原文转载自「刘悦的技术博客」/a_id_192
如果你爱他，那么送他去股市，因为那里是天堂；如果你恨他，送他去股市，因为那里是地狱。
在过去的一年里，新冠疫情持续冲击世界经济，全球主要股票市场的波动都相对频繁，尤其是A股，正所谓：曾经跌停难为鬼，除非解套才做人；抄底时难抛亦难，反弹无力百花残。对于波谲云诡的股票市场，新投资人还是需要谨慎入场，本次我们来利用双队列的数据结构实现实时在线交易匹配引擎，探索股票交易的奥秘。
首先需要明确一点，证券交易和传统的B2C电商系统交易完全不同，证券交易系统提供的买卖标的物是标准的数字化资产，如美元、股票、比特币等等，它们的特点是数字计价，可分割买卖，也就是说，当我们发起买盘申请的时候，需要有价格对应的卖盘响应，才能真正完成交易，反之亦然。
具体逻辑是：所有买盘或者卖盘的订单队列都传递给匹配引擎，匹配引擎尝试将它们的价格进行匹配。该匹配队列分为买单（按价格升序排列，出价最高的优先交易）和卖单（按降序排列，卖价最低的优先交易）。如果股票订单找不到与匹配的价格，那么该订单就继续保存在订单队列中的原适当位置。
这里我们以实际的案例来看一下相关匹配算法的实现，假设我有两个订单队列，一个买盘，一个卖盘：
#买盘 价格 数量 100 50 100 10 90 5 88 3#卖盘 价格 数量 170 50 180 40 199 10 200 5
最常见的匹配算法就是“价格/时间优先”队列。订单主要根据价格进行匹配，如果以相同的价格水平存在多个订单，则最早的订单将首先被匹配，这也和队列原理相同：先入先出。
如上所示，假设有两个订单紧挨着。第一个是以100块钱的价格买入50股的买入订单，第二个也是以相同价格买入10股的买入订单。鉴于订单与任何卖价都不匹配（由于其价格低于最低的卖价），所以它们都被放置在订单队列中。第一订单和第二订单以相同的价格水平存储，但是由于时间优先，前者比后者具有优先权。这基本上意味着，第一个订单将被放置在买入队列中的第二个订单的前面。
而卖盘同理，首先卖价最低的优先交易，如果卖价相同，则时间优先，先进队列的先交易，可是很多散户都遇见过一种情况，就是如果手里的一支股票连续跌停，就算拼命挂低价单也很难卖出去，甚至可能直接跌到退市血本无归，这是为什么呢？
因为当一只股票跌停时，也意味着有一大堆筹码堆积在跌停板上，想卖出去是不容易的，得排队，理论上按照“时间优先、价格优先”的交易原则排队成交，但跌停的情况下，只存在“时间优先”的考虑，也就是说，如果想在封死跌停板时把股票卖出去，就得尽早对该股票挂跌停板价格卖出。
可实际上，一只股票跌停，不光是小部分散户卖不出去，而是大多数散户都卖不出去，都在恐慌性出货，大家都在排队卖。更何况，股票买卖是通过券商进行的，而券商有VIP快速通道也不是什么秘密，一些大资金的大户、游资、机构享有券商优待，或通过租用通道实现对盘面的快速优先买卖，这也导致了在股票涨停板抢筹、跌停板出货时存在一定的“不公平”性，也就说，交易队列并非完全遵照“价格/时间”定序，还有可能出现优先级(加权)队列，所以，跌停时跑不了，涨停时买不进就不是什么新鲜事了。
另外，还需要注意匹配算法中的价格一直而数量匹配填充的问题，假设买单10块挂单50手，卖单10块挂单30手，则匹配的价格为10块钱，在买一卖一各显示30手，买单队列首位置就会有20手在排队，如下所示：
#买盘 价格 数量 10 50 #卖盘 价格 数量 10 30 11 50
经过匹配算法之后：
#买盘 价格 数量 10 20 #卖盘 价格 数量 11 50
OK，了解了基本概念，让我们用Python3具体实现，首先需要定义两个类，订单和交易，订单对象作为匹配算法之前的元素，而交易对象则是匹配之后的成交对象：
class Order: def __init__(self, order_type, side, price, quantity): self.type = order_type self.side = side.lower() self.price = price self.quantity = quantity class Trade: def __init__(self, price, quantity): self.price = price self.quantity = quantity
这里type是订单类型，side代表买单或者卖单，price为价格，quantity为数量。
紧接着我们来实现订单队列：
class OrderBook: def __init__(self, bids=[], asks=[]): self.bids = sorted(bids, key = lambda order: -order.price) self.asks = sorted(asks, key = lambda order: order.price) def __len__(self): return len(self.bids) + len(self.asks) def add(self, order): if order.type == 'buy': self.bids.append(order) elif order.type == 'sell': self.asks.append(order) def remove(self, order): if order.type == 'buy': self.bids.remove(order) elif order.type == 'sell': self.asks.remove(order)
这里的订单队列很容易地实现为具有两个排序列表的数据结构，其中两个列表包含两个按价格排序的订单实例。一种按升序排序（买单），另一种按降序排序（卖单）。
下面来实现系统的核心功能，匹配引擎：
from collections import deque class MatchingEngine: def __init__(self): self.queue = deque() self.orderbook = OrderBook() self.trades = deque()
首先，我们需要两个FIFO队列；一个用于存储所有传入的订单，另一个用于存储经过匹配后所有产生的交易。我们还需要存储所有没有匹配的订单。
之后，通过调用.process（order）函数将订单传递给匹配引擎。然后将匹配生成的交易存储在队列中，然后可以依次检索（通过匹配引擎交易队列），也可以通过调用.get_trades（）函数将其存储在列表中。
def process(self, order): self.match(order) def get_trades(self): trades = list(self.trades) return trades
随后就是匹配方法：
def match(self, order): if order.side == 'buy': filled = 0 consumed_asks = [] for i in range(len(self.orderbook.asks)): ask = self.orderbook.asks[i] if ask.price > order.price: break # 卖价过高 elif filled == order.quantity: break # 已经匹配 if filled + ask.quantity <= order.quantity: filled += ask.quantity trade = Trade(ask.price, ask.quantity) self.trades.append(trade) consumed_asks.append(ask) elif filled + ask.quantity > order.quantity: volume = order.quantity-filled filled += volume trade = Trade(ask.price, volume) self.trades.append(trade) ask.quantity -= volume # 没匹配成功的 if filled < order.quantity: self.orderbook.add(Order("limit", "buy", order.price, order.quantity-filled)) # 成功匹配的移出订单队列 for ask in consumed_asks: self.orderbook.remove(ask) elif order.side == 'sell': filled = 0 consumed_bids = [] for i in range(len(self.orderbook.bids)): bid = self.orderbook.bids[i] if bid.price < order.price: break if filled == order.quantity: break if filled + bid.quantity <= order.quantity: filled += bid.quantity trade = Trade(bid.price, bid.quantity) self.trades.append(trade) consumed_bids.append(bid) elif filled + bid.quantity > order.quantity: volume = order.quantity-filled filled += volume trade = Trade(bid.price, volume) self.trades.append(trade) bid.quantity -= volume if filled < order.quantity: self.orderbook.add(Order("limit", "sell", order.price, order.quantity-filled)) for bid in consumed_bids: self.orderbook.remove(bid) else: self.orderbook.add(order)
逻辑上并不复杂，基本上就是在订单队列中遍历，直到收到的订单被完全匹配为止。对于每个匹配成功的订单，都会创建一个交易对象并将其添加到交易队列中。如果匹配引擎无法完全完成匹配，则它将剩余量作为单独的订单再添加会订单队列中。
当然了，为了应对高并发场景，实现每秒成千上万的交易量，我们可以对匹配引擎进行改造，让它具备多任务异步执行的功能：
from threading import Thread from collections import deque class MatchingEngine: def __init__(self, threaded=False): self.queue = deque()self.orderbook = OrderBook()self.trades = deque()self.threaded = threaded if self.threaded: self.thread = Thread(target=self.run) self.thread.start()
改造线程方法：
def process(self, order): if self.threaded: self.queue.append(order) else: self.match(order)
最后，为了让匹配引擎能够以线程的方式进行循环匹配，添加启动入口：
def run(self): while True: if len(self.queue) > 0: order = self.queue.popleft() self.match(order) print(self.get_trades()) print(len(self.orderbook))
大功告成，完整代码如下：
class Order: def __init__(self, order_type, side, price, quantity): self.type = order_type self.side = side.lower() self.price = price self.quantity = quantity class Trade: def __init__(self, price, quantity): self.price = price self.quantity = quantity class OrderBook: def __init__(self, bids=[], asks=[]): self.bids = sorted(bids, key = lambda order: -order.price) self.asks = sorted(asks, key = lambda order: order.price) def __len__(self): return len(self.bids) + len(self.asks) def add(self, order): if order.type == 'buy': self.bids.append(order) elif order.type == 'sell': self.asks.append(order) def remove(self, order): if order.type == 'buy': self.bids.remove(order) elif order.type == 'sell': self.asks.remove(order) from threading import Thread from collections import deque class MatchingEngine: def __init__(self, threaded=False): order1 = Order(order_type="buy",side="buy",price=10,quantity=10) order2 = Order(order_type="sell",side="sell",price=10,quantity=20) self.queue = deque() self.orderbook = OrderBook() self.orderbook.add(order1) self.orderbook.add(order2) self.queue.append(order1) self.queue.append(order2) self.trades = deque() self.threaded = threaded if self.threaded: self.thread = Thread(target=self.run) self.thread.start() def run(self): while True: if len(self.queue) > 0: order = self.queue.popleft() self.match(order) print(self.get_trades()) print(len(self.orderbook)) def process(self, order): if self.threaded: self.queue.append(order) else: self.match(order) def get_trades(self): trades = list(self.trades) return trades def match(self, order): if order.side == 'buy': filled = 0 consumed_asks = [] for i in range(len(self.orderbook.asks)): ask = self.orderbook.asks[i] if ask.price > order.price: break # 卖价过高 elif filled == order.quantity: break # 已经匹配 if filled + ask.quantity <= order.quantity: filled += ask.quantity trade = Trade(ask.price, ask.quantity) self.trades.append(trade) consumed_asks.append(ask) elif filled + ask.quantity > order.quantity: volume = order.quantity-filled filled += volume trade = Trade(ask.price, volume) self.trades.append(trade) ask.quantity -= volume # 没匹配成功的 if filled < order.quantity: self.orderbook.add(Order("limit", "buy", order.price, order.quantity-filled)) # 成功匹配的移出订单队列 for ask in consumed_asks: self.orderbook.remove(ask) elif order.side == 'sell': filled = 0 consumed_bids = [] for i in range(len(self.orderbook.bids)): bid = self.orderbook.bids[i] if bid.price < order.price: break if filled == order.quantity: break if filled + bid.quantity <= order.quantity: filled += bid.quantity trade = Trade(bid.price, bid.quantity) self.trades.append(trade) consumed_bids.append(bid) elif filled + bid.quantity > order.quantity: volume = order.quantity-filled filled += volume trade = Trade(bid.price, volume) self.trades.append(trade) bid.quantity -= volume if filled < order.quantity: self.orderbook.add(Order("limit", "sell", order.price, order.quantity-filled)) for bid in consumed_bids: self.orderbook.remove(bid) else: self.orderbook.add(order)
测试一下：
me = MatchingEngine(threaded=True) me.run()
返回结果：
liuyue:mytornado liuyue$ python3 "/Users/liuyue/wodfan/work/mytornado/test_order_match.py" [<__main__.Trade object at 0x102c71750>] 2 [<__main__.Trade object at 0x102c71750>, <__main__.Trade object at 0x102c71790>] 1
没有问题。
结语：所谓天下熙熙，皆为利来；天下攘攘，皆为利往。太史公这句名言揭示了股票市场的本质，人性的本能就是追求利益，追求利益却要在决对原则之下，但是资本市场往往是残酷的，王霸雄图，荣华敝屣，到最后，也不过是尽归尘土。
原文转载自「刘悦的技术博客」 /a_id_192
王霸雄图荣华敝屣 谈笑间尽归尘土|基于Python3双队列数据结构搭建股票/外汇交易匹配撮合系统
