開發者程式設計10 min read

面向金融應用的 C# 與 .NET

用於量化金融與金融科技的微軟生態

分享文章

為什麼 .NET 在交易大廳佔據主導地位

在許多賣方交易大廳，定價、風險、OMS 以及厚客戶端介面至今仍跑在 C# / .NET 上——不是因為沒人學過 Go，而是因為數十年沉澱下來的內控、供應商和 Excel 膠水程式碼都指向這裡。

現代 .NET 是跨平臺的，在大量工作負載下 JIT 效能足夠有競爭力，而且 GC 在停頓控制上越來越兇——這一點很重要，因為交易臺的 GUI 不能在繁忙的成交列印中卡死。

C# 本身吸收了模式匹配、record、可空引用型別等改善開發體驗的特性，卻沒有放棄靜態型別——當一次糟糕的重構可能波及資產負債表時，這些就很頂用。

行情源 → 分析引擎 → 桌面端：.NET 橫跨整個閉環，而銀行至今仍希望只用一套工具鏈和一家供應商支援。

金融偏愛的 C# 語言特性

C# 提供了若干特性，使它格外適合金融計算：

LINQ（語言整合查詢） 讓你能在程式碼裡用類似 SQL 的語法直接查詢集合。要處理一個含 10,000 個頭寸的組合、找出超過風險限額的那些頭寸，只需一行可讀性極佳的表示式：

var breaches = positions
    .Where(p => p.Notional > riskLimit)
    .OrderByDescending(p => p.Notional)
    .Select(p => new { p.Symbol, p.Notional, p.PnL })
    .ToList();

Async/await——C# 開創了 async/await 模式（後來被 JavaScript、Python 和 Rust 採納）。對於必須同時流式接收行情資料、處理使用者輸入並向交易所傳送訂單的交易系統，async/await 讓你無需手動管理執行緒那一套複雜操作即可實現併發。

模式匹配（在 C# 11/12 中得到增強）能幹淨利落地處理複雜的條件邏輯——這對訂單路由規則、風險分類和按品種型別分派都至關重要：

decimal CalculateMargin(Instrument inst) => inst switch
{
    { Type: "perpetual", Leverage: > 10 } => inst.Notional * 0.10m,
    { Type: "perpetual" }                => inst.Notional * 0.05m,
    { Type: "spot" }                     => inst.Notional,
    _ => throw new ArgumentException($"Unknown type: {inst.Type}")
};

帳本式的金額計算請用 decimal；double 用在圖表上沒問題，但用在餘額上有風險——二進位制浮點不會乖乖按分來算。

錢是一種策略性型別：凡是人工對帳要精確到分的地方就選 decimal；把浮點留給遙測資料和容得下噪聲的模型。

用 .NET 做量化金融

.NET 生態為量化金融提供了成熟的庫，從衍生品定價到執行蒙特卡洛模擬一應俱全：

Math.NET Numerics 是基礎數值庫——線性代數、統計、分佈、插值與最佳化樣樣齊全。它是 .NET 世界裡的 NumPy/SciPy，針對矩陣運算配有硬體加速後端（MKL、OpenBLAS）。要在 500 個資產上計算組合的協方差矩陣？Math.NET 用 LAPACK 支撐的例程就能搞定。

QuantLib.NET 封裝了業界標準的 QuantLib C++ 庫，為債券、掉期、期權（Black-Scholes、Heston、區域性波動率）的定價模型以及收益率曲線構建提供支援。對沖基金用 QuantLib 給奇異衍生品定價；而這個 .NET 封裝讓 C# 應用無需踏入非託管程式碼即可呼叫那些模型。

Excel 整合 在交易臺上依舊至關重要。Excel-DNA 讓你能用 C# 編寫 Excel 外掛，並以原生工作表函式的形式呈現。一名 quant 可以用 C# 寫好一個定價函式，把它暴露給 Excel，交易員就能在自己的電子表格裡使用它，而無需知道或在意底層實現。這種模式——C# 引擎、Excel 介面——是大多數賣方交易臺的標準工作流。

[ExcelFunction(Description = "Black-Scholes call price")]
public static double BSCall(double S, double K, double T,
                            double r, double sigma)
{
    double d1 = (Math.Log(S / K) + (r + 0.5 * sigma * sigma) * T)
                / (sigma * Math.Sqrt(T));
    double d2 = d1 - sigma * Math.Sqrt(T);
    return S * NormCdf(d1) - K * Math.Exp(-r * T) * NormCdf(d2);
}

在組合分析與風險管理方面，C# 應用經常需要在成千上萬個頭寸上計算風險價值（VaR）、希臘字母（delta、gamma、vega）、情景分析和壓力測試——這些任務既要求數值精度，又要求亞秒級的響應速度。

用 Span<T> 與 Memory<T> 做高效能運算

現代 .NET 透過 零分配程式設計 原語，已經把與 C 和 C++ 之間的效能差距縮小了一大截。Span<T> 和 Memory<T> 提供了對連續記憶體區域——棧上分配的陣列、堆上陣列、乃至非託管記憶體——安全且帶邊界檢查的訪問，全程不在受 GC 管理的堆上分配。

對於一個每秒處理 100,000 條行情資料訊息的交易系統，每一次堆分配都會帶來 GC 壓力。透過把訊息解析成 Span<byte> 切片、而不是分配 string 物件，你就能做到 處理每條訊息零分配——這正是跑在 .NET 上的高頻交易公司在生產環境中採用的技術。

// Parse a price from a binary message without allocating
static decimal ParsePrice(ReadOnlySpan<byte> message)
{
    // Slice the relevant bytes, interpret as fixed-point
    var priceBytes = message.Slice(offset: 16, length: 8);
    long rawPrice = BinaryPrimitives.ReadInt64LittleEndian(priceBytes);
    return rawPrice / 100_000_000m; // 8 decimal places
}

System.IO.Pipelines 把這套思路延伸到網路 I/O，為讀寫資料流提供了一條無需緩衝區複製的高效能管道。ASP.NET 的 Web 伺服器 Kestrel 內部就使用 Pipelines，每秒能處理數百萬次請求——這讓它足以勝任為交易資料服務的實時 API 端點。

SignalR 構建在 ASP.NET Core 之上，提供基於 WebSockets 的實時雙向通訊，並能自動回退到 Server-Sent Events 或長輪詢。對於交易類應用，SignalR 以極低的延遲向已連線的客戶端推送實時價格跳動、訂單更新和組合變動——這與 GaiaEx 向其網頁介面流式推送實時行情資料的方式如出一轍。

交易圖形介面：從 WPF 到跨平臺的 MAUI

交易終端——一個資訊密集、資料豐富的桌面應用，顯示訂單簿、圖表、頭寸、成交記錄板和風險指標——在大多數銀行裡已經做成 C#/WPF 應用十多年了。WPF（Windows Presentation Foundation） 提供硬體加速渲染、強大的資料繫結，以及在不凍結 UI 執行緒的前提下顯示數萬個持續更新的單元格的能力。

典型的交易 GUI 架構採用 MVVM（Model-View-ViewModel） 模式：View 是定義佈局的 XAML 標記，ViewModel 暴露供 View 繫結的可觀察屬性，而 Model 代表領域物件（頭寸、訂單、品種）。當價格跳動時，ViewModel 更新一個屬性，WPF 的繫結引擎把變化傳播到 View，單元格隨之重新整理——整個過程開發者無需編寫任何更新介面的程式碼。

.NET MAUI（Multi-platform App UI）把這套模型擴充套件到跨平臺開發——用一套 C# 程式碼庫覆蓋 Windows、macOS、iOS 和 Android。儘管機構交易臺仍以 Windows 為主，零售交易平臺卻越來越需要移動端和 macOS 支援。MAUI 讓你無需重寫業務邏輯即可觸達這些平臺。

對於雲託管的交易平臺，Blazor 提供了一個頗具吸引力的選擇：用 C# 而不是 JavaScript 來編寫整個網頁介面。Blazor WebAssembly 透過 WASM 直接在瀏覽器裡執行 C#，而 Blazor Server 則在伺服器端執行介面邏輯，再透過 SignalR 連線把 DOM 差異傳送過去。對於整套技術棧都是 .NET 的公司，Blazor 省去了另設一支寫 React 或 Angular 的前端團隊的需要。

C# 在對沖基金、自營機構和金融科技中的版圖

C#/.NET 開發者在金融業的職業版圖既深厚又待遇優渥：

Citadel / Citadel Securities——在交易系統、風險引擎和內部工具上大量使用 C#。這家系統化交易巨頭的技術棧是 C++、Python 和 C# 的混合。
Two Sigma——在組合管理系統和資料基礎設施上使用 C#，同時也用 Java 和 Python。
Bloomberg——Bloomberg 終端的伺服器端基礎設施在分析和資料處理上包含了大量 C# 元件。
Jump Trading、IMC、Optiver——這些自營交易公司用 C# 構建策略開發框架、回測引擎和運維工具。

.NET 生態還能與 Azure 無縫整合，承載基於雲的金融工作負載。Azure Functions 為批次風險計算提供無伺服器算力。Azure Event Hubs 每秒處理數百萬條行情事件。Azure Kubernetes Service（AKS）編排容器化的 .NET 微服務。.NET + Azure 的組合，正是那些需要滿足 SOC 2 合規和資料駐留保證的受監管金融機構所採用的企業級雲技術棧。

無論你是在為自營機構構建風險引擎、為像 GaiaEx 這樣的加密貨幣交易所打造定價服務、為交易臺編寫 Excel 外掛，還是為組合監控搭建實時儀表盤，C# 和 .NET 都能給你這份工作所要求的效能、庫以及業界信任。在金融業，bug 的代價是以美元來衡量的，而 .NET 的型別安全、工具鏈和久經實戰考驗的執行時並非奢侈品——它們是硬性要求。