笔者刚接触量化投资，对量化投资挺感兴趣，在闲暇时间进行量化投资的学习，只能进行少量资金进行量化实践。目前在进行基于vnpy的A股市场的量化策略学习，主要尝试攻克的技术难点在：A股市场日线数据的免费获取维护、自动下单交易、全市场选股程序、选股策略的回测程序、基于机器学习的股票趋势预测。
书中介绍的的是vn.py v1.9.2LTS版本，笔者接下来的vn.py学习笔记将基于vn.py最新的源码进行学习分享，有不对的地方欢迎大家指出，共同学习。
欢迎志同道合的朋友加我QQ（1163962054）交流。
github仓库：https://github.com/PanAndy/quant_share。
1 基础架构
vn.py的架构分为3层，分别是底层接口、中层引擎和上层应用，一个交易app的构建即是按这三层进行构建的，如下图所示。
从vn.py的脚本运行方式也可以直观地看出三层架构的关系。
def main():
"""Start VN Trader"""
qapp = create_qapp()
event_engine = EventEngine() # vn.py的事件引擎
main_engine = MainEngine(event_engine) # vn.py的中层核心引擎
main_engine.add_gateway(CtpGateway) # vn.py的底层接口
main_engine.add_app(CtaStrategyApp) # vn.py的上层应用
main_window = MainWindow(main_engine, event_engine)
main_window.showMaximized()
qapp.exec()
if __name__ == "__main__":
main()
2 底层接口
底层接口负责对接行情和交易API，将数据推送到系统核心中，以及发送指令，比如下单、数据请求等。底层AP接口代码位于vnpy/api下，包含所有原生的C++API接口，封装为Python交易接口的相关程序代码及编译后的结果。
vnpy/trader/gateway.py内定义了vn.py交易接口的抽象类，可以基于它编写自己的编写自己的交易接口，笔者后期也会开源出基于easytrader和easyquotation写的交易接口，欢迎关注。
vn.py目前支持的接口列在这了，大家有兴趣可以去看相应的源码。基本套路是一样的，先看vnpy/trader/gateway.py里的抽象内，然后看vnpy/api/xxxgateway的具体实现。
vnpy.gateway，盖国内外所有交易品种的交易接口：
国内市场
CTP(ctp)：国内期货、期权
CTP Mini(mini)：国内期货、期权
飞马(femas)：国内期货
宽睿(oes)：国内证券（A股）
中泰XTP(xtp)：国内证券（A股）
华鑫奇点(tora)：国内证券（A股）
海外市场
富途证券(futu)：港股、美股
老虎证券(tiger)：全球证券、期货、期权、外汇等
Interactive Brokers(ib)：全球证券、期货、期权、外汇等
易盛9.0外盘(tap)：全球期货
数字货币
BitMEX(bitmex)：数字货币期货、期权、永续合约
OKEX合约(okexf)：数字货币期货
火币合约(huobif)：数字货币期货
币安(binance)：数字货币现货
OKEX(okex)：数字货币现货
火币(huobi)：数字货币现货
Bitfinex(bitfinex)：数字货币现货
1Token(onetoken)：数字货币券商（现货、期货）
特殊应用
RPC服务(rpc)：跨进程通讯接口，用于分布式架构
3 中层引擎
中层引擎包括事件引擎、订单路由和数据引擎，往下对接各种交易接口，往上服务于各种应用模块，它可以提供数据缓存、风险管理、订单路由等一系列理化交易中的通用功能。换句话说，中层引擎的功能是将程序中的各个组件，例如底层接口、数据库接口等，融合到一个类中，便于上层应用调用。
vn.py的核心交易引擎位于vnpy/trader/engine.py内，它包括MainEngine、BaseEngine、LogEngine、OmsEngine、EmailEngine。事件引擎位于vnpy/event/engine.py内。需要注意的是，在具体应用的实现过程中，会编写特定的引擎，例如CtaStrategy应用中，就有主引擎CtaEngine(BaseEngine)和回测BacktestingEngine，位于vnpy/app/cta_strategy下。
中层引擎的具体工作流程如下：当底层接口接收行情推送后，行情数据会被推送到事件引擎上。事件引擎会在上层应用中检查哪个模块订阅了这个事件类型，并把行情数据推送到相应的应用模块中。当应用模块处理完行情数据后，直接调用主引擎的某些函数，再把对应的请求发送到底层接口中。
事件引擎是vn.py的核心组件，也是大多数交易系统或回测引擎、甚至大多数交互程序的设计基础。事件驱动程序设计模型的运行流程是由用户的动作（鼠标的按键、键盘的按键动作）或者其他程序的消息（如最新行情的推送）来决定的。在量化交易领域，事件引擎是为了解决Python全局锁GIL导致的多线程性能问题而开发的，通过单线程异步工作模式实现事件流的处理和分发，从而提高整个交易系统的性能。事件引擎部分的代码是值得好好看看的。
4 上层应用
上层应用主要位于vnpy/app下，开箱即用的各类量化策略交易应用：
- cta_strategy：CTA策略引擎模块，在保持易用性的同时，允许用户针对CTA类策略运行过程中委托的报撤行为进行细粒度控制（降低交易滑点、实现高频策略）。CTA策略模块主要用于单标的的期货CTA策略和股票T+0日内交易策略，回测引擎和实盘引擎设计采用了完全兼容的API函数，用户可以使用同一套策略代码实现回测研究和执行实盘交易 。在扩展方面，基于Python生态丰富的机器学习库，用户可以在策略代码中轻松实现各种机器学习算法来提高效率。这也是我后期要研究的重点。
- cta_backtester：CTA策略回测模块，无需使用Jupyter Notebook，直接使用图形界面直接进行策略回测分析、参数优化等相关工作
- algo_trading：算法交易模块，提供多种常用的智能交易算法：TWAP、Sniper、Iceberg、BestLimit等等，支持常用算法配置保存
- script_trader：脚本策略模块，针对多标的组合类交易策略设计，同时也可以直接在命令行中实现REPL指令形式的交易，不支持回测功能
- rpc_service：RPC服务模块，允许将某一VN Trader进程启动为服务端，作为统一的行情和交易路由通道，允许多客户端同时连接，实现多进程分布式系统
- csv_loader：CSV历史数据加载器，用于加载CSV格式文件中的历史数据到平台数据库中，用于策略的回测研究以及实盘初始化等功能，支持自定义数据表头格式
- data_recorder：行情记录模块，基于图形界面进行配置，根据需求实时录制Tick或者K线行情到数据库中，用于策略回测或者实盘初始化
- risk_manager：风险管理模块，提供包括交易流控、下单数量、活动委托、撤单总数等规则的统计和限制，有效实现前端风控功能