【亲测免费】 WonderTrader 安装和配置指南
2026-01-21 04:50:28作者:廉皓灿Ida
1. 项目基础介绍和主要编程语言
项目基础介绍
WonderTrader 是一个基于 C++ 核心模块的量化交易开发框架,旨在为专业机构提供高效率、高可用的量化交易解决方案。它覆盖了从数据落地清洗、回测分析、实盘交易到运营调度的所有环节,支持全市场全品种交易。
主要编程语言
WonderTrader 的核心模块主要使用 C++ 编写,提供了高性能和低延迟的交易引擎。此外,它还提供了 Python 子框架(wtpy),方便用户使用 Python 进行策略开发和回测。
2. 项目使用的关键技术和框架
关键技术和框架
- C++ 核心模块:提供高性能的交易引擎和数据处理能力。
- Python 子框架(wtpy):方便用户使用 Python 进行策略开发和回测。
- 交易引擎:包括 CTA 引擎、SEL 引擎、HFT 引擎和 UFT 引擎,满足不同策略的需求。
- 数据伺服:提供高效的数据存储和分发服务。
- 风险控制:支持组合盘资金风控、通道流量风控和账户资金风控。
- 监控服务:提供实时监控和自动调度服务。
3. 项目安装和配置的准备工作和详细安装步骤
准备工作
- 操作系统:建议使用 Linux 或 macOS 系统,Windows 系统也可支持。
- 开发环境:确保已安装 C++ 和 Python 的开发环境。
- 依赖库:安装必要的依赖库,如 Boost、CMake 等。
- Git:确保已安装 Git,用于克隆项目代码。
详细安装步骤
步骤 1:克隆项目代码
首先,使用 Git 克隆 WonderTrader 的项目代码到本地:
git clone https://github.com/wondertrader/wondertrader.git
cd wondertrader
步骤 2:安装 C++ 依赖库
确保系统已安装必要的 C++ 依赖库,如 Boost、CMake 等。可以使用包管理器进行安装:
-
Ubuntu/Debian:
sudo apt-get install libboost-all-dev cmake -
macOS:
brew install boost cmake
步骤 3:编译 C++ 核心模块
进入项目目录,使用 CMake 进行编译:
mkdir build
cd build
cmake ..
make
步骤 4:安装 Python 子框架(wtpy)
确保已安装 Python 3.8 或更高版本,然后使用 pip 安装 wtpy:
pip install wtpy
步骤 5:配置环境变量
将 WonderTrader 的安装路径添加到系统的环境变量中,以便在 Python 中调用:
-
Linux/macOS:
export WONDERTRADER_HOME=/path/to/wondertrader export PATH=$PATH:$WONDERTRADER_HOME/bin -
Windows:
setx WONDERTRADER_HOME "C:\path\to\wondertrader" setx PATH "%PATH%;%WONDERTRADER_HOME%\bin"
步骤 6:验证安装
运行一个简单的 Python 脚本,验证 WonderTrader 是否安装成功:
import wtpy
print(wtpy.__version__)
如果输出版本号,说明安装成功。
总结
通过以上步骤,您已经成功安装并配置了 WonderTrader 项目。接下来,您可以开始使用 C++ 或 Python 进行量化策略的开发和回测。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0130- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniCPM-V-4.6这是 MiniCPM-V 系列有史以来效率与性能平衡最佳的模型。它以仅 1.3B 的参数规模,实现了性能与效率的双重突破,在全球同尺寸模型中登顶,全面超越了阿里 Qwen3.5-0.8B 与谷歌 Gemma4-E2B-it。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
722
4.64 K
Ascend Extension for PyTorch
Python
594
747
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
425
375
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
989
978
暂无简介
Dart
967
246
Oohos_react_native
React Native鸿蒙化仓库
C++
345
390
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
893
130
deepin linux kernel
C
29
16
昇腾LLM分布式训练框架
Python
159
188
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.65 K
965