C++23 回测引擎

从 7 层 5 进程到 4 层 2 进程。专为量化研究速度而生的定制执行引擎。

架构演进

三代精炼：在每一层消除开销。

7+ 个抽象层、5 个独立进程、IPC 序列化开销。纯 Python 执行，架构复杂度高。

7 层，5 进程

减少进程数量，引入 C++ 组件。验证嵌入式执行概念的过渡架构。

5 层，3 进程

4 层、2 进程、1 协议。通过 pybind11 嵌入 Python 的 C++ 执行器。Apache Arrow 到 NumPy 的零拷贝数据流。

4 层，2 进程

使用 RDTSC 计时、CPU 亲和性固定和 P50/P90/P99/P999 百分位追踪测量。

从市场数据到策略执行，零内存拷贝。

市场数据以列式压缩的 Apache Parquet 格式存储。直接内存映射文件访问消除反序列化开销。

Apache Arrow 提供语言无关的列式内存布局。C++ 和 Python 共享同一内存，无需任何拷贝或转换。

pybind11 将 Arrow 缓冲区暴露为同一内存空间中的 NumPy 数组。策略 Python 代码零分配读取 C++ 拥有的数据。

从架构到纳秒：系统性的性能优化方法。

阶段 0：架构500-1000x

V3 单进程执行器消除了 IPC 序列化、进程创建和跨进程数据编组。最大的收益来自架构简化。

阶段 1：基准测试框架基线

使用 CPU 亲和性固定的 RDTSC 计时。12 个基准测试程序的 P50/P90/P99/P999 百分位追踪。建立可复现的测量基础设施。

阶段 2：现代 C++5-10%

LTO、-march=native、xsimd SIMD 抽象、mimalloc 分配器、Quill 低延迟日志、Abseil 容器。编译器和库级别优化。

阶段 3：内存主权1.05x

PMR 基础设施、缓存对齐分配器、热路径零分配。目标 L1 缓存未命中率 < 5%，TLB 未命中率 < 0.5%。

克隆、构建并在几分钟内运行您的第一次回测。引擎包含在免费版中。

git clone https://github.com/StratCraft/StratCraft.git\ncd StratCraft\npnpm install && pnpm dev:desktop