一、行情系统概述

各位同学好，我是老张。今天开始咱们聊极速行情系统。

做量化交易这些年，我见过太多团队在行情系统上栽跟头。有的延迟高了几个微秒，策略直接失效；有的吞吐量扛不住，数据丢了都不知道。说白了，行情系统就是量化交易的「眼睛」——眼睛要是花了，再厉害的大脑也白搭。

1.1 极速行情系统的定义

极速行情系统，简单来说就是：从交易所产生行情数据，到你的策略程序收到这笔数据，整个过程要尽可能快、尽可能稳。

我个人的理解是，它不只是一个软件，而是一整套「从网卡到应用层」的优化链路。你想想看，行情数据从交易所的撮合引擎出来，经过网络、交换机、网卡、内核协议栈，最后到你的应用程序——这中间每一步都可能成为瓶颈。

我在2018年参与过一个项目，当时团队用的是开源方案，从收到行情到策略能用的延迟大概在50微秒左右。后来我们做了全链路优化，包括FPGA网卡、内核旁路、共享内存，硬生生压到了5微秒以内。嗯，这就是极速行情系统的价值所在。

1.2 核心指标

评价一个行情系统好不好，主要看三个指标：延迟、吞吐量、抖动。这三者缺一不可。

1.2.1 延迟

延迟就是行情数据从交易所到你策略的时间差。单位通常是微秒（μs），甚至纳秒（ns）。

延迟又分几种：

• 网络延迟：光纤传输时间，光速限制下，1公里大约5微秒
• 处理延迟：网卡接收、协议解析、数据解码的时间
• 分发延迟：行情数据从接收节点到策略节点的传输时间

我曾经遇到过一个坑：某次系统上线后，延迟比预期高了20微秒。排查了三天，最后发现是交换机的一个端口配置了流控。关掉之后，延迟立刻降下来了。所以啊，延迟优化是系统工程，任何一个环节都不能忽视。

1.2.2 吞吐量

吞吐量指的是系统单位时间内能处理的行情数据量。比如每秒能处理多少笔逐笔成交、多少条订单簿快照。

A股市场，全市场逐笔成交峰值大概在每秒几十万笔。期货市场更夸张，中金所股指期货的行情峰值能到每秒百万笔以上。你的系统必须扛得住这种压力。

我记得有一次做压力测试，行情模拟器以2倍峰值速率发送数据，结果系统直接挂了——内存暴涨，CPU打满。后来发现是解码模块里有个无锁队列设计不合理，生产者太快，消费者跟不上。说白了，吞吐量不只是「快」，更要「稳」。

市场	峰值吞吐量（笔/秒）	数据包大小
A股全市场	30万-50万	100-200字节
中金所期货	80万-120万	80-150字节
美股全市场	200万+	50-100字节

1.2.3 抖动

抖动，也叫延迟方差。它衡量的是延迟的稳定性。

为什么抖动重要？你想想看，如果你的行情延迟平均是10微秒，但有时候突然跳到100微秒——这种「毛刺」对高频策略是致命的。做市商策略往往依赖稳定的行情输入，一旦抖动过大，策略会做出错误判断。

降低抖动的方法包括：

• 使用CPU亲和性绑定，避免上下文切换
• 禁用中断合并，减少延迟波动
• 使用大页内存，减少TLB miss
• 避免动态内存分配，使用对象池

1.3 应用场景

极速行情系统不是万能的，但在某些场景下，它是刚需。

1.3.1 量化交易

量化交易策略，尤其是统计套利、因子策略，对行情的实时性要求很高。你比别人早1微秒拿到行情，就可能多赚一个tick的价差。

我参与过的一个CTA策略，依赖跨品种的价差信号。行情延迟从20微秒优化到5微秒后，策略的夏普比率提升了0.3。为什么？因为信号更及时了，进场点位更好了。

1.3.2 做市商

做市商是极速行情系统的「重度用户」。做市商需要在极短时间内更新双边报价，行情延迟直接决定了报价的竞争力。

举个例子，你在交易所A看到某股票的最新成交价是10.00元，然后你在交易所B挂出10.01元的卖单。如果行情延迟大，等你看到A的成交价时，价格可能已经变了——你的卖单就成了「僵尸单」，容易被套利者吃掉。

1.3.3 高频交易

高频交易对延迟的追求近乎偏执。从网卡到应用，每一步都要优化到极致。

我记得有个高频团队，为了减少1微秒的延迟，把服务器从机房的一端搬到了另一端——离交换机更近，网线短了2米。你可能觉得夸张，但在高频交易领域，1微秒可能就是盈利和亏损的分界线。

1.4 知识体系总览

下面这张图，是我对极速行情系统知识体系的梳理。你可以把它当作整个课程的地图。

这张图展示了极速行情系统的三大核心维度：核心指标（延迟、吞吐量、抖动）、应用场景（量化交易、做市商、高频交易）、技术栈（硬件加速、内核旁路、低延迟网络、共享内存）。后续课程中，我们会逐一深入每个技术点。

好了，第一章的内容就到这里。极速行情系统不是一蹴而就的，它需要你对硬件、操作系统、网络、数据结构都有深入理解。接下来的课程，我会带着大家一步步把这些技术点吃透。

---