Kodowanie systemu transakcyjnego

Projektowanie systemów kodowania systemów handlu. Pierwszym krokiem przy kodowaniu dowolnej aplikacji jest faza projektowania Niezależnie od tego, czy kodowanie aplikacji lub systemu handlowego, staranne projektowanie i planowanie pomogą Ci zakończyć krótszy czas z mniejszymi błędami Będziemy używać prostego trzyetapowy proces projektowania naszego systemu handlowego. Step 1 Utwórz zasady systemu handlowego Pierwszym krokiem przy projektowaniu systemu handlowego jest po prostu wymyślenie zasad, według których system będzie działał Powinieneś mieć cztery podstawowe zasady dla każdego systemu handlu. - Identyfikuj, kiedy chcesz kupić pozycję. Sprzedaj - określ, kiedy chcesz sprzedać pozycję. Stop - określ, kiedy chcesz wyciąć swoje straty. Target - określ, kiedy chcesz złożyć zysk. Na przykład: Gdy średnia ruchoma 30-dniowa przekracza 60-dniową MA. Sell - jeśli 30-dniowa MA przecina poniżej 60-dniowego MA. Stop - maksymalna utrata 10 jednostek. Target - cel 10 jednostek. Ten przykładowy system będzie kupować i sprzedawać na podstawie 30 i 60 dni movi ng i automatycznie zapisuje zyski po 10-jednostkowych zyskach lub sprzedaj ze stratą po 10-jednostkowym ruchu w przeciwnym kierunku. Krok 2 Identyfikuj składniki każdej reguły Teraz, gdy mamy nasze reguły, musimy zidentyfikować składniki zaangażowane w każdą regułę Każdy składnik powinien zawierać dwa elementy. Stosowany wskaźnik lub badanie. Ustawienia dla wskaźnika lub badania. Te składniki powinny być skonstruowane, wpisując nazwę skróconą do badania, a następnie ustawienia w nawiasie. Te ustawienia w nawiasach są określane jako parametry wskaźnika lub badania Czasami badanie może mieć wiele parametrów, w takim przypadku można po prostu oddzielić je przecinkami. Spójrzmy na kilka przykładów. MA 25 - 25-dniowa średnia ruchoma. RSI 25 - 25-dniowy indeks wytrzymałości względnej. MACD Zamknij 0, 5,5 - Ruch średnia zestaw rozbieżności konwergencji w oparciu o dzisiejszą zamknięcie, z pięciodniową szybkością i pięciodniową wolną długością. Jeśli nie wiesz, ile parametrów pewien składnik r equires, można po prostu skonsultować się z dokumentacją programu handlowego, która wymienia te składniki wraz z wartościami, które należy wypełnić Na przykład, możemy zauważyć, że Tradecision mówi nam, że potrzebujemy trzech parametrów z MACD. So, na przykład wymieniony w kroku pierwszym używamy. MA 30 - Znaczenie 30-dniowa średnia ruchoma. MA 60 - Znaczenie 60-dniowa średnia ruchoma. Krok 3 Dodawanie akcji Teraz dodamy akcje do naszych zasad Każda akcja jest zgodna z następującym formatem podstawowym. IF Warunek WHILE Warunek THEN Action. Tylko warunek składa się z elementów i parametrów, które utworzyłeś powyżej, a działanie będzie składać się z warunków kupna lub sprzedaży. Warunki mogą również składać się z prostego angielskiego, jeśli nie ma składnika. Oto kilka przykładów, które pomogą nam zilustrować ten punkt. IF MA 30 przecina powyżej MA 60 THEN Kup. IF MA 30 przecina poniżej MA 60, podczas gdy pojemność 20,000 THEN Sell. IF EMA 25 jest większa niż MA 5 THEN Sell. IF RSI 20 jest równa Do 50 THEN Buy. So, dla r przykładem, z którego korzystaliśmy, po prostu dajemy listę. IF MA 30 krzyży powyżej MA 60 THEN Buy. IF MA 30 przecina poniżej MA 60 THEN Sell. IF nasz handel ma 10 jednostek zysku THEN Sell. IF nasz handel ma 10 jednostek straty THEN Sell. What s Next Next, przyjrzymy się konwersji tych zasad do kodu, który komputer może zrozumieć. Trading Systems Coding. Trading systemów to po prostu zestawy reguł, które handlowcy używają do określania ich wpisów i wyjść z pozycja Rozwój i korzystanie z systemów obrotu może pomóc przedsiębiorcom w osiągnięciu spójnych wyników przy jednoczesnym ograniczeniu ryzyka W idealnej sytuacji przedsiębiorcy powinni czuć się jak roboty, wykonywać zawody w sposób systematyczny i bez emocji Być może zapytałeś samemu Co zrobić, aby zatrzymać robota w handlu moim systemem odpowiedź Nic To samouczek wprowadzi Cię do narzędzi i technik, które można wykorzystać do stworzenia własnego zautomatyzowanego systemu handlu. Jak powstają automatyczne systemy obrotu? Automatyczne systemy handlowe są tworzone przez konwersję systemu handlowego s na kodzie, który komputer może zrozumieć Twój komputer uruchamia te zasady za pomocą oprogramowania handlowego, który wyszukuje transakcje, które przestrzegają Twoich zasad W końcu transakcje są automatycznie umieszczane u Twojego pośrednika. Ten samouczek skupi się na drugiej i trzeciej części tego procesu, w którym Twoje zasady są przekształcane w kodzie, który oprogramowanie handlujące może zrozumieć i używać. Jakie oprogramowanie handlowe obsługuje systemy automatyzacji handlu Istnieje wiele programów handlowych obsługujących systemy zautomatyzowanego handlu Niektóre automatycznie generują i umieszczają transakcje z brokerem Inne będą automatycznie wyszukują transakcje, które spełniają Twoje kryteria, ale wymagają ręcznego umieszczania zamówień z brokerem. W pełni automatyczne programy handlowe często wymagają korzystania z określonych maklerskich firm obsługujących takie funkcje, które mogą wymagać uzupełnienia dodatkowego formularza autoryzacji. Zalety i wady Automatyczne systemy handlu mają wiele zalet, ale także ich downsides W końcu, jeśli ktoś miał system handlu, który automatycznie zarabia przez cały czas, on lub ona będzie dosłownie właścicielem maszyny do robienia pieniędzy. Automatyczny system ma emocje i zajęty pracy z handlu, co pozwala skupić się na poprawie strategii i zasad zarządzania pieniędzmi. Gdy powstaje rentowny system, nie wymaga pracy z twojej strony, dopóki nie zerwie, a warunki rynkowe wymagają zmiany. Jeśli system nie jest właściwie zakodowany i przetestowany, duże straty mogą wystąpić bardzo szybko. Cztery razy niemożliwe jest wprowadzenie pewnych reguł do kodu, co utrudnia opracowanie zautomatyzowanego systemu handlu. W tym samouczku dowiesz się, jak zaplanować i zaprojektować zautomatyzowany system handlu, jak przetłumaczyć ten projekt na kod, który komputer zrozumie, jak przetestować Twój plan, aby zapewnić optymalną wydajność i, wreszcie, jak umieścić swój system w użyciu. Dowiedz się, czy korzystanie ze ścieżki mniej podróżnej będzie działało na korzyść - lub przeciw niemu. System handlu może zaoszczędzić czas nie podejmuj emocji z obrotu, ale biorąc pod uwagę umiejętności i zasoby - dowiedz się więcej tutaj. Większość brokerów dostarczy Ci rekordy handlowe, ale to również ważne, aby śledzić na własną rękę. Te kroki sprawi, że będziesz bardziej zdyscyplinowany, mądrzejszy i ostatecznie zamożniejszy handlowiec. Często zadawane pytania. Kiedy dokonujesz płatności hipotecznych, zapłacona kwota to kombinacja oprocentowania i spłaty kapitału. Dowiedz się, jak rozróżnić dóbr kapitałowych i towarów konsumpcyjnych i zobaczyć, dlaczego dobra inwestycyjne wymagają oszczędności i inwestycji. Pochodna to umowa pomiędzy dwiema lub więcej stronami, których wartość oparta jest na uzgodnionym składniku aktywów finansowych. Termin fosa gospodarcza, stworzona i popularyzowana przez Warren Buffetta, odnosi się do zdolności biznesowych do utrzymania przewagi konkurencyjnej. Najczęściej zadawane pytania. Kiedy dokonujesz płatności hipotecznych, zapłacona kwota to kombinacja oprocentowania i spłaty kapitału. Dowiedz się więcej na temat różnicowania między dóbr inwestycyjnych i dóbr konsumpcyjnych, i zobaczyć, dlaczego dóbr inwestycyjnych wymaga oszczędności i inwestycji. Pochodna jest umową między dwiema lub więcej stronami, których wartość oparta jest na uzgodnionym składniku aktywów finansowych. Określenie fosy gospodarczej, wymyślone i popularyzowane przez Warren Buffett, odnosi się do możliwości biznesowych do utrzymania przewagi konkurencyjnej. Best Język programowania dla systemów handlu algorytmami. Jednym z najczęstszych pytań otrzymam w torebce QS jest Jaki jest najlepszy język programowania dla handlu algorytmem Krótka odpowiedź brzmi, że nie ma najlepszego języka Strategia parametry, wydajność, modułowość, rozwój, odporność i koszty Wszystkie te kwestie będą rozpatrywane W tym artykule przedstawimy niezbędne składniki architektury systemu handlu algorytmicznego i jak decyzje dotyczące wdrożenia wpływają na wybór języka. Przede wszystkim główne składniki algorytmicznego systemu handlu takie jak narzędzia badawcze, optymalizator portfela, menedżer ryzyka i egzekucja pol W kolejnych etapach zostaną zbadane różne strategie handlowe i ich wpływ na projekt systemu. W szczególności zostanie omówiona częstotliwość obrotu i prawdopodobna wielkość obrotu. Po wybraniu strategii handlowej konieczne jest zaprojektowanie całego systemu Obejmuje wybór sprzętu, systemu operacyjnego i odporności systemu przed rzadkimi, potencjalnie katastrofalnymi zdarzeniami Podczas gdy architektura jest rozważana, należy wziąć pod uwagę osiągi - zarówno do narzędzi badawczych, jak i do środowiska wykonawczego. Co to jest Trzeba starać się o system handlu. Przed podjęciem decyzji o najlepszym języku, w jaki należy pisać zautomatyzowany system handlu, konieczne jest zdefiniowanie wymagań. Czy system będzie realizowany wyłącznie w oparciu o system Czy system wymaga zarządzania ryzykiem lub modułu budowy portfela Czy system wymagają wysokiej wydajności backtester Dla większości strategii system handlu można podzielić na dwie kategorie Rese arch i generowania sygnałów. Badanie dotyczy oceny skuteczności strategii w odniesieniu do danych historycznych Proces oceny strategii handlowej nad wcześniejszymi danymi rynkowymi jest znany jako kontrola wstępna Wielkość danych i złożoność algorytmiczna będą miały duży wpływ na intensywność obliczeniową testora backtest Prędkość procesora i współbieżność są często czynnikami ograniczającymi optymalizację szybkości wykonywania badań. Wytwarzanie generacji polega na generowaniu zestawu sygnałów handlowych z algorytmu i wysyłaniu takich zamówień do rynku, zwykle za pośrednictwem pośrednictwa. W niektórych strategiach wysoki poziom wydajności wymagane kwestie związane z IO, takie jak przepustowość sieci i opóźnienia, są często czynnikiem ograniczającym optymalizację systemów wykonawczych. Wybór języków dla każdego składnika całego systemu może być zupełnie inny. Typy, częstotliwość i wielkość strategii. Rodzaj stosowanej strategii algorytmicznej mają istotny wpływ na projekt systemu Konieczne będzie połączenie skupienie się na rynkach, dostęp do zewnętrznych dostawców danych, częstotliwość i wielkość strategii, kompromis pomiędzy łatwością tworzenia i optymalizacją wydajności, a także dowolnym sprzętem niestandardowym, w tym współlokatorami niestandardowymi, GPU lub FPGA może to być konieczne. Wybór technologii dla strategii o niskich częstotliwościach w USA będzie znacznie różnił się od strategii statystyki arbitrażu o wysokiej częstotliwości na rynku kontraktów terminowych. Przed wyborem języka wielu dostawców danych musi być oceniane, które odnoszą się do strategia pod ręką. Konieczne będzie rozważenie możliwości połączenia z dostawcą, strukturą dowolnych interfejsów API, terminowości danych, wymagań dotyczących przechowywania danych i odporności w obliczu sprzedaży przez sprzedawcę. Jest również mądry posiadanie szybkiego dostępu do wielu dostawców Różne instrumenty mają własne dziwactwa przechowywania danych, których przykłady zawierają wiele symboli symboli dla akcji i terminów wygaśnięcia na kontrakty futures, nie mówiąc już o specyfikacjach ific dane OTC To należy uwzględnić w projekcie platformy. Częstotliwość strategii może być jednym z największych czynników decydujących o sposobie określania stosu technologii. Strategie wykorzystujące dane częściej niż drobne lub drugie barki wymagają znacznej uwagi w odniesieniu do wydajność. Strategia przekraczająca drugorzędne paski, tzn. dane kreskowe prowadzą do projektowania napędzanego wydajnością jako podstawowego wymogu W przypadku strategii wysokiej częstotliwości znaczna ilość danych rynkowych będzie musiała być przechowywana i oceniana Oprogramowanie takie jak HDF5 lub kdb jest powszechnie używane do tych ról. Aby przetworzyć obszerne ilości danych potrzebnych do aplikacji HFT, należy zastosować rozbudowany system backtestera i systemu wykonawczego. CC może być z pewnym asemblerem najprawdopodobniej najsilniejszym kandydatem na język. Ultra wysokiej częstotliwości strategie będą na pewno wymagały sprzętu niestandardowego, takiego jak FPGA , wymianę współrzędnych i kernal sieci tuning. Research Systemss. Research Systems zazwyczaj obejmują mieszankę interaktywnego rozwoju i zautomatyzowanego tworzenia skryptów Pierwsze miejsce często odbywa się w środowisku IDE, takim jak Visual Studio, MatLab czy R Studio. Wiąże się to z dużymi obliczeniami liczbowymi w odniesieniu do wielu parametrów i punktów danych. To prowadzi do wyboru języka, który zapewnia proste środowisko dla ale również zapewnia wystarczającą wydajność w celu oceny strategii nad wieloma parametrami. W tym miejscu są to: Microsoft Visual CC, zawierający rozbudowane narzędzia do debugowania, funkcje uzupełniania kodu przez Intellisense i proste przegląd wszystkich stosów projektu za pośrednictwem bazy danych ORM, LINQ MatLab zaprojektowany do rozbudowanej numerycznej liniowej algebry i operacji wektorowych, ale w konsoli interaktywnej R Studio, która zawiera konsolę statystyczną R w pełni rozwiniętym IDE Eclipse IDE dla Linuxa Java i C oraz półfunkcyjne IDE, takie jak Enthought Canopy dla Pythona, w tym da ta biblioteki do analizy takich jak Numpery SciPy scikit-learn i pandy w pojedynczej konsoli interaktywnej. Na liczbowe testy wsteczne wszystkie powyższe języki są odpowiednie, chociaż nie jest konieczne użycie IDE dla grafiki, ponieważ kod zostanie wykonany w tle Podstawowym rozważaniem na tym etapie jest szybkość wykonania Słownik skompilowany, np. C, jest często przydatny, jeśli wymiary parametrów testów wstecznych są duże Pamiętaj, że w takich sytuacjach należy uważać na takie systemy. Interpreted languages ​​takich jak Python często skorzystaj z wysokiej jakości bibliotek, takich jak pandy NumPy dla etapu testowania wstecznego, aby utrzymać rozsądny stopień konkurencyjności ze skompilowanymi odpowiednikami Ostatecznie język wybrany do testowania wstecznego będzie określony przez konkretne potrzeby algorytmiczne, a także zakres dostępnych bibliotek w języku tym bardziej niższym. Jednakże język używany dla środowiska testowego i środowiska badawczego może być całkowicie indyjski ukazujące się w strukturze portfela, elementach zarządzania ryzykiem i realizacji, jak będzie to widoczne. Portfolio struktury i zarządzanie ryzykiem. Zarządzanie portfelem i zarządzanie ryzykiem są często pomijane przez detalicznych handlarzy algorytmicznych Jest to prawie zawsze błąd Te narzędzia zapewniają mechanizm, dzięki któremu kapitał będzie zachowany Nie tylko starają się złagodzić liczbę ryzykownych zakładów, ale również zminimalizować problemy z transakcjami, redukując koszty transakcji. Skomplikowane wersje tych elementów mogą mieć znaczący wpływ na jakość i spójność dochodowości jest prostym narzędziem do tworzenia stabilnych strategii, ponieważ mechanizm budowy portfela i menedżer ryzyka mogą być łatwo modyfikowane w celu obsługi wielu systemów W związku z tym należy je uznać za istotne elementy na początku projektowania algorytmicznego systemu handlu. Zadanie systemu budowy portfela jest podejmowanie kompletu wymaganych transakcji i wyprodukowanie zestawu rzeczywistych transakcji, które minimalizują problemy, utrzymują ekspozycje na różne czynniki, takie jak sektory, klasy aktywów, zmienność itd. i optymalizują alokację kapitału do różnych strategii w portfolio. Portfolio struktury często redukuje się do problemu algebry liniowej, na przykład matematyki, a zatem wydajność jest w dużej mierze zależna od skuteczności implementacji numerycznej algebry liniowej Dostępne biblioteki wspólne obejmują uBLAS LAPACK i NAG dla C MatLab posiada również bardzo zoptymalizowane operacje matematyczne Python wykorzystuje NumPy SciPy do takich obliczeń Często wyważone portfele wymagają skompilowanej i zoptymalizowanej biblioteki macierzy wyeliminować ten krok w celu niedopasowania systemu handlowego. Zarządzanie ryzykiem to kolejna niezwykle ważna część algorytmicznego systemu handlu Ryzykiem może być wiele form Zwiększona niestabilność, choć może być to postrzegane jako pożądane w przypadku niektórych strategii, zwiększone korelacje między aktywami klasy, kontrpartner de błędy, awarie serwerów, zdarzenia czarnego łabędzia i niezauważone błędy w kodzie handlowym, aby wymienić tylko kilka elementów. Składniki zarządzania ryzykiem próbują przewidzieć skutki nadmiernej zmienności i korelacji między klasami aktywów a ich następującymi skutkami w kapitale obrotowym. Często zmniejsza się to do zestaw statystycznych obliczeń, takich jak testy warunków skrajnych Monte Carlo Jest to bardzo podobne do potrzeb obliczeniowych instrumentu wyceny instrumentów pochodnych i jako takie będzie powiązane z procesorem CPU Te symulacje są wysoce równoległe do opisania poniżej i do pewnego stopnia można rzucać sprzęt w tym problemie. Kompatybilności. Zadaniem systemu wykonawczego jest odbieranie odfiltrowanych sygnałów handlowych z elementów budowy portfela i zarządzania ryzykiem oraz przesyłanie ich na pośrednictwo lub inne sposoby dostępu do rynku. W przypadku większości detalicznych algorytmicznych strategii handlowych obejmuje połączenie API lub FIX z brokerem, takim jak Interaktywne brokery Podstawowe kwestie przy podejmowaniu decyzji o języku lang uage zawiera jakość interfejsu API, dostępność języka dla opakowania dla interfejsu API, częstotliwość wykonania i oczekiwany poślizg. Jakość interfejsu API odnosi się do tego, jak dobrze udokumentowana jest, jaki jest jej poziom wydajności, niezależnie od tego, czy jest potrzebny samodzielny program, czy brama może zostać utworzona w sposób bez głowy, tzn. nie ma GUI W przypadku interaktywnych brokerów, narzędzie Trader WorkStation musi być uruchomione w środowisku GUI w celu uzyskania dostępu do ich interfejsu API Kiedyś musiałem zainstalować wydanie Desktop Ubuntu na Serwer chmury Amazon dostęp do Interaktywnych Brokerów zdalnie, wyłącznie z tego powodu. Większość interfejsów API dostarcza interfejs C i lub Java Najważniejsze jest, aby społeczności opracowywały specyficzne dla języka pakiety dla C, Python, R, Excel i MatLab każda dodatkowa wtyczka używana szczególnie w opakowaniach API może zawierać błędy do pełzania w systemie Zawsze testuj wtyki tego typu i upewnij się, że są one aktywnie utrzymywane Warto skontrolować, aby zobaczyć h wiele nowych uaktualnień do bazy kodu zostały wykonane w ostatnich miesiącach. Częstotliwość wykonywania jest niezwykle ważna w algorytmie wykonywania Zauważ, że setki zamówień mogą być wysyłane co minutę i jako takie są krytyczne Utrata będzie ponoszona przez źle działające a to będzie miało dramatyczny wpływ na rentowność. Języki typowane w języku szwedzkim opisane poniżej, takie jak C Java, są generalnie optymalne do wykonania, ale jest to kompromis w czasie projektowania, testowania i łatwości obsługi. Dynamicznie wpisywane języki, takie jak Python i Perl są na ogół wystarczająco szybkie Zawsze upewnij się, że komponenty są zaprojektowane w sposób modularny poniżej, aby można je było zamienić na system. Proces planowania i rozwoju architektonicznego Elementy systemu handlu, jego częstotliwość i Wymogi dotyczące woluminu zostały omówione powyżej, ale infrastruktura systemu nie została jeszcze uwzględniona Działając jako przedsiębiorca detaliczny lub pracując w małym funduszu, Elżbieta musi nosić wiele kapeluszy Musi być objęta modelem alfa, parametrami zarządzania ryzykiem i parametrami wykonawczymi, a także ostateczną implementacją systemu Przed rozwinięciem poszczególnych języków omówione zostanie projektowanie optymalnej architektury systemu. Rozdzielenie obaw. Jedną z najważniejszych decyzji, którą należy na wstępie ustalić, jest to, jak oddzielić obawy systemu handlowego W rozwoju oprogramowania, zasadniczo chodzi o to, jak rozbić różne aspekty systemu handlowego na oddzielne elementy modułowe. Wystawiając interfejsy na każdy z elementów łatwo wymienić części systemu na inne wersje, które pomagają w osiągach, niezawodności i konserwacji, bez konieczności modyfikowania zewnętrznego kodu zależnego Jest to najlepsza praktyka dla takich systemów Dla strategii na niższych częstotliwościach zaleca się takie praktyki Dla ultra wysoka częstotliwość handlu papierami wartościowymi może być ignorowana kosztem zmieszania systemu nawet z większą wydajnością Może być pożądany system ściśle sprzężonego. Złożenie mapy komponentów systemu handlu algorytmicznego jest warte samo w sobie. Jednak optymalnym podejściem jest upewnienie się, że istnieją osobne składniki danych wejściowych danych rynkowych w czasie rzeczywistym i rzeczywistym, dane przechowywania danych, API dostępu do danych, backtester, parametry strategii, budowa portfela, zarządzanie ryzykiem i zautomatyzowane systemy wykonawcze. Na przykład, jeśli wykorzystywany magazyn danych jest obecnie słabszy, nawet przy znacznym poziomie optymalizacji, można go zamienić na minimalny zapis do zaimplementowanie danych lub API dostępu do danych Jak dotąd jest to backtester i kolejne składniki, nie ma różnicy. Inna korzyść z oddzielonych elementów polega na tym, że pozwala na użycie różnorodnych języków programowania w całym systemie Nie ma potrzeby być ograniczony do jednego języka, jeśli metoda komunikacji komponentów jest niezależna od języka To będzie miało miejsce, jeśli komunikują się za pośrednictwem TCP IP, ZeroMQ lub jakiś inny niezależny od języka protokół. Jako konkretny przykład, należy rozważyć przypadek systemu testów wstecznych zapisywanego w języku C w celu oszacowania liczby użytkowników, podczas gdy menedżer portów i systemy wykonawcze są napisane w Pythonie przy użyciu SciPy i IBPy. Performance Rozważania. Ponadto jest ważnym czynnikiem dla większości strategii handlowych W przypadku strategii o wyższej częstotliwości najważniejszym czynnikiem jest wydajność, która obejmuje szeroki zakres zagadnień, takich jak algorytmiczna szybkość wykonania, opóźnienie sieci, szerokość pasma, dane IO, współbieżność równoległości i skalowanie obszary są indywidualnie ujęte w dużych podręcznikach, więc ten artykuł będzie tylko zarysować powierzchnię każdego tematu Wybór architektury i języka zostanie teraz omówiony pod kątem ich wpływu na wydajność. Dominująca mądrość, jak stwierdził Donald Knuth, jeden z ojców informatyki , jest to, że przedwczesna optymalizacja jest źródłem wszelkiego zła Jest to prawie zawsze przypadek - oprócz budowy algorytm handlu wysokimi częstotliwościami Dla tych, którzy interesują się strategiami niższych częstotliwości, wspólne podejście polega na zbudowaniu systemu w najprostszy możliwy sposób i tylko zoptymalizować je w miarę pojawiania się wąskich gardeł. Narzędzia do tworzenia profili są używane do określania wąskich gardeł Profile mogą być dla wszystkich wymienionych powyżej czynników, w środowisku MS Windows lub Linux Istnieje wiele dostępnych narzędzi do obsługi systemu operacyjnego i narzędzi językowych, jak również narzędzi innych firm Wybór języka będzie omawiany w kontekście wydajności. C, Java, Python, R i MatLab zawierają biblioteki wysokiej jakości jako część ich standardowej lub zewnętrznej podstawowej struktury danych i prace algorytmiczne C dostarczane ze standardową biblioteką szablonów, podczas gdy Python zawiera NumPy SciPy Wspólne zadania matematyczne można znaleźć w tych biblioteki i rzadko korzystne jest napisanie nowej implementacji. Jedynym wyjątkiem jest, jeśli wymagana jest bardzo wysoka architektura sprzętu i algorytm robi szerokie zastosowanie własnych rozszerzeń, takich jak niestandardowe pamięci podręczne Jednak często reinwentaryzuje czas odpadów z kół, które mogłyby być lepiej wydawane na rozwój i optymalizację innych części infrastruktury handlowej Czas tworzenia jest niezwykle cenny szczególnie w kontekście pojedynczych developerów. Często jest to często problem z systemem realizacji, ponieważ narzędzia badawcze są zazwyczaj umieszczone na tej samej maszynie W przypadku poprzednich, opóźnienie może wystąpić w wielu punktach wzdłuż ścieżki wykonywania Bazy danych muszą być sprawdzone przez opóźnienie sieciowe dysku, sygnały muszą być generowane system operacyjny, opóźnienie przesyłania wiadomości kernal, sygnały handlowe wysyłają opóźnienia NIC i zarządzają wewnętrznymi opóźnieniami systemów wymiany. W przypadku operacji o wyższej częstotliwości konieczne staje się znajomość optymalizacji kernal oraz optymalizacja transmisji sieciowej. algorytm UHFT jest pożądany, a następnie świadomy głębokości knowledg Wymagane. Zeskanowanie jest bardzo przydatne w zestawie narzędziowym ilościowego dewelopera Caching odnosi się do koncepcji przechowywania często używanych danych w sposób, który umożliwia dostęp do wyższej wydajności, kosztem potencjalnego niedostateczności danych tworzenie stron WWW przy pobieraniu danych z relacyjnej bazy danych na dysku i umieszczanie jej w pamięci Każde kolejne żądania danych nie muszą trafiać w bazę danych, a zatem zyski z wydajności mogą być znaczące. W sytuacjach handlowych buforowanie może być bardzo korzystne. Na przykład, obecny stan portfela strategicznego może być przechowywany w pamięci podręcznej, dopóki nie zostanie zrównoważony, tak że lista nie musi być regenerowana w każdej pętli algorytmu obrotu. Taka regeneracja może być wysoką operacją procesora lub dysku IO. buforowanie nie jest wolne od własnych problemów Regeneracja danych z pamięci podręcznej wszystkie naraz, ze względu na lotność charakter przechowywania pamięci podręcznej, może spowodować znaczny popyt na infrastrukturę Anothe r jest palenie psów, gdzie wiele generacji nowej kopii zapasowej buforowej przeprowadza się pod bardzo dużą liczbą obciążeń, co prowadzi do awarii kaskad. Przydział pamięci dynamicznej jest kosztownym procesem w realizacji oprogramowania W związku z tym konieczne jest, aby aplikacje handlowe o wyższej wydajności były dobrze , jak pamięć jest przydzielana i nieprzydzielana podczas przepływu programu Nowsze standardy językowe, takie jak Java, C i Python wykonują automatyczną kolekcję śmieci, która odnosi się do deallokacji dynamicznie przydzielonej pamięci, gdy obiekty wykraczają poza zakres. Kolekcja Garbage jest niezwykle użyteczna podczas opracowywania zmniejsza błędy i ułatwia czytelność Jednak często jest to sub-optymalne dla niektórych strategii handlowych o wysokiej częstotliwości Niestandardowa kolekcja śmieci jest często wymagana dla tych przypadków W Javie, na przykład poprzez strojenie zbieracza śmieci i konfiguracji sterty, można uzyskać wysoką skuteczności w strategiach HFT. Nie dostarczają rodzimych śmieciarek, więc trzeba to zrobić naliczanie alokacji alokacji wszystkich alokacji alokacji w ramach implementacji obiektu Podczas potencjalnego błędu podatnego na potencjalnie prowadzące do zwisających wskaźników niezwykle przydatne jest precyzyjne sterowanie sposobem, w jaki obiekty pojawiają się na stosie w niektórych aplikacjach Wybierając język należy zbadać kolektor śmieci działa i czy można go zmodyfikować w celu zoptymalizowania dla konkretnego przypadku użycia. Każde operacje w algorytmicznych systemach handlowych są usprawiedliwione do równoległości. Odnosi się to do koncepcji przeprowadzania wielu operacji programowych jednocześnie, tzn. równolegle tak zwanych algorytmy równoległe do embarassingly obejmują kroki, które można obliczyć w pełni niezależnie od innych kroków Niektóre operacje statystyczne, takie jak symulacje Monte Carlo, są dobrym przykładem algorytmów do embarassingly równoległych, ponieważ każde losowe losowanie i następująca operacja ścieżki mogą być obliczane bez wiedzy innych ścieżek. Inny algorytmy są tylko częściowo równoległe Dynamiczna dynamika płynów Są to przykłady, w których dziedzina obliczeń może być dzielona, ​​ale ostatecznie te dziedziny muszą komunikować się ze sobą, a zatem operacje są częściowo sekwencyjne algorytmy równoległe podlegają prawu Amdahla, które zapewnia teoretyczną górną granicę wzrostu wydajności algorytm równoległy, gdy podlega N oddzielnym procesom, np. na rdzeniu procesora lub wątku. Rejestracja jest coraz ważniejsza jako sposób optymalizacji, ponieważ procesor zegara - prędkość stagnacji, ponieważ nowsze procesory zawierają wiele rdzeni, z którymi można przeprowadzać równoległe obliczenia Wzrost sprzęt graficzny konsumencki głównie dla gier wideo doprowadził do opracowania graficznych jednostek GPU przetwarzania, zawierających setki rdzeni dla bardzo równomiernych operacji. Takie GPU są obecnie bardzo przystępne. Ramy wysokiego szczebla, takie jak CUDA firmy Nvidia, doprowadziły do ​​powszechnego przyjęcia w środowiskach akademickich i finansów. Taki sprzęt GPU jest ogólnie odpowiedni tylko do ponownego użytku aspekt wyszukiwania aspektów ilościowych finansów, podczas gdy inne bardziej wyspecjalizowane sprzętowe, w tym pola programowalne tablice bramek - FPGA są wykorzystywane w U HFT Obecnie większość nowoczesnych języków obsługuje pewien stopień równoczesnego wielowątkowości W ten sposób można łatwo zoptymalizować test typu backtester, ponieważ wszystkie obliczenia są na ogół niezależne innych. Skalowanie w inżynierii oprogramowania i operacjach odnosi się do zdolności systemu do obsługi ciągle zwiększających się obciążeń w formie większych zamówień, wyższego wykorzystania procesora i większej alokacji pamięci W handlu algorytmicznym strategia jest w stanie skalować, jeśli można zaakceptować większą ilości kapitału i wciąż produkują spójne stopy zwrotu Wykorzystywane technologie stosują skalę, jeśli mogą wytrzymać większe obroty handlowe i zwiększoną latencję, bez wąskich gardeł. Podczas gdy systemy muszą być zaprojektowane tak, aby skalować, często trudno jest przewidzieć, gdzie wystąpi wąskie gardło Szorstkie rejestrowanie, testowanie, profilowanie i monitorowanie znacznie pomogą w zapewnieniu systemu m do skalowania Języki są często opisywane jako niewykrywalne Jest to zwykle rezultat dezinformacji, a nie faktu twardego. Jest to całkowity stos technologii, który powinien być określony dla skalowalności, a nie języka. Oczywiście niektóre języki mają większą wydajność niż inne w konkretnych przypadkach użycia , ale jeden język nigdy nie jest lepszy od innego w każdym sensie. Jednym ze sposobów zarządzania skalą jest oddzielenie obaw, jak wspomniano powyżej W celu dalszego wprowadzenia zdolności do obsługi kolców w systemie, tj. nagłej niestabilności, która wywołuje tratę handlu, jest użyteczna do tworzenia architektury kolejkowania wiadomości To po prostu oznacza umieszczenie kolejki komunikatów między komponentami tak, aby zamówienia były ułożone, jeśli określony komponent nie jest w stanie przetworzyć wielu żądań. Nieżeli żądania utracone, są one po prostu przechowywane w stosie aż do wiadomości jest obsługiwany Jest to szczególnie przydatne do wysyłania transakcji do silnika wykonawczego Jeśli silnik cierpi w ciężkich opóźnieniach, to to będzie kopia zapasowa transakcji Kolejka między generatorem sygnału handlowego a API wykonawczym złagodzi ten problem kosztem potencjalnego zwrotu handlu Dobrym szanowanym brokerem kolejki komunikatów jest RabbitMQ. Hardware i systemy operacyjne. Sprzęt, na którym można uruchomić strategię mają znaczący wpływ na rentowność algorytmu Nie jest to kwestia ograniczona do podmiotów gospodarczych o wysokiej częstotliwości Niewielki wybór sprzętu i systemu operacyjnego może prowadzić do awarii komputera lub ponownego uruchomienia komputera w najbardziej niewłaściwej chwili W związku z tym należy rozważyć, gdzie application will reside The choice is generally between a personal desktop machine, a remote server, a cloud provider or an exchange co-located server. Desktop machines are simple to install and administer, especially with newer user friendly operating systems such as Windows 7 8, Mac OSX and Ubuntu Desktop systems do possess some significant drawbacks, however The foremost is that the versions of operating systems des igned for desktop machines are likely to require reboots patching and often at the worst of times They also use up more computational resources by the virtue of requiring a graphical user interface GUI. Utilising hardware in a home or local office environment can lead to internet connectivity and power uptime problems The main benefit of a desktop system is that significant computational horsepower can be purchased for the fraction of the cost of a remote dedicated server or cloud based system of comparable speed. A dedicated server or cloud-based machine, while often more expensive than a desktop option, allows for more significant redundancy infrastructure, such as automated data backups, the ability to more straightforwardly ensure uptime and remote monitoring They are harder to administer since they require the ability to use remote login capabilities of the operating system. In Windows this is generally via the GUI Remote Desktop Protocol RDP In Unix-based systems the command-line Se cure SHell SSH is used Unix-based server infrastructure is almost always command-line based which immediately renders GUI-based programming tools such as MatLab or Excel to be unusable. A co-located server, as the phrase is used in the capital markets, is simply a dedicated server that resides within an exchange in order to reduce latency of the trading algorithm This is absolutely necessary for certain high frequency trading strategies, which rely on low latency in order to generate alpha. The final aspect to hardware choice and the choice of programming language is platform-independence 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 x86 x64 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 h alt 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 Tes t 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 b ehaviour 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. Tradin g metrics such as abnormal prices volume, sudden rapid drawdowns and account exposure for different sectors markets 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 syste m 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 won t 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 cust om 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 doesn t 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 NumPy SciPy 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 ope n 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 licensing maintenance 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 V B, as well as easy linkage to other Microsoft products such as the SQL Server database via LINQ MatLab also has many plugins libraries 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 t ools have been industry grade for sometime Much of the alternative asset space makes extensive use of open-source Linux, MySQL PostgreSQL, 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 p ossess 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 dependency versioning 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 Ubu ntu, 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, 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 system protocol 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 C 11 spec, including native support for lambda expressions and concurrency. Python has the high performance NumPy SciPy Pandas 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 MySQL C , JDBC Java MatLab , MySQLdb MySQL Python and psychopg2 PostgreSQL Python 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. 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 St arted with Quantitative Trading.