我建立了一个平台和市场来创建、测试和运行股票和加密货币的交易策略。
至少在过去的十年里，我对金融和API有着浓厚的兴趣，这促使我建立了像BVNK这样的初创公司和像COVID19API这样的产品。我对投资也有积极的兴趣，作为一名软件工程师，我对技术如何为某项任务带来更多的价值很感兴趣。
在阅读了一些关于交易策略的书籍后，我决定尝试实施这些策略，看看它们是否有效。当时有几个选项可以做到这一点，比如Quantopian（RIP），Trading View和Meta Trader平台。然而，这些软件要么学习曲线很陡，涉及我不熟悉的语言（Python和MQL），要么过于简单，只提供一些子集的功能。
对于一个特定的交易策略，我对以下内容感兴趣。
- 股票的价格应该低于某个值
- 股票的市值应低于某一数值
- 在一定时期内，该股票应该有一定数量的内幕交易报告
- 在一定时期内，股票的交易量应该有一定比例的增长
- 在一定时期内，SMA20应跨越SMA50
- 市盈率应低于某一数值
我发现没有一个平台能够轻松做到这一点，既能进行回溯测试，又能进行日常运行，因此我决定建立一个平台来实现这一点。
注意：虽然我在这篇文章中只提到了股票，但一切都与货币有关，当然，有些标准并不适用。
启动项目
我以前曾试图建立这个项目，并使其正常工作，但后来把自己编进了一个洞。它变得太复杂了，无法修改，如果不进行重大的重构，就无法测试。我还没有准备好放弃这个想法，所以决定重新开始，这次要好好做。
从第一天开始，我就使用了测试驱动开发，以确保代码能够被维护下去。在这个应用程序的构建过程中，这绝对是一个救命稻草，而且令人惊讶的是，它并没有减慢开发速度。我发现，当我脱离了TDD的习惯（"让我快速完成这个任务"），花在调试和修复上的时间比一开始做TDD的时间还多。
不过TDD并不能自动带来好的架构，所以在开始开发后不久，我就花时间设计平台的整体架构。当我通过预期的结果工作时，我意识到这比我预期的要复杂得多。
隐藏的复杂性
我们的愿望是：能够创建一个具有N个进入标准和N个退出标准的方法论。这些标准在内部应该是同一类型的，所以我利用Go的接口来实现一个良好的模式。
注意：接口对于在Go中使用TDD并确保获得良好的覆盖率至关重要，所以我建议使用大量的接口和大量的嘲弄。
现在有几种类型需要实现：标准类型（"你在测试什么"），标准状态类型（"你在测试什么"），以及方向（"高于或低于"）。为了达到这一点，我花了很多时间，但在实现了这个基础后，我有了一个东西，a）可以工作，b）可以随着我在整个系统中增加更多的类型而扩展。
标准类型的例子有：目标、名义增长、百分比增长和交叉。
标准状态类型的例子有：成交量、价格、pe比率、指标、内部交易、目标等。
我能够得到的最好的工作方式是，你创建一个具有相关字段和数据点的标准对象，然后在评估过程中，你使用switch语句将标准指向一个可以最终完成评估的特定函数。
如果所有的标准点都被满足，则标准被标记为满足。如果所有标准都满足，那么相关的交易就会被执行（开仓或平仓）。
处理指标一直是特别困难的，主要是由于字段的数量不同和数据类型不同。一种方法是将每个指标作为一个对象在代码中创建，这比较容易，但会导致大量的代码。另一种方法是创建一个更通用的指标对象，它可以有一个相关的类型，并且字段和功能根据类型的不同而不同。我选择了后者，因为前期的设计将在未来节省很多时间（例如，如果你想给所有的指标添加一个字段，或者改变所有指标的行为）。
去耦合
通过TDD开发，你最终会得到漂亮的、解耦的代码。这使得改变变得更加容易，因为你可以确定这些改变不会产生意想不到的效果（大部分时间）。然而，在处理顶级领域类型的流程时，它确实会引起一些头痛。
在我的案例中，领域流程是一个“方法论”。（ banq：DDD聚合根？）
“方法论”持有所有的标准和相关的交易，以及与特定用户的链接，还有一些元数据。
对象中不包括一些关键元素：股票本身，围绕股票的价格数据，以及跨方法论运行的交易。
我们的想法是，股票应该被传递给“方法论”，并且只是运行，而方法论不应该关心或知道股票的情况。但是，因为方法论不知道股票，所以价格也没有联系。为了清楚起见，流程如下。
- 方法论被运行，所有标准被检查
- 方法论返回标准状态，然后开启交易。
因为标准是灵活的，而且因为我们检查标准时，没有可用的价格信息。
你可以对方法论进行重载，添加一个定价字段和一个股票字段，但这与方法论对象没有联系--这是影响它的东西。我像躲避那场瘟疫一样躲避污染，因为它总是以泪水收场。
相反，为了解决这个问题，当交易需要打开时，我们获取股票的相关价格。我在这里说 "相关 "是因为我们也在进行回测，所以我们不能只取最新的价格，我们需要取一个有一定偏移量的价格。
数据管理
我正在使用IEX云作为数据源，正如任何与金融数据打交道的人所知道的，成本会迅速增加。我只想在我需要的时候获取数据，而且只在我需要的时候获取。
这发生在几个地方：当运行回测和请求数据时。因此，当这些事件发生时，我做以下检查。
- 获取最新的数据记录（价格、公司统计、内幕交易，等等）
- 如果有一个记录，检查日期。如果没有记录，就把日期设置为UTC 0
- 将日期发送到一个函数，以返回要获取多少数据。如果我们落后5天，就获取1个月的数据（最小的增量），如果我们落后40天，获取3个月的数据，等等。另外，确保检查你是否在周末附近，并作出相应的调整。
- 取出数据并保存，然后返回数据
由于后面的测试都使用了这些相同的函数，因此必须根据我们想要的数据来切割所得到的片断。如果我们想要60个时期以前的数据，我们就需要只返回到那个时候的数据。
上述数据的获取在直接通过API请求数据时也是有效的，而且令人惊讶的是根本不需要花费太长时间。例如，当请求3个月的数据时，我们从IEX获取数据，保存它，并在500ms左右返回。随后的调用要快得多，保存数据时<200ms，缓存数据时<100ms。
目前的状况
我在这个项目上花了六个月的时间（大概350个小时），写了23000行代码，最终的代码覆盖率将达到90%。这是一种爱的劳动，也是一种巨大的回报。
在向公众发布之前，该应用程序需要进行一些小的调整和进一步的测试，但它目前正在运行我的方法论中的大部分标准，每天大约有3000只股票。我将在短期内进行前端工作，并应在1月底前推出一些初始版本。我还向YCombinator申请了投资，让我们看看会发生什么。