Automaattisten kaupankäyntijärjestelmien luominen interaktiivisten välittäjien avulla: Automaattinen kaupankäynti interaktiivisilla välittäjillä Interactive Brokersin kaupankäyntialusta itse ei tarjoa automaattista kaupankäyntiä. Useita ratkaisuja on kuitenkin tarjolla kauppiaille, jotka haluavat automatisoida kaupankäyntijärjestelmiä IB Trader Workstation (TSW) - alustan avulla, mukaan lukien: Kolmannen osapuolen sovellusliittymän ohjelmointikohteet IB APIs 13 Kolmansien osapuolten sovellusliittymät Sovellusohjelmointirajapinta (API) on kieliformaatti jota sovellusohjelma käyttää kommunikoidessaan muiden järjestelmäohjelmistojen kanssa. Sovellusliittymä toimii rajapintana tai välikappaleena, joka sallii koodin kommunikoida IB-kauppapaikan kanssa. Kolmannen osapuolen toimittajat tarjoavat erilaisia omia sovellusliittymiä, jotka tarjoavat muokattavissa olevia, valmiita algoritmeja ja plug-and-play-kaupankäyntisovelluksia, jotka on suunniteltu toimimaan yhdessä IBs Trader Workstation (TWS) - kauppasopimusten kanssa.13 Kolmannen osan API: n luettelo on saatavilla IB-verkkosivustosta: kotisivulta napsauta Koulutus-otsikkoa ja valitse MarketplaceIB. Lue vastuuvapauslauseke ja jos hyväksyt ehdot, napsauta Hyväksyntäehdotus, napsauta tätä, jatkaaksesi. Napsauta Software Tools (Ohjelmistotyökalut) - välilehteä ja Order Management Software - otsikon alaosaa nähdäksesi toimittajat ja tuotteet (kuvassa 1). Kuva 1 - Valitse MarketplaceIB: n Ohjelmistotyökalut-välilehti selataksesi kolmannen osapuolen toimittajia. Ohjelmointiasiantuntijat MarketplaceIB: llä on kaupallisesti saatavilla olevien sovellusliittymien lisäksi myös linkki ohjelmointikohteisiin, jotka voivat auttaa kauppiaita ja sijoittajia kehittämään mukautettuja indikaattoreita ja strategioita, joita käytetään automatisoidussa kaupankäynnissä. Konsultit tarjoavat koodauksen eri kielillä, kuten Java, C, Visual Basic, SQL, Perl, Matlab sekä muut kauppapaikkakohtaiset kielet, jotka voidaan liittää IB: ään. Muista, että ohjelmoijat voivat ohjelmoida vain absoluuttisia sääntöjä, eivätkä he yleensä tarjoa ehdotuksia järjestelmän kannattavuuden parantamiseksi - vain koodin suorituskykyä. Ennen kuin työskentelet ohjelmoijain kanssa, on tärkeää pystyä määrittelemään kaikki kaupankäyntijärjestelmien sisään-, ulospääsy - ja hallintalogiikat. Jos se voidaan määritellä, se voidaan todennäköisesti koodata. Ohjelmointi IB-sovellusohjelmien avulla Kolmas ratkaisu on sellaisille kauppiaille, joilla on taitoja (tai halu oppia) ohjelmoimaan omat sovellusliittymänsä. Interactive Brokers tarjoaa useita sovellusliittymiä, joita kauppiaat voivat käyttää yhteyden muodostamiseen joko TWS: n tai IB Gatewayn kautta. Liittäminen TWS: n kautta edellyttää, että sovellus on käynnissä, mutta sen avulla kauppiaat voivat testata ja varmistaa, että API-tilaukset toimivat oikein. Yhdistäminen IB-yhdyskäytävän kautta toisaalta ei tarjoa käyttöliittymää testausta ja vahvistamista varten, mutta sallii API: n toimivan ilman suurta käyttöliittymäsovellusta käynnissä. Jos kolmannen osapuolen sovellusliittymät tarjoavat muokattavissa olevia, valmiita algoritmeja, IB API - ohjelmointiympäristö on olennaisesti raaka-aine. IB tarjoaa laitteet ja komponentit, ja käyttäjä tekee kaiken ohjelmoinnin. Käyttäjät voivat ohjelmoida eri kielillä, kuten C, Java, ActiveX tai DDE Excel. IBS-sovellusoppaassa (saatavilla Interactive Brokers - verkkosivustolta: Etsi API-käyttöoppaasta) on yleiskatsaus sekä erityiset ohjeet, joita TWS: ssä voidaan määrätä. eri ohjelmointikielet. 13 Kuva 2 - Sovellusasetusten määrittäminen TWS: ssä. Päätelmät Interactive Brokers - alustan kautta automatisoidut kaupankäyntijärjestelmät haluavat harjoittaa useita vaihtoehtoja. Ei-ohjelmoijat saattavat haluta tutkia kolmannen osapuolen API-toimittajia, jotka tarjoavat erilaisia muokattavissa olevia tai plug-and-play-vaihtoehtoja. Erilaisia ideoita edustavat kauppiaat voivat työskennellä pätevän ohjelmoinnin konsultin kanssa. Ne, joilla on ohjelmointikokemus tai aika ja halu oppia ohjelmointikieltä, voivat käyttää IB-sovellusliittymiä automatisoidun kaupankäyntijärjestelmän kehittämisessä. Senior C Automaattinen kaupankäyntijärjestelmä Kehittäjä Innoissaan automatisoidun kaupankäyntijärjestelmän kehittämisessä C Oletko kehittäjä haastoinut monimutkaiset tekniset ongelmat nopeasti dynaamisessa ympäristössä Oletko kyennyt käyttämään uusimpia tekniikoita näiden ongelmien kääntämiseksi tyylikkäiksi teknisiksi ratkaisuiksi Jos sinulla on vähintään 5 vuoden kokemus C: n kanssa, voit olla Senior C Automated Trading System Developer etsivät. Kuka olemme Olemme Optiver, kansainvälinen kauppayhtiö, jonka pääkonttori sijaitsee Amsterdamissa. Yli 700 työntekijää neljällä mantereella tarjoamme jatkuvasti oikeudenmukaisia ja erittäin kilpailukykyisiä hintoja osakkeiden, joukkovelkakirjojen, optioiden, futuurien, ETF: n ja muiden osakkeiden ostoon ja myyntiin. Sitä kutsutaan markkinoiden tekemiseksi. Rakennamme markkinoita ja tarjoamme likviditeettiä kansainvälisille pörsseille Euroopassa, Yhdysvalloissa ja Aasiassa. Teemme rahoitusmarkkinat oikeudenmukaisiksi, avoimiksi ja luotettaviksi. Me emme vain kauppaa, kun meistä tuntuu. Ei vain silloin, kun näkymämme ovat kirkkaat, mutta 24 tuntia vuorokaudessa. Kummalla tavalla markkinat menevät, olemme aina omalla vastuullamme omalla pääomallamme. Arvo ero erottaa sen täydellisesti. Se selittää pähkinänkuoressa mitä teemme joka päivä. Se myös kehottaa sinua tutkimaan, miten toimimme eri tavoin. Olemme arvostelleet tätä eroa vuodesta 1986 lähtien, kun aloitimme Amsterdamin Eurooppa-vaihtoehdossa yhden ainoan lattiakauppiaan kanssa. Tänään olemme yksi dynaamisimmista, innovatiivisimmista ja menestyneimmistä yrityksistä Hollannissa ja sen ulkopuolella. IT Optiverissa Koska kaupankäynti lattialla muuttui näyttösuunnitteluksi, tarvitsemme jatkuvasti kehittyneimmän teknologian, kaupankäynnin ohjelmistoja ja yhteyksiä markkinoille. Lyhyesti sanottuna tarvitsemme parhaat IT-ammattilaiset kehittämään, optimoimaan ja tukemaan järjestelmiämme ja työkalujaan. Tunnelma, johon olemme tekemässä, on nopea, mutta jännittävä. Tämä tekee Optiveristä suuren haasteen, jossa asiantuntemus, innovaatio ja hauska kulkevat käsi kädessä joka päivä. Senior C Automated Trading System - kehittäjäksi olet vastuussa nopeiden automaattisten kaupankäyntijärjestelmien kehittämisestä C-käyttöjärjestelmässä Linuxissa. Tekemällä tiivistä yhteistyötä muiden kehittäjien, kauppiaiden ja tutkijoiden kanssa vastaat monimutkaisiin pyyntöihin tyylikkäillä teknisillä ratkaisuilla, jotka käyttävät uusinta teknologiaa. Vahvojen esineperusteisten C-taitojen avulla pystyt suunnittelemaan ja toteuttamaan uusia kannattavia kaupankäyntistrategioita ja samalla hallitsemaan selkeitä odotuksia sisäisiin sidosryhmiisi. Jakamalla laajaa tietämystä tiimisi jäsenten kanssa ja ohjaamalla juniorien kollegioita teknisiin päätöksiin tuet kehitystyötä käsittelemään liiketoiminnan monimutkaisuutta. tietotekniikan tai tietojärjestelmän maisterin tutkinto vähintään 5 vuoden työkokemukseksi ohjelmistokehittäjänä C: ssä, jolla on erinomainen kokemus STL: stä, Boostista ja muista suosituista (avoimen lähdekoodin) C-kirjastoista. ja Linux-käyttöjärjestelmät korkean suorituskyvyn tietotekniikan tuntemus, matala latenssi ja reaaliaikainen kehityskokemus monisäikeisenä C vahva rahoitusmarkkinoiden tuntemus ja johdannaiskauppa, mieluiten 2 vuoden työkokemus automatisoidussa kaupankäynnin kehityksessä, kunnianhimo kehittää jatkuvasti koulutustasi ja työpaikan kehittäminen C 11: n hyvä ymmärrys on plus matemaattisen taustan ja työkokemus algoritmien kanssa on lisäksi joukkueen pelaaja ja kommunikaattori, joka nauttii luovasta vapaudesta ja riippumattomuudesta. Mitä youll saada Optiver on ennen kaikkea mielentila. Etsimme sinua, kun uskomme päivittäiseen parannukseen, kun haluat olla vakavasti palkittu suorituksestasi ja kun sopeudut helposti muutoksiin ja nauti huumoria ja hauskaa. Olemme konkreettisia, tarjoamme sinulle erinomaisen korvauksen. Mutta tarjoamme sinulle myös suuria toissijaisia etuja, kuten täysin maksetut ensiluokkaiset työmatkakulut, maksuton eläke, houkutteleva voitonjaon rakenne, siirtopaketit, koulutusmahdollisuudet, sairausvakuutuksen alennukset, aamiais - ja lounaspalvelut, urheilu - ja vapaa-ajantoiminta, Perjantai iltapäivällä ja jopa viikoittain talon tuolihieronta. Kiinnostunut Olemme 350 korkeasti koulutettua ammattilaista yli 30 eri maasta, jotka työskentelevät Optiverissä Amsterdamissa. Pyrimme olemaan vertaansa vailla teollisuuttamme, sillä se on lahjakkaita, luovia ja tuloksellisia. Ja se ei ole väliä kuinka pukeudumme tai mitä uskomme, kunhan ylitämme toisten ja toisten odotukset. Jos olet valmis hakemaan, ja toivomme, että olet, hakeudu suoraan alla olevan painikkeen avulla Senior C Automated Trading System - kehittäjäksi. Anna meille ansioluettelo ja motivaatio englanniksi. Hakemuksia, joissa ei ole motivaatiota, ei tarkisteta. Kun ajattelemme, että taikuus on siellä, kuulet meiltä ennemmin kuin odotit. Jos sinulla on kysyttävää, ota yhteyttä Marlouk Stekiin 31 20 708 70 00. Arviointi on osa hakumenettelyä. Seuraa kokous CBest-ohjelmointikieltä algoritmisille kaupankäyntijärjestelmille Yksi yleisimmistä kysymyksistä, joita minulla on QS-postilaukussa, on Mikä on paras ohjelmointikieli algoritmiselle kaupankäynnille. Lyhyt vastaus on, ettei ole parasta kieltä. Strategiaparametrit, suorituskyky, modulaarisuus, kehitys, joustavuus ja kustannukset on otettava huomioon. Tässä artikkelissa hahmotellaan algoritmisen kaupankäyntijärjestelmäarkkitehtuurin välttämättömät komponentit ja miten täytäntöönpanon päätökset vaikuttavat kielen valintaan. Ensinnäkin harkitaan algoritmisen kaupankäyntijärjestelmän keskeisiä osia, kuten tutkimusvälineitä, portfoliooptimointia, riskienhallintaohjelmaa ja toteutuskehikkoa. Seuraavaksi tarkastellaan erilaisia kaupankäyntistrategioita ja miten ne vaikuttavat järjestelmän suunnitteluun. Erityisesti kaupankäynnin tiheyttä ja todennäköistä kaupankäyntimäärää käsitellään. Kun kaupankäynnin strategia on valittu, on välttämätöntä rakentaa koko järjestelmä. Tähän sisältyy laitteiston valinta, käyttöjärjestelmä (t) ja järjestelmän joustavuus harvinaisten, mahdollisesti katastrofaalisten tapahtumien varalta. Arkkitehtuuria harkittaessa on kiinnitettävä huomiota suorituskykyyn - sekä tutkimusvälineisiin että elävään toteutusympäristöön. Mikä on kaupankäyntijärjestelmä, joka pyrkii tekemään Ennen kuin päätetään parhaasta kielestä, jolla kirjoitetaan automaattinen kauppajärjestelmä, on tarpeen määritellä vaatimukset. Aikooko järjestelmä olla puhtaasti toteutettu? Järjestelmä vaatii riskienhallinnan tai portfolionmuodostusmoduulin. Järjestelmä tarvitsee tehokasta backtesteria. Useimmille strategioille kaupankäyntijärjestelmä voidaan jakaa kahteen luokkaan: Tutkimus ja signaaligeneraattori. Tutkimus koskee strategisen suorituskyvyn arviointia historiatietoihin verrattuna. Kaupankäyntistrategian arvioimisprosessi aikaisempien markkinatietojen perusteella tunnetaan takertelynä. Tietokoko ja algoritminen monimutkaisuus vaikuttavat merkittävästi takaisinkytkimen laskennalliseen voimakkuuteen. CPU: n nopeus ja rinnakkaisuus ovat usein rajoittavia tekijöitä tutkimusnopeuden optimoinnissa. Signaalin generointiin liittyy algoritmin joukko kaupankäyntisignaaleja ja lähetetään tällaisia tilauksia markkinoille, yleensä välityksen kautta. Tietyissä strategioissa vaaditaan korkeaa suorituskykyä. IO-ongelmat, kuten verkon kaistanleveys ja latenssi ovat usein rajoittava tekijä optimoimassa suoritusjärjestelmiä. Näin ollen kielen valinta kaikille järjestelmän koko komponenteille voi olla melko erilainen. Strategian tyyppi, taajuus ja volyymi Käytetyn algoritmistrategian tyypillä on huomattava vaikutus järjestelmän suunnitteluun. Markkinoiden kaupankäyntiä, yhteydenpitoa ulkoisten tietojen toimittajien kanssa, strategian taajuutta ja määrää, kehityksen helppoutta ja suorituskyvyn optimointia sekä mahdollisia mukautettuja laitteistoja, mukaan luettuina yhteistoiminnalliset mukautukset, on otettava huomioon. palvelimia, GPU: ita tai FPGA: ita, jotka saattavat olla tarpeen. Teknologiavalinnat matalan taajuuden amerikkalaisille osakkeiden strategialle poikkeavat huomattavasti korkean taajuuden optimaalisesta tilastollisesta arbitraasistrategiasta, joka vaikuttaa futuurimarkkinoihin. Ennen kielen valintaa on arvioitava useita toimittajia, jotka liittyvät kyseiseen strategiaan. On tarpeen harkita liittymää myyjään, minkä tahansa sovellusliittymän rakennetta, tietojen ajantasaisuutta, varastointivaatimuksia ja joustavuutta verkossa olevan myyjän edessä. On myös viisasta pitää nopea pääsy useille toimittajille. Erilaisilla instrumenteilla on kaikki omat varastokäyntinsä, joista esimerkkejä ovat useat tunnistekokonaisuudet osakkeille ja futuuripäivät (puhumattakaan tietyistä OTC-tiedoista). Tämä on otettava huomioon alustan suunnitteluun. Strategian tiheys on todennäköisesti yksi suurimmista tekijöistä teknologiapinoa määriteltäessä. Strategiat, jotka käyttävät tietoja useammin kuin minuuttia tai toisiaan varten, vaativat huomattavaa huomiota suorituskyvyn suhteen. Strategia, joka ylittää toiset palkit (ts. Rullatiedot), johtaa suorituskykyperusteiseen suunnitteluun ensisijaiseksi vaatimukseksi. Korkea taajuusstrategioissa huomattava määrä markkinatietoja on tallennettava ja arvioitava. Näitä rooleja käytetään yleisesti tällaisten ohjelmien, kuten HDF5: n tai kdb: n, kanssa. Jotta HFT-sovelluksiin tarvittavien tietojen suuret määrät voidaan käsitellä, on käytettävä laajasti optimoidun takaisinkytkentä - ja suoritinjärjestelmän. CC (mahdollisesti joidenkin kokoonpanijoiden) kanssa on todennäköisesti vahvin ehdokas. Erittäin suuret taajuusstrategiat vaativat melkein varmasti mukautettuja laitteita, kuten FPGA: t, vaihtoyhteistyö ja kernalnetwork-rajapinnan viritys. Tutkimusjärjestelmät Tutkimusjärjestelmät sisältävät yleensä vuorovaikutteisen kehittämisen ja automaattisen komentosarjan yhdistelmän. Entinen tapahtuu usein IDE: n, kuten Visual Studio, MatLab tai R Studio. Jälkimmäinen sisältää lukuisia numeerisia laskelmia lukuisista parametreista ja datapisteistä. Tämä johtaa kielivalintaan, joka tarjoaa selkeän ympäristön koodin testaamiseen, mutta tarjoaa myös riittävän suorituskyvyn strategioiden arvioimiseksi useilla parametrimittauksilla. Tyypillisiä IDE-tiloja tässä tilassa ovat Microsoft Visual CC, joka sisältää laajoja virheenkorjausapuohjelmia, koodin täydennysominaisuuksia (Intellisense-ohjelman kautta) ja yksinkertaiset katsaukset koko projektin pinosta (MATLAB-tietokannasta ORM, LINQ). joka on suunniteltu laajaan numeeriseen lineaariseen algebraan ja vektoritoimiin, mutta interaktiivisessa konsolissa R Studio. joka kääri R tilastollisen kielikonsolin täydelliseen IDE Eclipse IDE - ohjelmaan Linux Java - ja C - sekä semi-proprietary IDE - koodeille, kuten Pythonille, joka sisältää datananalyysikirjastoja kuten NumPy. SciPy. scikit-oppia ja pandaa yhdessä interaktiivisessa (konsoli) ympäristössä. Numeeristen jälkityyppien osalta kaikki edellä mainitut kielet ovat sopivia, vaikkakaan ei ole tarpeen käyttää GUIIDE-koodia, koska koodi suoritetaan taustalla. Tässä vaiheessa tärkein näkökohta on suorituksen nopeus. Käännetty kieli (kuten C) on usein hyödyllinen, jos takaisinkytkentäparametrin mitat ovat suuret. Muista, että tällaiset järjestelmät on varottava, jos näin on. Tulkitut kielet kuten Python käyttävät usein korkean suorituskyvyn omaavia kirjastoja, kuten NumPypandoja, jotta se pystyy säilyttämään kohtuullisen kilpailukyvyn kootuilla vastaavuuksilla. Lopulta selektiiviselle kielelle määritetty kieli määritetään erityisillä algoritmistarpeilla sekä kirjastossa saatavilla olevilla kirjastoilla (ks. Jäljempänä). Taustatestin ja tutkimusympäristön käyttämät kielet voivat kuitenkin olla täysin riippumattomia salkun rakentamisessa, riskienhallinnassa ja toteutuskomponenteissa, kuten nähdään. Portfolion rakentaminen ja riskienhallinta Retail algorithmic kauppiaiden usein unohdetaan salkun rakentaminen ja riskienhallinnan komponentit. Tämä on lähes aina virhe. Nämä työkalut tarjoavat mekanismin, jolla pääoma säilyy. He paitsi yrittävät lieventää riskialttiiden panosten määrää, mutta myös minimoivat kaupankäynnin vähenemisen ja vähentävät transaktiokustannuksia. Näiden komponenttien kehittyneillä versioilla voi olla merkittävä vaikutus kannattavuuden laatuun ja johdonmukaisuuteen. On helppo luoda vakaa strategia, koska salkun rakentamismekanismi ja riskienhallinta voidaan helposti muokata useiden järjestelmien käsittelemiseksi. Siksi niitä olisi pidettävä olennaisina osina algoritmisen kauppajärjestelmän suunnittelun alussa. Salkunhoitojärjestelmän tehtävänä on toteuttaa haluttu kauppa ja tuottaa joukko todellisia kauppoja, jotka minimoivat kouristukset, ylläpitävät altistuksia eri tekijöille (kuten sektoreille, omaisuusluokille, volatiilisuuteen jne.) Ja optimoivat pääoman jakamisen erilaisille strategioita salkussa. Portfolion rakentaminen usein vähenee lineaariseen algebraongelmaan (kuten matriisin tekijäksi), ja näin ollen suorituskyky riippuu suuresti saatavilla olevan numeerisen lineaarisen algebran toteutuksen tehokkuudesta. Yleisiä kirjastoja ovat uBLAS. LAPACK ja NAG C. MatLab: lle on myös laajasti optimoidut matriisitoimet. Python hyödyntää NumPySciPyä tällaisiin laskelmiin. Usein tasapainotettu salkku vaatii koottua (ja hyvin optimoitua) matriisikirjastoa tämän poistamista varten, jotta kaupankäyntijärjestelmä ei pääse pullonkaumaan. Riskienhallinta on toinen erittäin tärkeä osa algoritmista kauppajärjestelmää. Riski voi tulla monessa muodossa: Lisääntynyt volatiliteetti (vaikkakin tämä saattaa olla toivottavaa tietyille strategioille), lisääntynyt korrelaatio omaisuusluokkien, vastapuolen oletusarvon, palvelimen katkosten, mustan joutsentapahtumien ja havaitsemattomien virheiden välillä kauppakoodissa harvat. Riskienhallintakomponentit yrittävät ennakoida liiallista volatiliteettia ja korrelaatiota varallisuusluokkien välillä ja niiden seuraavaa vaikutusta kaupankäyntivarastoon. Usein tämä vähenee joukkoon tilastollisia laskelmia, kuten Monte Carlo stressitestejä. Tämä on hyvin samankaltainen kuin johdannaisen hinnoittelukoneen laskennalliset tarpeet ja sellaisenaan CPU-sidottu. Nämä simulaatiot ovat hyvin rinnakkaisia (ks. Alla) ja tietyssä määrin on mahdollista heittää laitteistoa ongelmaan. Suoritusjärjestelmät Suoritusjärjestelmän tehtävänä on vastaanottaa suodatettuja kaupankäyntisignaaleja salkun rakentamisesta ja riskienhallintakomponenteista ja lähettää ne välitykseen tai muuhun markkinoille pääsyyn. Suurin osa vähittäiskaupan algoritmisista kaupankäyntistrategioista sisältää API - tai FIX-yhteyden välittäjälle, kuten Interactive Brokersille. Ensisijaiset näkökohdat kielten ratkaisemisessa ovat sovellusliittymän laatu, API-sovelluksen kielen kääre saatavuus, suoritustaajuus ja odotettu luiska. API: n laatu viittaa siihen, kuinka hyvin dokumentoitu se on, millaista suorituskykyä se tarjoaa, tarvitsetko erillisiä ohjelmistoja, joita voidaan käyttää vai onko yhdyskäytävä mahdollista sijoittaa päätön (eli ei GUI). Interaktiivisten välittäjien tapauksessa Trader WorkStation - työkalun on oltava käynnissä GUI-ympäristössä, jotta se voi käyttää API: ta. Minulla oli kerran asennettava Desktop Ubuntu - versio Amazon-pilvipalvelimeen Interactive Brokersille etäyhteyden kautta, puhtaasti tästä syystä Useimmat API: t tarjoavat C andor Java - rajapinnan. Yleensä yhteisö kehittää kielikohtaisia kääreitä C-, Python-, R-, Excel - ja MatLab-kääreille. Huomaa, että jokaisen lisäkäytettävän lisäosan avulla (erityisesti API-kääreillä) on mahdollista käyttää vikoja järjestelmään. Testata aina tällaisia laajennuksia ja varmista, että niitä ylläpidetään aktiivisesti. Kannattavissa oleva mittari on nähdä, kuinka monta uutta koodausta päivitystä on tehty viime kuukausina. Suoritustaajuus on äärimmäisen tärkeä toteutusalgoritmissa. Huomaa, että satoja tilauksia voidaan lähettää joka minuutti ja tällainen suorituskyky on kriittinen. Liukeneminen syntyy huonosti suoritettavan täytäntöönpanojärjestelmän kautta, ja sillä on dramaattinen vaikutus kannattavuuteen. Kiinnitettävät kielet (ks. Alla), kuten CJava, ovat yleensä optimaalisia toteutusta varten, mutta kehitysvaiheessa, testauksessa ja ylläpidon helppoudessa. Dynaamisesti kirjoitetut kielet, kuten Python ja Perl, ovat nyt yleensä riittävän nopeita. Varmista, että osat on suunniteltu modulaarisesti (ks. Alla) niin, että ne voidaan vaihtaa ulos järjestelmässä. Arkkitehti - ja kehitysprosessi Kaupankäyntijärjestelmän osia, sen taajuus - ja volyymivaatimuksia on käsitelty edellä, mutta järjestelmän infrastruktuuria ei ole vielä käsitelty. Ne, jotka toimivat vähittäiskauppiaana tai työskentelevät pienessä rahastossa, todennäköisesti käyttävät monia hatuja. Alfa-mallin, riskienhallinnan ja suoritusparametrien sekä järjestelmän lopullisen toteutuksen on katettava. Ennen eräiden kielten käsittelyä käsitellään optimaalisen järjestelmäarkkitehtuurin suunnittelua. Asianosaisten erottaminen Yksi tärkeimmistä päätöksistä, jotka on aluksi tehtävä, on se, miten erottaa kauppajärjestelmän huolet. Ohjelmistokehityksessä tämä tarkoittaa olennaisesti sitä, miten kauppa-järjestelmän eri osa-alueet hajotetaan erillisiin modulaarisiin komponentteihin. Altistamalla rajapinnat kussakin komponenttina on helppo vaihtaa järjestelmän osia muihin suorituskykyyn, luotettavuuteen tai ylläpitoon tarkoitettuihin versioihin muuttamatta ulkoisia riippuvuuskoodeja. Tämä on paras käytäntö tällaisille järjestelmille. Alhaisten taajuuksien strategioille suositellaan tällaisia käytäntöjä. Äärimmäisen suurtaajuista kaupankäyntiä varten sääntökäytäntöä ei ehkä tarvitse huomioida kustannuksella, kun järjestelmän säätöä tehostetaan. Tiiviimmin kytketty järjestelmä voi olla toivottavaa. Algoritmisen kaupankäyntijärjestelmän komponenttikartan luominen on syytä artikkelin itsessään. Optimaalinen lähestymistapa on kuitenkin varmistaa, että historialliset ja reaaliaikaiset markkinatietopalvelut, tietovarastointi, datan käyttöliittymä API, backtester, strategiarametrit, portfolio rakentaminen, riskienhallinta ja automaattiset toteutusjärjestelmät ovat erillisiä komponentteja. Esimerkiksi jos käytössä oleva tietovarasto on tällä hetkellä heikosti suorituskykyinen, jopa huomattavien optimointitasojen osalta, se voidaan vaihtaa minimaalisilla uudelleenkirjoituksilla tiedonkeruun tai datan käyttöliittymän API: n kanssa. Niin pitkälle kuin backtesteri ja sen myöhemmät komponentit, ei ole mitään eroa. Erilaisten komponenttien toinen etu on se, että se mahdollistaa monien ohjelmointikielten käytön koko järjestelmässä. Ei ole tarpeen rajoittua yhteen ainoaan kieleen, jos komponenttien kommunikaatiomenetelmä on kielestä riippumaton. Näin tapahtuu, jos ne kommunikoivat TCPIP: n, ZeroMQ: n tai jonkin muun kielestä riippumattoman protokollan kautta. Konkreettisena esimerkkinä on, että tapaus, jossa backtesting-järjestelmä kirjoitetaan C: ssä numeroiden rypistymisen kannalta, salkunhallinta ja toteutusjärjestelmät on kirjoitettu pythonilla SciPy: n ja IBPy: n avulla. Suorituskykyä koskevat näkökohdat Suorituskyky on merkittävä huomio useimmille kaupankäyntistrategioille Korkeammille taajuusstrategioille se on tärkein tekijä. Suorituskyky kattaa laajan joukon asioita, kuten algoritmisen suorituksen nopeuden, verkon latenssin, kaistanleveyden, datan IO: n, rinnakkaisuuden rinnakkaisuuden ja skaalauksen. Jokainen näistä alueista kuuluu erikseen suurille oppikirjoille, joten tämä artikkeli vain naarmuttaa kunkin aihepiirin. Arkkitehtuuria ja kielitaitoa käsitellään nyt vaikutusten vaikutuksesta suorituskykyyn. Donald Knuthin mainitsema vallitseva viisaus. yksi tietojenkäsittelytieteen isistä, on se, että ennenaikainen optimointi on kaiken pahan juuri. Tämä on lähes aina tapausta - paitsi silloin, kun rakennetaan korkeataajuisen kaupankäynnin algoritmi Niille, jotka ovat kiinnostuneita alemman taajuuden strategioista, yhteinen lähestymistapa on rakentaa järjestelmä mahdollisimman yksinkertaisella tavalla ja vain optimoida pullonkaulojen alkaa näkyä. Profiilityökaluja käytetään määrittämään, missä pullonkauloja syntyy. Kaikki edellä luetellut tekijät voidaan tehdä profiileilla joko MS Windows - tai Linux-ympäristössä. Saatavilla on monia käyttöjärjestelmän ja kielen työkaluja sekä kolmansien osapuolten apuohjelmia. Kielivalintoja käsitellään nyt suorituksen yhteydessä. C, Java, Python, R ja MatLab sisältävät korkean suorituskyvyn kirjastot (joko osana standardiaan tai ulkoisesti) perustietorakenteeseen ja algoritmiseen työhön. C toimitetaan Standard Template Library - ohjelmalla, kun taas Python sisältää NumPySciPyn. Näissä kirjastoissa löytyy tavallisia matemaattisia tehtäviä, ja harvoin on hyödyllistä kirjoittaa uusi toteutus. Eräs poikkeus on, jos tarvitaan erittäin räätälöityjä laitteistoarkkitehtuureita ja algoritmi käyttää laaja-alaisesti omia laajennuksia (kuten mukautettuja kätköjä). Kuitenkin usein pyörän uudelleensuuntaaminen vie aikaa, jota voitaisiin käyttää paremmin kaupankäyntiinfrastruktuurin muiden osien kehittämiseen ja optimointiin. Kehitysaika on äärimmäisen arvokas erityisesti yhteistyössä kehittäjien kanssa. Latenssi on usein kysymys toteutusjärjestelmästä, sillä tutkimustyökalut ovat yleensä samassa koneessa. Edellistä, latenssi voi esiintyä useilla pisteillä toteutuspolun varrella. Tietokantoja on kuultava (disknet latenssi), signaalit on tuotettava (käyttöjärjestelmä, viestin viive latenssi), lähetetyt kauppasignaalit (NIC latenssi) ja käsitellyt tilaukset (vaihto-järjestelmien sisäinen latenssi). Suurempaa taajuusoperaatiota varten on välttämätöntä tuntea hyvin kernelien optimointi sekä optimoida verkon siirto. Tämä on syvä alue, ja se on selvästi artikkelin laajuuden ulkopuolella, mutta jos halutaan UHFT-algoritmi, ota huomioon tarvittava syvyys. Caching on erittäin hyödyllinen kvantitatiivisen kaupan kehittäjän työkalupakkiin. Välimuistiin viitataan käsitteeseen, jonka mukaan usein kerätyt tiedot tallennetaan tavalla, joka mahdollistaa korkeamman suorituskyvyn pääsyn tietojen mahdollisen viivästymisen kustannuksella. Verkkokehityksessä esiintyy yleinen käyttötapa, kun tietoja otetaan levyn tukemasta relaatiotietokannasta ja tallennetaan muistiin. Kaikkien myöhempien tietojen pyyntöjen ei tarvitse osua tietokantaan, joten suorituskyky voi olla merkittävä. Kauppatilanteissa välimuistiinpano voi olla erittäin hyödyllinen. Esimerkiksi strategiaportfolion nykytila voidaan tallentaa välimuistiin, kunnes se tasapainotetaan, niin että luetteloa ei tarvitse regeneroida jokaisen kaupankäynnin algoritmin jokaisen silmukan kohdalla. Tällainen regenerointi todennäköisesti on suuri suorittimen tai levyn IO-operaatio. Säilytys ei kuitenkaan ole ilman omaa ongelmaa. Välimuistitietojen uudelleenkohdentaminen kerralla, johtuen välimuistivälin volatiliteetistä, voi merkittävästi vaatia infrastruktuuria. Toinen kysymys on koirapilkku. jossa uuden sukupolven välimuistin kopiointi suoritetaan äärimmäisen suurella kuormituksella, mikä johtaa kaskadivirheeseen. Dynaaminen muistin allokointi on kallis toiminta ohjelmiston toteutuksessa. Näin ollen on välttämätöntä, että tehokkaamman kaupankäynnin sovellukset ovat hyvin tietoisia siitä, miten muistia kohdennetaan ja jakautuu ohjelmavirran aikana. Uudemmat kieliset standardit, kuten Java, C ja Python, suorittavat automaattisesti roskakorin. joka viittaa dynaamisesti allokoidun muistin jakamiseen, kun esineet menevät soveltamisalan ulkopuolelle. Jätteiden keruu on erittäin hyödyllistä kehityksen aikana, koska se vähentää virheitä ja auttaa luettavuutta. Kuitenkin se on usein optimaalinen tietyille korkeataajuisille kaupankäyntistrategioille. Näissä tapauksissa halutaan usein oma roskasäiliö. Java-ohjelmassa esimerkiksi jättokokoojien ja - akkojen virittäminen on mahdollista saavuttaa korkean suorituskyvyn HFT-strategioille. C ei tarjoa natiiviä roskakerääjää, joten on välttämätöntä käsitellä kaikkia muistin allokointi osana objektin toteutusta. Vaikka mahdollisesti virheen altis (mahdollisesti johtava heilahtelevia osoittimia), on äärimmäisen hyödyllistä saada hienosäätöinen valvonta siitä, miten esineet näkyvät kasassa tietyissä sovelluksissa. Kielen valitsemista varten kannattaa tutkia, miten roskakollektor toimii ja onko sitä mahdollista muuttaa optimoimiseksi tietyn käyttötarkoituksen tapauksessa. Monet toiminnot algoritmisessa kaupankäyntijärjestelmässä ovat sovitettavissa rinnakkaisiksi. Tämä viittaa käsitteeseen suorittaa useita ohjelmoitavia toimintoja samanaikaisesti, ts. Rinnakkain. Ns. Häiritsevän rinnakkaisalgoritmeja ovat vaiheet, jotka voidaan laskea täysin muista vaiheista riippumatta. Tietyt tilastolliset operaatiot, kuten Monte Carlo-simulaatiot, ovat hyvä esimerkki häiritsevän rinnakkaisista algoritmeista, koska jokainen satunnaisveto ja myöhempi reittioperaatio voidaan laskea ilman muita polkuja. Muut algoritmit ovat vain osittain rinnakkaisia. Nestemodynamiikan simulaatiot ovat tällainen esimerkki, jossa laskenta-ala voidaan jakaa, mutta viime kädessä näiden domeenien on kommunikoitava toistensa kanssa ja siten toiminnot ovat osittain peräkkäisiä. Parallelisable algoritmeja sovelletaan Amdahls Law. joka tarjoaa teoreettisen ylärajan rinnakkaisen algoritmin suorituskyvylle, kun sitä kohdistuu N erillisiin prosesseihin (esim. CPU-ydin tai säie). Parallelisation on tullut yhä tärkeämpi optimointimenetelmäksi, koska prosessorin kellotaajuudet ovat pysähtyneet, koska uudemmat prosessorit sisältävät monia ytimiä, joiden avulla voidaan suorittaa rinnakkaisia laskutoimituksia. Kuluttajien grafiikkalaitteiden (lähinnä videopelien) nousu on johtanut graafisten prosessointiyksiköiden (GPU) kehittämiseen, jotka sisältävät satoja ytimiä erittäin samanaikaisiin operaatioihin. Tällaiset GPU: t ovat nyt erittäin edullisia. Korkean tason puitteet, kuten Nvidias CUDA, ovat johtaneet laajalti hyväksyttävyyteen yliopistoissa ja rahoituksessa. Tällainen GPU-laitteisto soveltuu yleensä vain kvantitatiivisen rahoituksen tutkimukseen, kun taas muille erikoistuneille laitteille (mukaan lukien Field-Programmable Gate Arrays - FPGA) käytetään (U) HFT: lle. Nykyään modernit langat tukevat asteittaista yhteisymmärrystä. Siten on yksinkertaista optimoida backtester, koska kaikki laskelmat ovat yleensä riippumattomia muista. Ohjelmistotekniikan ja - toimintojen skaalaus viittaa järjestelmän kykyyn käsitellä jatkuvasti lisääntyviä kuormia suurempien pyyntöjen, parempien prosessorien käytön ja muistin allokoinnin muodossa. Algoritmisessa kaupankäynnissä strategia voi skaalata, jos se voi hyväksyä suurempia pääomamääriä ja tuottaa edelleen johdonmukaisia tuottoja. Kauppatekniikan pino tasoittaa, jos se voi kestää suurempia kauppamääriä ja lisätä latenssia ilman pullonkauloja. Vaikka järjestelmät on suunniteltava mittakaavaksi, on usein vaikea ennustaa etukäteen, missä pullonkaula esiintyy. Vaurioitunut hakkuus, testaus, profilointi ja seuranta auttavat suuresti järjestelmän skaalaamisessa. Kielet itseään kuvataan usein epäluotettaviksi. Tämä on yleensä seurausta vääristä tiedoista, eikä kovaa tosiasiaa. Se on koko teknologiapino, joka olisi selvitettävä skaalautuvuudeksi, ei kieltä. Selvästi tietyt kielet ovat parempia suorituskykyä kuin toiset erityisesti käyttötapauksissa, mutta jokin kieli ei ole missään mielessä koskaan parempi kuin toinen. Yksi keino hallita asteikkoa on erottaa huolenaiheet, kuten edellä mainittiin. Jotta voitaisiin edelleen tuoda esiin kyky käsitellä piikkejä järjestelmässä (eli äkillinen haihtuvuus, joka laukaisee lippaat), on hyödyllistä luoda viestin jonotusarkkitehtuuri. Tämä tarkoittaa yksinkertaisesti sanomajärjestelmän asettamista komponenttien välillä niin, että tilaukset on pinottu, jos jokin osa ei kykene käsittelemään monia pyyntöjä. Sen sijaan, että pyyntöjä menetettäisiin, niitä säilytetään vain pinoon, kunnes viesti käsitellään. Tämä on erityisen hyödyllinen lähetysten lähettämiseksi suoritustekniikkaan. Jos moottori kärsii raskaassa latenssissa, se varmuuskopioi kaupat. Kauppasignaaligeneraattorin ja toteutusliittymän välinen jono lieventää tätä ongelmaa mahdollisen kaupan liukkauden kustannuksella. Hyväksytty avoimen lähdekoodin sanoma-välittäjä on RabbitMQ. Laitteisto - ja käyttöjärjestelmät Laitteistosi, jolla voit käyttää strategiaa, voi vaikuttaa merkittävästi algoritmin kannattavuuteen. Tämä ei ole ongelma, joka koskee vain suurtaajuusliikettä. Huonolaatuinen valinta laitteistossa ja käyttöjärjestelmässä voi johtaa koneen kaatumiseen tai uudelleenkäynnistämiseen kaikkein epätodellisimmalla hetkellä. Siksi on tarpeen pohtia missä hakemuksesi asuu. Valinta on yleensä henkilökohtaisen työpöytäkoneen, etäpalvelimen, pilvipalvelun tarjoajan tai keskitetyn palvelimen välityksellä. Pöytätietokoneita on helppo asentaa ja hallita erityisesti uusilla käyttäjäystävällisillä käyttöjärjestelmillä, kuten Windows 78, Mac OSX ja Ubuntu. Pöytäjärjestelmissä on kuitenkin huomattavia haittapuolia. Tärkeintä on, että työpöytäkoneille suunniteltujen käyttöjärjestelmien versiot vaativat todennäköisesti uudelleenkäynnistystä (ja usein pahimmillaan). He käyttävät myös enemmän laskennallisia resursseja graafisen käyttöliittymän (GUI) edellyttämällä tavalla. Kodin (tai paikallisen toimiston) ympäristössä käytettävien laitteiden käyttö voi johtaa internet-yhteyksiin ja sähkökatkoksiin. Pöytäkonejärjestelmän tärkein etu on se, että merkittävää laskennallista hevosvoimaa voidaan ostaa etäverkkoon omistettuun palvelimeen (tai pilvipohjaiseen järjestelmään) verrattavasta nopeudesta. Erillinen palvelin tai pilvipohjainen kone, joka on usein kalliimpaa kuin työpöydän vaihtoehto, mahdollistaa entistä merkittävämmän irtisanomisinfrastruktuurin, kuten automaattisten tietojen varmuuskopioiden, kyvyn selkeämmin varmistaa käytettävyyden ja etävalvonnan. Heitä on vaikeampi hallita, koska he tarvitsevat kykyä käyttää käyttöjärjestelmän kauko-kirjautumisominaisuuksia. Windowsissa tämä on yleensä GUI Remote Desktop Protocol (RDP). Unix-järjestelmissä käytetään komentoriviltä Secure SHell (SSH). Unix-pohjainen palvelininfrastruktuuri on lähes aina komentorivipohjainen, joka välittömästi tekee GUI-pohjaisista ohjelmointityökaluista (kuten MatLabista tai Excelistä) käyttökelvottomaksi. Yhteensopiva palvelin, kuten lauseke käytetään pääomamarkkinoilla, on yksinkertaisesti oma palvelin, joka asuu vaihdossa kaupankäynnin algoritmin viivästymisen vähentämiseksi. Tämä on ehdottoman välttämätöntä tietyille korkean taajuuden kaupankäynnin strategioille, jotka perustuvat alhaiseen latenssiin alfa-alkion tuottamiseksi. Lopullinen tekijä laitteiston valinnassa ja ohjelmointikielen valinta on alustan riippumattomuus. Is there a need for the code to run across multiple different operating systems Is the code designed to be run on a particular type of processor architecture, such as the Intel x86x64 or will it be possible to execute on RISC processors such as those manufactured by ARM These issues will be highly dependent upon the frequency and type of strategy being implemented. Resilience and Testing One of the best ways to lose a lot of money on algorithmic trading is to create a system with no resiliency . This refers to the durability of the sytem when subject to rare events, such as brokerage bankruptcies, sudden excess volatility, region-wide downtime for a cloud server provider or the accidental deletion of an entire trading database. Years of profits can be eliminated within seconds with a poorly-designed architecture. It is absolutely essential to consider issues such as debuggng, testing, logging, backups, high-availability and monitoring as core components of your system. It is likely that in any reasonably complicated custom quantitative trading application at least 50 of development time will be spent on debugging, testing and maintenance. Nearly all programming languages either ship with an associated debugger or possess well-respected third-party alternatives. In essence, a debugger allows execution of a program with insertion of arbitrary break points in the code path, which temporarily halt execution in order to investigate the state of the system. The main benefit of debugging is that it is possible to investigate the behaviour of code prior to a known crash point . Debugging is an essential component in the toolbox for analysing programming errors. However, they are more widely used in compiled languages such as C or Java, as interpreted languages such as Python are often easier to debug due to fewer LOC and less verbose statements. Despite this tendency Python does ship with the pdb. which is a sophisticated debugging tool. The Microsoft Visual C IDE possesses extensive GUI debugging utilities, while for the command line Linux C programmer, the gdb debugger exists. Testing in software development refers to the process of applying known parameters and results to specific functions, methods and objects within a codebase, in order to simulate behaviour and evaluate multiple code-paths, helping to ensure that a system behaves as it should. A more recent paradigm is known as Test Driven Development (TDD), where test code is developed against a specified interface with no implementation. Prior to the completion of the actual codebase all tests will fail. As code is written to fill in the blanks, the tests will eventually all pass, at which point development should cease. TDD requires extensive upfront specification design as well as a healthy degree of discipline in order to carry out successfully. In C, Boost provides a unit testing framework. In Java, the JUnit library exists to fulfill the same purpose. Python also has the unittest module as part of the standard library. Many other languages possess unit testing frameworks and often there are multiple options. In a production environment, sophisticated logging is absolutely essential. Logging refers to the process of outputting messages, with various degrees of severity, regarding execution behaviour of a system to a flat file or database. Logs are a first line of attack when hunting for unexpected program runtime behaviour. Unfortunately the shortcomings of a logging system tend only to be discovered after the fact As with backups discussed below, a logging system should be given due consideration BEFORE a system is designed. Both Microsoft Windows and Linux come with extensive system logging capability and programming languages tend to ship with standard logging libraries that cover most use cases. It is often wise to centralise logging information in order to analyse it at a later date, since it can often lead to ideas about improving performance or error reduction, which will almost certainly have a positive impact on your trading returns. While logging of a system will provide information about what has transpired in the past, monitoring of an application will provide insight into what is happening right now . All aspects of the system should be considered for monitoring. System level metrics such as disk usage, available memory, network bandwidth and CPU usage provide basic load information. Trading metrics such as abnormal pricesvolume, sudden rapid drawdowns and account exposure for different sectorsmarkets should also be continuously monitored. Further, a threshold system should be instigated that provides notification when certain metrics are breached, elevating the notification method (email, SMS, automated phone call) depending upon the severity of the metric. System monitoring is often the domain of the system administrator or operations manager. However, as a sole trading developer, these metrics must be established as part of the larger design. Many solutions for monitoring exist: proprietary, hosted and open source, which allow extensive customisation of metrics for a particular use case. Backups and high availability should be prime concerns of a trading system. Consider the following two questions: 1) If an entire production database of market data and trading history was deleted (without backups) how would the research and execution algorithm be affected 2) If the trading system suffers an outage for an extended period (with open positions) how would account equity and ongoing profitability be affected The answers to both of these questions are often sobering It is imperative to put in place a system for backing up data and also for testing the restoration of such data. Many individuals do not test a restore strategy. If recovery from a crash has not been tested in a safe environment, what guarantees exist that restoration will be available at the worst possible moment Similarly, high availability needs to be baked in from the start. Redundant infrastructure (even at additional expense) must always be considered, as the cost of downtime is likely to far outweigh the ongoing maintenance cost of such systems. I wont delve too deeply into this topic as it is a large area, but make sure it is one of the first considerations given to your trading system. Choosing a Language Considerable detail has now been provided on the various factors that arise when developing a custom high-performance algorithmic trading system. The next stage is to discuss how programming languages are generally categorised. Type Systems When choosing a language for a trading stack it is necessary to consider the type system . The languages which are of interest for algorithmic trading are either statically - or dynamically-typed . A statically-typed language performs checks of the types (e. g. integers, floats, custom classes etc) during the compilation process. Such languages include C and Java. A dynamically-typed language performs the majority of its type-checking at runtime. Such languages include Python, Perl and JavaScript. For a highly numerical system such as an algorithmic trading engine, type-checking at compile time can be extremely beneficial, as it can eliminate many bugs that would otherwise lead to numerical errors. However, type-checking doesnt catch everything, and this is where exception handling comes in due to the necessity of having to handle unexpected operations. Dynamic languages (i. e. those that are dynamically-typed) can often lead to run-time errors that would otherwise be caught with a compilation-time type-check. For this reason, the concept of TDD (see above) and unit testing arose which, when carried out correctly, often provides more safety than compile-time checking alone. Another benefit of statically-typed languages is that the compiler is able to make many optimisations that are otherwise unavailable to the dynamically - typed language, simply because the type (and thus memory requirements) are known at compile-time. In fact, part of the inefficiency of many dynamically-typed languages stems from the fact that certain objects must be type-inspected at run-time and this carries a performance hit. Libraries for dynamic languages, such as NumPySciPy alleviate this issue due to enforcing a type within arrays. Open Source or Proprietary One of the biggest choices available to an algorithmic trading developer is whether to use proprietary (commercial) or open source technologies. There are advantages and disadvantages to both approaches. It is necessary to consider how well a language is supported, the activity of the community surrounding a language, ease of installation and maintenance, quality of the documentation and any licensingmaintenance costs. The Microsoft stack (including Visual C, Visual C) and MathWorks MatLab are two of the larger proprietary choices for developing custom algorithmic trading software. Both tools have had significant battle testing in the financial space, with the former making up the predominant software stack for investment banking trading infrastructure and the latter being heavily used for quantitative trading research within investment funds. Microsoft and MathWorks both provide extensive high quality documentation for their products. Further, the communities surrounding each tool are very large with active web forums for both. The software allows cohesive integration with multiple languages such as C, C and VB, as well as easy linkage to other Microsoft products such as the SQL Server database via LINQ. MatLab also has many pluginslibraries (some free, some commercial) for nearly any quantitative research domain. There are also drawbacks. With either piece of software the costs are not insignificant for a lone trader (although Microsoft does provide entry-level version of Visual Studio for free). Microsoft tools play well with each other, but integrate less well with external code. Visual Studio must also be executed on Microsoft Windows, which is arguably far less performant than an equivalent Linux server which is optimally tuned. MatLab also lacks a few key plugins such as a good wrapper around the Interactive Brokers API, one of the few brokers amenable to high-performance algorithmic trading. The main issue with proprietary products is the lack of availability of the source code. This means that if ultra performance is truly required, both of these tools will be far less attractive. Open source tools have been industry grade for sometime. Much of the alternative asset space makes extensive use of open-source Linux, MySQLPostgreSQL, Python, R, C and Java in high-performance production roles. However, they are far from restricted to this domain. Python and R, in particular, contain a wealth of extensive numerical libraries for performing nearly any type of data analysis imaginable, often at execution speeds comparable to compiled languages, with certain caveats. The main benefit of using interpreted languages is the speed of development time. Python and R require far fewer lines of code (LOC) to achieve similar functionality, principally due to the extensive libraries. Further, they often allow interactive console based development, rapidly reducing the iterative development process. Given that time as a developer is extremely valuable, and execution speed often less so (unless in the HFT space), it is worth giving extensive consideration to an open source technology stack. Python and R possess significant development communities and are extremely well supported, due to their popularity. Documentation is excellent and bugs (at least for core libraries) remain scarce. Open source tools often suffer from a lack of a dedicated commercial support contract and run optimally on systems with less-forgiving user interfaces. A typical Linux server (such as Ubuntu) will often be fully command-line oriented. In addition, Python and R can be slow for certain execution tasks. There are mechanisms for integrating with C in order to improve execution speeds, but it requires some experience in multi-language programming. While proprietary software is not immune from dependencyversioning issues it is far less common to have to deal with incorrect library versions in such environments. Open source operating systems such as Linux can be trickier to administer. I will venture my personal opinion here and state that I build all of my trading tools with open source technologies. In particular I use: Ubuntu, MySQL, Python, C and R. The maturity, community size, ability to dig deep if problems occur and lower total cost ownership (TCO) far outweigh the simplicity of proprietary GUIs and easier installations. Having said that, Microsoft Visual Studio (especially for C) is a fantastic Integrated Development Environment (IDE) which I would also highly recommend. Batteries Included The header of this section refers to the out of the box capabilities of the language - what libraries does it contain and how good are they This is where mature languages have an advantage over newer variants. C, Java and Python all now possess extensive libraries for network programming, HTTP, operating system interaction, GUIs, regular expressions (regex), iteration and basic algorithms. C is famed for its Standard Template Library (STL) which contains a wealth of high performance data structures and algorithms for free. Python is known for being able to communicate with nearly any other type of systemprotocol (especially the web), mostly through its own standard library. R has a wealth of statistical and econometric tools built in, while MatLab is extremely optimised for any numerical linear algebra code (which can be found in portfolio optimisation and derivatives pricing, for instance). Outside of the standard libraries, C makes use of the Boost library, which fills in the missing parts of the standard library. In fact, many parts of Boost made it into the TR1 standard and subsequently are available in the C11 spec, including native support for lambda expressions and concurrency. Python has the high performance NumPySciPyPandas data analysis library combination, which has gained widespread acceptance for algorithmic trading research. Further, high-performance plugins exist for access to the main relational databases, such as MySQL (MySQLC), JDBC (JavaMatLab), MySQLdb (MySQLPython) and psychopg2 (PostgreSQLPython). Python can even communicate with R via the RPy plugin An often overlooked aspect of a trading system while in the initial research and design stage is the connectivity to a broker API. Most APIs natively support C and Java, but some also support C and Python, either directly or with community-provided wrapper code to the C APIs. In particular, Interactive Brokers can be connected to via the IBPy plugin. If high-performance is required, brokerages will support the FIX protocol . Conclusion As is now evident, the choice of programming language(s) for an algorithmic trading system is not straightforward and requires deep thought. The main considerations are performance, ease of development, resiliency and testing, separation of concerns, familiarity, maintenance, source code availability, licensing costs and maturity of libraries. The benefit of a separated architecture is that it allows languages to be plugged in for different aspects of a trading stack, as and when requirements change. A trading system is an evolving tool and it is likely that any language choices will evolve along with it. Just Getting Started with Quantitative TradingAutomated Trading Systems Automated trading systems are computer programs designed by expert developers to follow a given market algorithm, every minute of the day. You should consider automation if you want to participate in the futures market but lack the time to monitor, formulate and implement your own trading plan. Automated Systems are programmed to look for trends, analyze market data and apply specific mathematical technical formulas which in turn generates signals - buy and sell orders - to go long or short. The performance - whether hypothetical or live - is tracked in real-time and you can subscribe, activate and deactivate any system at any time. Optimus Futures gives you exclusive access to three different databases of automated trading systems. Choose any system from below and have the trades placed automatically in your real-life brokerage account. STEP 1 Subscribe to a System from one of our databases STEP 2 Open and Fund your Optimus Futures Account STEP 3 Sit back and monitor the results while we auto-execute your selected system. Why choose Automated Trading Systems over Self Directed Trading To be a successful futures trader, you have to understand different market trends, know all the factors that affect the markets, and follow both long term and short term price shifts caused by technical factors and fundamental news. This is not an easy task. While some traders choose to dedicate their lives to studying these different approaches to market cycles and price movements, some choose to participate in the futures market by letting an automated futures trading strategy make the trading decisions for them. Automation enforces discipline, where every trade, regardless of consecutive losing and or winning streaks, will continue to trade a pre-defined methodology, bypassing the emotional capital that accompanies self-directed accounts. What are the benefits of systems trading SAVE TIME: When your trades are automatically executed, you dont have to spend any more time studying charts, formulating trading strategies, and placing orders. You should consider automation if you lack the time for discretionary trading but would like to take advantage of another traders proven methodology. You can still get the benefits of diversifying your portfolio with futures, and have more time attending to the other priorities in your life. ELIMINATE STRESS: When you are making your own trading decisions, it is easy to be swayed by fear, greed and other emotional biases that may cloud your judgment. With an automated trading system, you will be taking a disciplined, unemotional and systematic approach to trading. A system trades only when its method tells it to and it does not change the number of contracts as it trades (beyond your set parameters). Therefore, the emotional side of trading does not affect your decision-making. SAVE MONEY: When following a trading system, you dont have to subscribe to a costly market quote or data feed. or have a robust computer to handle trading software. In addition, our fees are very reasonable, and can be deducted from your account. Contact Us About Automated Trading PERFORMANCE: Trading systems can help you meet your investment objectives since all of your decisions are based on formulas developed by an experienced trader. Automated trading systems are algorithmic, and behave according to the formulas and input programmed into them. They are developed by testing against historical data. Systems are designed to exploit price inefficiencies in the market and take advantage as soon as one has been detected. The making money part is a result of the systems ability to predict the price action in the right direction. Want to automate your own method We can help you design a system based on your methodology, risk parameters and risk capital. We work with a number of programmers with expertise in Genesis Trade Navigator, TradeStation, and Traders Studio. We can also design strategies in C, C , Multicharts and other programming languages. We have access to expert trading developers and programmers who can turn your ideas into automated trading methods. Or if you are system vendor looking for system execution for your clients, you can use us for proper execution and superior customer service. You can allow Optimus to execute all of the trades recommended to you by your trading system. All you have to do is sit back and watch your system work for you This is an easy solution that takes the burden out of executing your own trades. If you need to speak with someone who can help you make this choice, call us toll-free at 1.800.771.6748. Still have questions Lets talk. Please feel free to contact us using the form to the right or call us at (800) 771-6748. This matter should be viewed as a solicitation to trade. Trading futures and options involves substantial risk of loss and is not suitable for all investors. Aiempi tulos ei välttämättä ole merkki tulevista tuloksista. The risk of loss in trading commodity interests can be substantial. Siksi harkitse tarkkaan, onko tällainen kaupankäynti sopiva sinulle taloudellisen tilanne huomioon ottaen. The placement of contingent orders by you or broker, or trading advisor, such as a stop-loss or stop-limit order, will not necessarily limit your losses to the intended amounts, since market conditions may make it impossible to execute such orders. The high degree of leverage that is often obtainable in commodity interest trading can work against you as well as for you. Vipuvaikutuksen käyttö voi aiheuttaa suuria menetyksiä sekä voittoja. Optimus Futures, LLC is not affiliated with nor does it endorse any trading system, methodologies, newsletter or other similar service. We urge you to conduct your own due diligence.
No comments:
Post a Comment