证券交易系统撮合引擎的设计

廖雪峰
资深软件开发工程师，业余马拉松选手。

在证券交易系统中，撮合引擎是实现买卖盘成交的关键组件。本文我们将分析撮合引擎的工作原理，并以最简化的Java代码设计并实现一个撮合引擎。

在证券市场中，撮合交易是一种微观价格发现模型，它允许买卖双方各自提交买卖订单并报价，按价格优先，时间优先的顺序，凡买单价格大于等于卖单价格时，双方即达成价格协商并成交。在A股身经百战的老股民对此规则应该非常熟悉，这里不再详述。

我们将讨论如何从技术上来实现它。对于撮合引擎来说，它必须维护两个买卖盘列表，一个买盘，一个卖盘，买盘按价格从高到低排序，确保报价最高的订单排在最前面；卖盘则相反，按照价格从低到高排序，确保报价最低的卖单排在最前面。

下图是一个实际的买卖盘：

order-book

对于买盘来说，上图的订单排序为2086.50，2086.09，2086.06，20860，2085.97，……

对于卖盘来说，上图的订单排序为2086.55，2086.75，2086.77，2086.90，2086.99，……

不可能出现买1价格大于等于卖1价格的情况，因为这意味着应该成交的买卖订单没有成交却在订单簿上等待成交。

对于多个价格相同的订单，例如2086.55，很可能张三卖出1，李四卖出3，累计数量是4。当一个新的买单价格≥2086.55时，到底优先和张三的卖单成交还是优先和李四的卖单成交呢？这要看张三和李四的订单时间谁更靠前。

有了以上规则，我们先设计一个最简单的订单类Order：

public class Order {
    public final long sequenceId; // 序号
    public final Direction direction; // 订单方向
    public final BigDecimal price; // 价格
    public BigDecimal amount; // 数量

    // 构造方法略:
    public Order(long sequenceId, Direction direction, BigDecimal price, BigDecimal amount) {
        ...
    }
}

虽然订单的成交规则遵循价格优先、时间优先的原则，但我们并不会比较两个订单的下单时间，而是给接收到的所有订单依次赋予一个递增的序列号，序列号越小的自然时间越早，因此排在前面。时间本身实际上是订单的一个普通属性，不参与业务排序。

订单方向用枚举Direction实现，它仅有BUY和SELL两个值：

public enum Direction {
    BUY, SELL;
}

价格和数量以BigDecimal表示。不用float或double的原因在于计算机无法进行精确的浮点数运算，而金融交易的价格、数量是不允许有误差的，因此，必须用BigDecimal作为定点数运算。

下一步是实现订单簿OrderBook的表示。一个直观的想法是使用List<Order>，并对订单进行排序。但是，在证券交易中，使用List会导致两个致命问题：

插入新的订单时，必须从头扫描List<Order>，以便在合适的地方插入Order，平均耗时O(N)；
取消订单时，也必须从头扫描List<Order>，平均耗时O(N)。

更好的方法是使用红黑树，它是一种自平衡的二叉排序树，插入和删除的效率都是O(logN)，对应的Java类是TreeMap。

所以我们定义OrderBook的结构就是一个TreeMap<OrderKey, Order>，它的排序根据OrderKey决定。由业务规则可知，负责排序的OrderKey只需要sequenceId和price即可：

public class OrderKey {
    public final long sequenceId;
    public final BigDecimal price;

    // 构造方法略
}

因此，OrderBook的核心数据结构就可以表示如下：

public class OrderBook {
    public final Direction direction; // 方向
    public final TreeMap<OrderKey, Order> book; // 排序树

    public OrderBook(Direction direction) {
        this.direction = direction;
        this.book = new TreeMap<>(???);
    }
}

有的童鞋注意到TreeMap的排序要求实现Comparable接口或者提供一个Comparator。我们之所以没有在OrderKey上实现Comparable接口是因为买卖盘排序的价格规则不同，因此，编写两个Comparator分别用于排序买盘和卖盘：

private static final Comparator<OrderKey> SORT_SELL = new Comparator<>() {
    public int compare(OrderKey o1, OrderKey o2) {
        // 价格低在前:
        int cmp = o1.price.compareTo(o2.price);
        // 时间早在前:
        return cmp == 0 ? Long.compare(o1.sequenceId, o2.sequenceId) : cmp;
    }
};

private static final Comparator<OrderKey> SORT_BUY = new Comparator<>() {
    public int compare(OrderKey o1, OrderKey o2) {
        // 价格高在前:
        int cmp = o2.price.compareTo(o1.price);
        // 时间早在前:
        return cmp == 0 ? Long.compare(o1.sequenceId, o2.sequenceId) : cmp;
    }
};

这样，OrderBook的TreeMap排序就由Direction指定：

public OrderBook(Direction direction) {
    this.direction = direction;
    this.book = new TreeMap<>(direction == Direction.BUY ? SORT_BUY : SORT_SELL);
}

这里友情提示Java的BigDecimal比较大小的大坑：比较两个BigDecimal是否值相等，一定要用compareTo()，不要用equals()，因为1.2和1.20因为scale不同导致equals()返回false。

特别注意

在Java中比较两个BigDecimal的值只能使用compareTo()，不能使用equals()！

再给OrderBook添加插入、删除和查找首元素方法：

public Order getFirst() {
    return this.book.isEmpty() ? null : this.book.firstEntry().getValue();
}

public boolean remove(Order order) {
    return this.book.remove(new OrderKey(order.sequenceId, order.price)) != null;
}

public boolean add(Order order) {
    return this.book.put(new OrderKey(order.sequenceId, order.price), order) == null;
}

现在，有了买卖盘，我们就可以编写撮合引擎了。定义MatchEngine核心数据结构如下：

public class MatchEngine {
    public final OrderBook buyBook = new OrderBook(Direction.BUY);
    public final OrderBook sellBook = new OrderBook(Direction.SELL);
    public BigDecimal marketPrice = BigDecimal.ZERO; // 最新市场价
}

一个完整的撮合引擎包含一个买盘、一个卖盘和一个最新成交价（初始值为0）。撮合引擎的输入是一个Order实例，每处理一个Order，就输出撮合结果MatchResult，核心处理方法定义如下：

public MatchResult processOrder(Order order) {
    ...
}

下面我们讨论如何处理一个具体的Order。对于撮合交易来说，如果新订单是一个买单，则首先尝试在卖盘中匹配价格合适的卖单，如果匹配成功则成交。一个大的买单可能会匹配多个较小的卖单。当买单被完全匹配后，说明此买单已完全成交，处理结束，否则，如果存在未成交的买单，则将其放入买盘。处理卖单的逻辑是类似的。

我们把已经挂在买卖盘的订单称为挂单（Maker），当前正在处理的订单称为吃单（Taker），一个Taker订单如果未完全成交则转为Maker挂在买卖盘，因此，处理当前Taker订单的逻辑如下：

public MatchResult processOrder(Order order) {
    switch (order.direction) {
    case BUY:
        // 买单与sellBook匹配，最后放入buyBook:
        return processOrder(order, this.sellBook, this.buyBook);
    case SELL:
        // 卖单与buyBook匹配，最后放入sellBook:
        return processOrder(order, this.buyBook, this.sellBook);
    default:
        throw new IllegalArgumentException("Invalid direction.");
    }
}

/**
 * @param takerOrder  输入订单
 * @param makerBook   尝试匹配成交的OrderBook
 * @param anotherBook 未能完全成交后挂单的OrderBook
 * @return 成交结果
 */
MatchResult processOrder(Order takerOrder, OrderBook makerBook, OrderBook anotherBook) {
    ...
}

根据价格匹配，直到成交双方有一方完全成交或成交条件不满足时结束处理，我们直接给出processOrder()的业务逻辑代码：

MatchResult processOrder(Order takerOrder, OrderBook makerBook, OrderBook anotherBook) {
    MatchResult matchResult = new MatchResult(takerOrder);
    for (;;) {
        Order makerOrder = makerBook.getFirst();
        if (makerOrder == null) {
            // 对手盘不存在:
            break;
        }
        if (takerOrder.direction == Direction.BUY && takerOrder.price.compareTo(makerOrder.price) < 0) {
            // 买入订单价格比卖盘第一档价格低:
            break;
        } else if (takerOrder.direction == Direction.SELL && takerOrder.price.compareTo(makerOrder.price) > 0) {
            // 卖出订单价格比卖盘第一档价格高:
            break;
        }
        // 以Maker价格成交:
        this.marketPrice = makerOrder.price;
        // 成交数量为两者较小值:
        BigDecimal matchedAmount = takerOrder.amount.min(makerOrder.amount);
        // 成交记录:
        matchResult.add(makerOrder.price, matchedAmount, makerOrder);
        // 更新成交后的订单数量:
        takerOrder.amount = takerOrder.amount.subtract(matchedAmount);
        makerOrder.amount = makerOrder.amount.subtract(matchedAmount);
        // 对手盘完全成交后，从订单簿中删除:
        if (makerOrder.amount.signum() == 0) {
            makerBook.remove(makerOrder);
        }
        // Taker订单完全成交后，退出循环:
        if (takerOrder.amount.signum() == 0) {
            break;
        }
    }
    // Taker订单未完全成交时，放入订单簿:
    if (takerOrder.amount.signum() > 0) {
        anotherBook.add(takerOrder);
    }
    return matchResult;
}

可见，撮合匹配的业务逻辑是相对简单的。撮合结果记录在MatchResult中，它可以用一个Taker订单和一系列撮合匹配记录表示：

public class MatchResult {
    public final Order takerOrder;
    public final List<MatchRecord> matchRecords = new ArrayList<>();

    // 构造方法略
}

撮合记录则由成交双方、成交价格与数量表示：

public class MatchRecord {
    public final BigDecimal price;
    public final BigDecimal amount;
    public final Order takerOrder;
    public final Order makerOrder;

    // 构造方法略
}

撮合引擎返回的MatchResult包含了本次处理的完整结果，下一步需要把MatchResult发送给清算系统，对交易双方进行清算即完成了整个交易的处理。

我们可以编写一个简单的测试来验证撮合引擎工作是否正常。假设如下的订单依次输入到撮合引擎：

// 方向 价格 数量
buy  2082.34 1
sell 2087.6  2
buy  2087.8  1
buy  2085.01 5
sell 2088.02 3
sell 2087.60 6
buy  2081.11 7
buy  2086.0  3
buy  2088.33 1
sell 2086.54 2
sell 2086.55 5
buy  2086.55 3

经过撮合后最终买卖盘及市场价如下：

2088.02 3
2087.60 6
2086.55 4
---------
2086.55
---------
2086.00 3
2085.01 5
2082.34 1
2081.11 7

如果我们仔细观察整个系统的输入和输出，输入实际上是一系列按时间排序后的订单（实际排序按sequenceId），输出是一系列MatchResult，内部状态的变化就是买卖盘以及市场价的变化。如果两个初始状态相同的MatchEngine，输入的订单序列是完全相同的，则我们得到的MatchResult输出序列以及最终的内部状态也是完全相同的，因此，可以轻易地使用两个独立的MatchEngine作为集群，将同一组订单序列分别输入给不同的MatchEngine，取任意一个MatchEngine的输出结果都是正确的。

参考源码

可以从GitHub下载本文源码。

小结

本文讨论并实现了一个可工作的撮合引擎核心。实现撮合引擎的关键在于将业务模型转换为高效的数据结构。只要保证核心数据结构的简单和高效，撮合引擎的业务逻辑编写是非常容易的。

证券交易系统用户资产的设计

元宇宙落地指南

Comments

Loading comments...