Python 实践
开发语言·python·数据分析·量化交易·股票数据·quantdash
benchmark_cc5 天前
批量获取股票数据后,如何统一转换成 DataFrame?从数据结构到量化研究的完整实践
数据结构·python·数据分析·量化交易·股票数据·quantdash
quantdash_cc6 天前
量化数据清洗应该放在数据层还是策略层?从系统架构看清职责边界
开发语言·python·数据分析·系统架构·量化交易·股票数据·quantdash