基于亚马逊云科技的量化交易业务架构总览

发布时间：2022-02-09 浏览次数：2543

本文转载于亚马逊云科技，更多详情，请参考官网。



背景介绍

在数字金融体系中，许多客户都充分利用亚马逊云科技快速、稳定的全球基础设施构建他们的业务，优化访问、分析和决策的效率，提高业务扩展的弹性，完善业务运行的稳定性。同时在高频交易场景中，无论是行情数据同步、预测分析还是决策下单，速度都是至关重要的因素。本文总结了一些量化交易场景下可以借鉴的最佳实践，帮助您更好的使用亚马逊云科技服务。

01

选择延迟最低的部署位置

亚马逊云科技的基础设施遍布全球，为客户的业务部署提供了丰富的选择空间。到目前为止，亚马逊云科技在全球26个地理区域（Region）内运营着 84个可用区（Availability Zone），每个可用区内包含多个数据中心，这些数据中心、可用区和 亚马逊云科技 区域之间都通过高可用、低延迟的私有网络基础设施进行互连，使得所有亚马逊云科技资源之间的访问快速、稳定。借助亚马逊云科技全球资源和网络，量化交易架构可以快速部署、稳定运行，获得最低的访问延迟，并实现灵活的迁移和扩展。

对于高频交易来说，访问延迟决定着交易的结果是否能达到预期。如果您要访问部署在亚马逊云科技上的金融服务，使用亚马逊云科技意味着请求会通过亚马逊云科技骨干网络到达您要访问的客户端，与请求在Internet中传输相比延迟更低、稳定性更高；如果服务部署在与客户端所在区域相同的区域，那么延迟会更低，同一区域内资源互访的延迟只有几毫秒；为了提高可用性，每个区域的不同可用区相隔一定距离（100公里以内），互相之间完全隔离，如果您将亚马逊云科技资源与请求对端的资源部署在同一可用区，请求发生在同一可用区内，延迟将降到最低。
图示：使用亚马逊云科技之外的资源访问亚马逊云科技上部署的服务时，需要经过复杂的网络环境，可能产生较多延迟。
图示：使用亚马逊云科技资源访问亚马逊云科技上部署的服务时，通过亚马逊云科技全球骨干网高速通信，网络环境好、延迟低。

02

使用PrivateLink进一步提升安全性并降低成本

对于访问安全性要求高的团队，在与API服务提供商（如交易所）协商后，可以使用亚马逊云科技 PrivateLink提高访问的安全性。亚马逊云科技 PrivateLink 可以在 VPC、亚马逊云科技服务和本地应用程序之间通过 Amazon 网络安全地提供私有连接。您的客户端服务提供商可以将他们的应用程序配置为亚马逊云科技PrivateLink支持的服务，之后您可以使用VPC endpoint，在他们的服务和您的VPC之间创建连接，这样您的请求就会通过私有网络更安全、更迅速地到达目标服务。亚马逊云科技PrivateLink的工作方式如下图。

03

降低决策过程的延迟

在对外访问延迟尽可能降低之后，进一步优化的空间就在于自动化决策的延迟。决策延迟的降低在架构层面体现在三个细节：公有子网部署、集中同一可用区部署、使用置放群组。

亚马逊云科技的网络基础服务VPC（Virtual Private Cloud）提供云上的虚拟私有网络，EC2、RDS、ElastiCache等服务都部署在VPC中，它们可以通过VPC的组件——互联网网关（Internet Gateway）来与互联网通信。每一个VPC属于一个区域，其中可以划分子网，每个子网属于一个可用区，您可以在子网中启动亚马逊云科技资源。同一VPC内的各个子网之间是可以互相访问的，您可以根据业务模块的不同，将需要更高安全性的EC2（如决策服务器）放在私有子网中，与其他实例内部通信，通过NAT Gateway发起向外的请求；而将需要更低延迟的EC2（如行情同步、下单服务器）放在公有子网中，直接通过Internet网关向外发起请求，使访问更便捷。

为了提高可用性，很多场景的最佳实践是跨可用区部署（如负载均衡器Elastic Load Balancer，自动扩展AutoScaling，托管关系型数据库RDS，托管内存数据库ElastiCache等），防止单可用区故障对服务产生影响；但在高频交易的场景下，跨可用区部署可能会增加访问延迟，那么使用单可用区部署来提高访问速度是一种适当的策略。例如ElastiCache的Redis集群模式部署，选择多个可用区会提高可用性，但同时也可能增加访问延迟；使用单可用区做集群部署，并且将访问Redis集群的EC2也部署在相同的可用区内，这样损失了一部分可用性，但优化了决策速度。

04

节约模型训练与预测时间

如果您的量化交易逻辑涉及到机器学习的分析和预测，那么节约模型预测的时间也会是整个量化交易过程中的重要一环。除了尽可能优化预测逻辑之外，节点部署上同样建议使用单可用区部署，并使用置放群组使得EC2之间的通信延迟尽可能低。在使用机器学习算法，如常用的RNN、LSTM、GRU、Reinforcement Learning等训练模型的过程中，Amazon Deep Learning AMI与亚马逊云科技的机器学习平台Amazon SageMaker可以帮助您进一步缩短模型训练与预测的时间。

05

小结

综上所述，使用亚马逊云科技部署量化交易架构的最佳实践包括选择延迟最低的区域与可用区、单可用区部署并使用置放群组降低通信时延、使用Deep Learning AMI 或 SagaMaker节约模型训练与预测时间等。在此基础之上，您可以优化代码，使得判断与处理的用时更少，尽可能减少从交易信号出现到完成交易指令整个流程的时间，在瞬息万变的市场中赢得先机。


ABOUT US

尚云是尚航科技全资子公司，天使投资人包括雷军先生等知名投资人。同时，尚云也是亚马逊云科技高级咨询级合作伙伴。致力于IDC与云计算完美融合，为企业提供完全中立的第三方IDC+公有云一体式解决方案。尚云在京津冀、长三角、粤港澳大湾区等中心城市，自建IDC数据中心，开启了万柜时代。
尚云为众多企业提供一站式技术解决方案，技术服务涉及多个领域，为音视频、跨境电商、泛金融、新能源汽车等行业客户提供专业的云咨询、云迁移、云运维等技术增值服务。


返回列表

测试