21、做市商系统架构：交易系统、风控系统、清算系统、数据系统

做市商的系统架构，说白了就是四根柱子：交易、风控、清算、数据。这四块缺一不可，少一个，你的利润就可能变成别人的利润。

我刚开始搭建系统时，总觉得交易系统最重要，其他都是辅助。后来吃过亏才明白——风控才是命根子，数据才是金矿。嗯，咱们一个一个说。

交易系统：你的“手”和“脚”

交易系统是直接跟市场打交道的部分。它负责接收报价、发送订单、管理仓位。我个人习惯把交易系统拆成三层：

• 接入层：连接交易所的API，处理行情和订单流。这里要注意延迟，毫秒级差异就能决定盈亏。
• 策略层：运行你的定价模型、对冲逻辑、订单管理。我建议把策略和接入解耦，方便单独升级。
• 执行层：负责拆单、路由、成交确认。我曾经遇到过因为拆单算法太激进，导致市场冲击过大的情况，后来改成了时间加权平均算法才稳住。

风控系统：你的“刹车”和“安全带”

风控系统不是用来限制你的，是用来保护你的。我见过太多做市商因为风控不到位，一夜回到解放前。

风控系统通常包含：

• 事前风控：订单检查（价格是否合理、数量是否超限）、仓位检查（是否超过预设敞口）、资金检查（保证金是否充足）。
• 事中风控：实时监控市场波动、持仓变化、对手方风险。一旦触发阈值，自动执行止损或对冲。
• 事后风控：交易复盘、压力测试、归因分析。我每个月都会跑一次极端行情模拟，看看系统能不能扛住。

清算系统：你的“账房先生”

清算系统负责交易确认、资金结算、费用计算、盈亏统计。很多人忽视这块，觉得它只是记账。其实不然——清算系统是利润的最终确认者。

清算系统要处理：

• 交易匹配：确保你的成交记录和交易所的记录一致。不一致的情况我遇到过几次，都是因为时间戳精度问题。
• 资金管理：计算保证金、盈亏、手续费、利息。这里要注意不同产品的计费规则差异很大。
• 对账：每天收盘后，和交易所、托管行、对手方对账。我建议自动化对账，人工对账太容易出错。

清算任务	频率	注意事项
交易匹配	实时	注意时间戳对齐
资金计算	每日	区分已实现和未实现盈亏
对账	每日	自动化优先，人工复核

数据系统：你的“大脑”和“记忆”

数据系统是其他三个系统的基础。没有数据，交易系统就是瞎子，风控系统就是聋子，清算系统就是傻子。

数据系统包含：

• 行情数据：实时行情、历史行情、深度数据。我建议同时存储原始数据和加工后的数据，方便回溯。
• 交易数据：订单、成交、仓位、资金流水。这些数据要保留至少5年，监管要求。
• 分析数据：策略回测结果、风险指标、绩效报告。我习惯用Parquet格式存储，查询速度快很多。

系统架构图

下面这张图展示了四个系统之间的关系。交易系统在最前面，风控系统贯穿始终，清算系统在后台运行，数据系统为所有系统提供支撑。

系统间的协作

这四个系统不是孤立的，它们之间需要紧密协作。我举个例子：

1. 交易系统收到行情，生成报价并发送到交易所。
2. 风控系统实时监控报价是否在安全范围内，如果超出阈值，立即拦截。
3. 成交后，清算系统记录交易，计算盈亏和费用。
4. 数据系统存储所有数据，供后续分析和回测使用。

这里有个关键点：数据一致性。我曾经因为交易系统和清算系统的时间戳不一致，导致对账时差了十几万。后来统一用NTP服务器同步时间，再也没出过问题。

技术选型建议

根据我的经验，不同系统适合不同的技术栈：

系统	推荐技术	原因
交易系统	C++ / Java + 低延迟网络	需要极致性能
风控系统	Python + 规则引擎	灵活配置，快速迭代
清算系统	Java / Go + 关系型数据库	事务一致性要求高
数据系统	Kafka + ClickHouse + S3	高吞吐，低成本存储

当然，这只是参考。具体选型要看你的交易品种、规模、团队技术栈。我见过用Python做交易系统的，也能跑得不错，关键是找到适合你的方案。

---