35. Stock Trading 股票交易

V1 — 1个用户：纯前端模拟交易

场景

你想学炒股但不想亏真钱，做一个模拟交易器，看K线、练买卖。

你要解决什么

用硬编码数据模拟股票价格波动
显示K线图（开高低收）
模拟买入/卖出，计算盈亏

给AI的Prompt

用纯HTML+JS实现一个股票模拟交易器：

功能：
1. 硬编码5只股票的基础数据（名称、代码、初始价格）
2. 每秒随机波动价格（±0.5%以内），模拟实时行情
3. K线图：用Chart.js画最近30根1分钟K线（开高低收）
4. 交易功能：
   - 初始资金10万
   - 买入：输入股数，扣减资金，增加持仓
   - 卖出：输入股数，增加资金，减少持仓
5. 持仓面板：显示每只股票持仓数量、成本价、当前价、盈亏
6. 所有数据存localStorage

技术：纯HTML+CSS+JavaScript，Chart.js
单个index.html文件

验证清单

价格每秒波动，数字实时变化
K线图正确显示开高低收
买入后资金减少、持仓增加
卖出后资金增加、持仓减少
盈亏计算正确（当前价-成本价）×持仓数
刷新页面后数据不丢失

你学到了什么

K线图数据结构（OHLC）→ Module: 数据可视化
定时器模拟实时数据 → Module: JavaScript异步
简单交易逻辑 → Module: 业务建模

V2 — 10个用户：真实行情+持仓管理

场景

想看真实的股票行情，记录自己的交易操作，分析历史盈亏。

你要解决什么

调用免费行情API获取真实数据
后端管理持仓和交易记录
盈亏统计和交易历史

给AI的Prompt

用Go+Gin实现股票交易后端：

行情数据：
1. 调用免费API（如Alpha Vantage或Yahoo Finance）获取实时报价
2. 定时拉取（每分钟），缓存到内存避免频率限制
3. API：GET /api/quotes — 返回所有关注股票的最新价格

交易系统：
1. SQLite表：
   - accounts（id, balance）— 账户余额
   - positions（id, account_id, symbol, quantity, avg_cost）— 持仓
   - trades（id, account_id, symbol, side, quantity, price, total, created_at）— 交易记录
2. API：
   - POST /api/trades — 下单（买入/卖出）
   - GET /api/positions — 当前持仓
   - GET /api/trades — 交易历史
   - GET /api/pnl — 盈亏统计

买入逻辑：检查余额 → 扣款 → 更新持仓（加权平均成本）
卖出逻辑：检查持仓 → 增加余额 → 减少持仓 → 记录实现盈亏

前端：React页面，显示行情、持仓、交易表单、盈亏图表

技术：Go+Gin, SQLite, React

验证清单

真实行情数据正确获取
买入后余额和持仓正确更新
卖出后实现盈亏正确计算
交易历史完整记录
加权平均成本计算正确
API频率限制内正常工作

你学到了什么

外部API调用与缓存 → Module: API集成
加权平均成本算法 → Module: 金融计算
事务保证数据一致性 → Module: 数据库事务

V3 — 100个用户：实时行情与订单撮合

场景

多用户同时交易，需要实时行情推送和基本的订单撮合机制。

你要解决什么

WebSocket推送实时行情
限价单和市价单支持
基本撮合逻辑

给AI的Prompt

在V2基础上实现实时行情和订单撮合：

实时行情：
1. WebSocket连接，服务端定时推送行情变化
2. 前端收到推送后实时更新K线和价格
3. 支持订阅/取消订阅指定股票

订单系统：
1. PostgreSQL表：
   - orders（id, account_id, symbol, type, side, price, quantity, filled_qty, status, created_at）
   - type: market（市价单）/ limit（限价单）
   - status: pending / partial / filled / cancelled
2. 市价单：立即以当前价成交
3. 限价单：买单价格>=卖方 或 卖单价格<=买方 时成交

撮合引擎（简化版）：
1. 内存中维护每只股票的买卖队列
2. 新订单进来时尝试撮合
3. 撮合成功 → 更新双方订单状态、持仓、余额
4. 未完全成交的限价单留在队列中

前端：行情页面+下单面板+订单列表（含状态）

技术：Go+Gin, PostgreSQL, WebSocket(gorilla/websocket), React

验证清单

WebSocket连接稳定，行情实时推送
市价单立即成交
限价单在价格匹配时成交
部分成交状态正确
撮合后双方持仓和余额正确
取消未成交限价单正常

你学到了什么

WebSocket实时通信 → Module: 实时系统
订单状态机 → Module: 状态管理
基本撮合逻辑 → Module: 交易系统

V4 — 1000个用户：订单薄与撮合引擎

场景

交易量增大，需要高性能的撮合引擎和完整的订单薄展示。

你要解决什么

标准订单薄（价格优先-时间优先）
高效内存撮合引擎
深度图和交易历史实时展示

给AI的Prompt

在V3基础上实现完整的订单薄撮合引擎：

订单薄：
1. 买单队列：按价格从高到低排，同价按时间先后
2. 卖单队列：按价格从低到高排，同价按时间先后
3. 数据结构：TreeMap（有序映射）存价格层级，每层一个FIFO队列
4. 撮合算法：
   - 新买单：从卖单最低价开始匹配
   - 新卖单：从买单最高价开始匹配
   - 价格交叉则成交，否则挂单

深度图：
1. 前端实时展示买卖盘深度
2. 聚合显示（价格区间内的总量）
3. WebSocket推送深度变化（增量更新）

交易历史：
1. 最近成交记录实时滚动显示
2. 成交价走势图
3. Redis缓存最近成交记录（最新500条）

性能：
1. 撮合引擎用单独goroutine，通过channel接收订单
2. 避免锁竞争，订单薄操作串行化
3. 撮合结果异步写数据库

技术：Go+Gin, PostgreSQL, Redis, WebSocket, React

验证清单

订单薄价格优先-时间优先排序正确
大量订单下撮合性能可接受
深度图实时更新
增量推送减少数据传输
交易历史实时滚动
channel串行化无竞态问题

你学到了什么

订单薄数据结构 → Module: 数据结构
价格优先-时间优先撮合 → Module: 交易系统
channel串行化并发 → Module: Go并发模式
增量推送优化 → Module: 实时系统

V5 — 1万个用户：风控与清算

场景

交易规模大了，需要风控防止异常交易，每日结算保证数据准确。

你要解决什么

下单前风控检查
异步清算系统
每日结算与对账

给AI的Prompt

在V4基础上实现风控和清算系统：

风控引擎：
1. 下单前检查（同步，必须通过才能下单）：
   - 持仓限制：单只股票持仓不超过总资产30%
   - 涨跌停限制：价格触及涨跌停不允许对应方向下单
   - 频率限制：每分钟下单不超过10次
   - 金额限制：单笔不超过总资产50%
2. 风控规则可配置（管理后台）
3. 风控拦截日志记录

异步清算：
1. 成交记录先写入消息队列
2. 清算服务消费消息：
   - 更新持仓
   - 计算手续费
   - 更新账户余额
   - 生成清算流水
3. 清算失败 → 重试 + 告警

每日结算：
1. 每日收盘后触发结算任务
2. 计算每个账户当日盈亏
3. 持仓市值重新估算
4. 生成每日结算报告
5. 与交易流水对账，差异告警

技术：Go, PostgreSQL, Redis(消息队列用Stream), 定时任务(cron)

验证清单

你学到了什么

前置风控 vs 后置风控 → Module: 风控系统
消息队列保证最终一致性 → Module: 消息队列
对账系统设计 → Module: 金融系统
定时任务调度 → Module: 任务调度

V6 — 10万+用户：高频低延迟

场景

追求极致交易性能，微秒级撮合，多市场同时交易。

你要解决什么

超低延迟撮合引擎
无锁队列和内存优化
多市场支持

给AI的Prompt

在V5基础上实现高频低延迟交易系统：

LMAX Disruptor模式：
1. 环形缓冲区（Ring Buffer）替代channel
   - 预分配固定大小内存，避免GC
   - 单生产者写入，多消费者读取
   - 序号机制实现无锁同步
2. 事件处理流水线：
   - 接收 → 风控 → 撮合 → 清算 → 推送
   - 各阶段并行处理不同事件

无锁优化：
1. 订单薄用无锁跳表（skip list）
2. 账户余额用atomic操作
3. 减少内存分配：对象池复用订单对象
4. 关键路径避免系统调用

行情组播：
1. 行情变化通过UDP组播分发（内网）
2. 可靠组播：序号+重传机制
3. 行情压缩：只发变化字段（delta encoding）

多市场：
1. 每个市场独立撮合引擎实例
2. 跨市场套利监控
3. 统一风控（跨市场持仓汇总）
4. 统一清算

技术：Go, 无锁数据结构, UDP组播, 对象池, 多核绑定

验证清单

Ring Buffer正确实现，无数据竞争
撮合延迟降低到微秒级
无锁跳表操作正确
对象池减少GC压力（pprof验证）
行情组播正确接收
多市场独立运行互不影响
跨市场风控正确汇总

你学到了什么

Disruptor模式（环形缓冲区）→ Module: 高性能系统
无锁数据结构 → Module: 并发编程
UDP组播 → Module: 网络编程
GC优化与对象池 → Module: 性能调优