python多线程和异步的关系和区别_Python量化交易多线程和异步协程

我们做量化交易时可能需要多品种多策略同时运行，就需要用到多线程或异步协程来实现，本文便给出一个实现多线程和异步协程的策略框架。线程和协程的概念可以在网上查阅相关资料，本文就不详述了。

本文代码基于天勤量化平台编写。

我们可能需要跟随一个品种或多个品种的行情、持仓等一个或多个业务数据的变动，来执行一个或多个策略，如果能有一个公共的框架，只要传入相应参数就能实现各种应用场景，会给量化交易带来很大便利，本文便尝试给出了这样一个公共框架，分为多线程和异步协程两种，当然两种也可以嵌套。

一、多线程：

天勤多线程需要保持主线程里的账户实例调用api.wait_update()，在子线程里创建主线程账户实例的副本api.copy()，用实例副本调用wait_update()。线程类定义如下：

#多线程类

class WorkerThread(threading.Thread):

'''1，主要用于依赖某个业务更新动态启动多品种策略的情况，比如随着账户持仓的变化启动各持仓品种的风控2，多品种策略不需要额外依赖自身业务更新时，推荐使用异步协程'''

def __init__(self, api,data=[],func1=[],func2=[],**job):

threading.Thread.__init__(self)

self.api = api #传入天勤实例副本

self.data = data #需要更新的业务数据，如行情、账户，可传入列表

self.func1 = func1 #随着业务更新需要执行的函数列表

self.func2 = func2 #自带业务更新的协程函数列表

self.job = job #func函数需要的参数，不定关键字参数

async def execute(self): #业务更新函数，为了保持线程代码块简洁性和自由性，业务更新采用了注册TqChan方式

async with self.api.register_update_notify(self.data) as update_chan: #业务注册到channel

async for _ in update_chan:#

e = 0

for f in self.func1:

e += f(api=self.api,**self.job) #返回值True保持业务更新，重复调用函数，全部返回值False退出业务更新，全部函数返回值必须一致

#也可以self.func1[index](api=self.api,**self.job)逐一调用

if not e : break

def run(self):

task1 = self.api.create_task(self.execute()) #

task2 = []

for f in self.func2: #线程中创建异步协程

task2.append(self.api.create_task(f(api=self.api,data=self.data,**self.job))) #func2为协程，直接创建协程任务

#也可以self.api.create_task(self.func2[index](api=self.api,data=self.data,**self.job))逐一调用

while True :

if task1.done() and all([t.done() for t in task2]) :break

self.api.wait_update()