Sistema de negociação automática de código aberto

A plataforma de negociação mais profissional com código aberto comercial.
A plataforma de negociação M4 é um aplicativo de negociação profissional, com telas de cotação em tempo real, gráficos, rastreamento de portfólio, negociação automática, scripts, consultores especializados, verificação de estoque, alertas e outros recursos avançados.
Compre contra Build.
Você está pagando por uma assinatura de uma plataforma que não possui? Você está preocupado que existem problemas críticos de software que você não pode resolver porque você não tem o código-fonte?
Você está preocupado com o risco associado, tempo e dinheiro necessários para construir uma plataforma de negociação a partir do zero?
M4 é um aplicativo de negociação de marca branca que vem com bibliotecas de programação e exemplos do C # para modificar a aparência e a funcionalidade.
O que você deveria saber:
1. Comprar uma plataforma de negociação pronta e personalizada é cara.
2. Construir uma plataforma de negociação a partir do zero pode ser ainda mais caro.
3. O leasing de uma plataforma de negociação cria altos e muitas vezes inevitáveis ​​custos de mudança, para não mencionar pagamentos de royalties sem fim.
4. É limitado e perigoso negar o acesso ao código-fonte da sua plataforma de negociação.
5. No entanto, usar código livre e de código aberto é ainda mais perigoso (veja nosso documento).
Corretoras, talvez você esteja pagando por uma plataforma que você não possui. Ou, você está preocupado que seus concorrentes estão lançando novas versões de sua plataforma tão rapidamente que você não consegue acompanhar?
Traders, talvez você esteja frustrado com a falta de flexibilidade e suporte com seu software de negociação já existente. Suas características limitadas são inadequadas para o seu estilo de negociação? Eles estão te segurando?
A plataforma de negociação M4.
A interface de usuário front-end está disponível em C #, que oferece uma configuração familiar para programadores experientes. O back-end intensivo de CPU, no entanto, é escrito em C ++ para o melhor desempenho possível. Código de back-end inclui recursos de gráficos, análise técnica e uma linguagem de script.
Tudo sobre o M4 é completamente personalizável. Todas as janelas, menus, barras de ferramentas, gráficos e recursos podem ser modificados, aprimorados ou removidos com facilidade. Como você recebe exemplos de código-fonte e documentação do desenvolvedor, pode fazer suas próprias modificações ou contratar desenvolvedores para codificar suas especificações.
O M4 possui gráficos de vários períodos de tempo, janelas separadas para gráficos (para suportar vários monitores), recursos de negociação automática, um identificador de ciclo de tendências, recursos de inteligência artificial, reconhecimento de padrões e muito mais.
Múltiplas Configurações.
O M4 pode ser implantado em diferentes configurações projetadas especificamente para várias aplicações, incluindo Professional Trading, Quant Strategy Development, Fund Management e Education.
Edição Comercial Profissional.
Projetado para comerciantes profissionais, esta versão apresenta a capacidade de negociar várias classes de ativos através de várias corretoras ou através do acesso direto ao mercado. Os traders podem fazer back-test e forward-test de múltiplas estratégias de negociação simultaneamente, estratégias de negociação podem ser otimizadas usando algoritmos genéticos, e os traders podem criar estratégias de negociação automática de alta frequência e muito mais.
Quant Strategy Development Edition.
Esta versão do M4 permite que os desenvolvedores de estratégias de quantificação criem estratégias de negociação avançadas usando a linguagem de programação R, C ++, TradeScript ou qualquer linguagem como C # ou VB. Esta versão também possui uma biblioteca de funções quant e recursos avançados de back-testing, incluindo a capacidade de fazer back-teste de vários bancos de dados HFT de petabytes via RMD Server.
Edição de Gestão de Fundos.
O M4 Fund Management Edition apresenta a mesma funcionalidade do Professional Trading Edition, além da capacidade de negociar para vários clientes em uma base individual ou através de uma negociação de cópia de um para vários. Esta versão também apresenta um CRM projetado para gerentes de fundos, um mecanismo de geração de relatórios que gera relatórios de lucros e perdas para o cliente, além da capacidade de se conectar a qualquer API ou troca de corretagem.
Edição Educacional.
O M4 Education Edition permite que os educadores ensinem aos alunos on-line suas estratégias e metodologias de negociação proprietárias por meio de um aplicativo personalizado, reduzindo assim a dependência e o custo associados a feeds de dados comerciais e softwares padronizados, como NinjaTrader & trade ;, TradeStation & trade ;, etc.
O Education Edition oferece proteção à estratégia de negociação por meio de criptografia dupla e geração de sinal do lado do servidor, de modo que os sistemas proprietários nunca possam ser violados ou pirateados. Esta versão também apresenta um webinar integrado ao vivo com uma sala de bate-papo integrada que exige que os alunos “levantem a mão” clicando em um botão para fazer perguntas, além de muitos outros recursos específicos para a educação comercial.
Como em todas as versões do M4, esta versão pode ser rotulada e personalizada em branco. Nós também fornecemos soluções completas completas, desde o início ao fim. Esta versão está disponível nos formatos desktop, web e mobile.
Edição de corretagem de varejo.
M4 Retail Brokerage Edition é projetado para corretoras de varejo de grande e pequeno porte, oferecendo ações, futuros, forex, opções e outros tipos de ativos.
Como uma corretora de varejo, você provavelmente está pagando taxas exorbitantes por uma plataforma de negociação que você não possui tecnicamente. Ou talvez você tenha gasto dezenas, senão centenas de milhares de dólares para construir sua própria plataforma, que não está correspondendo às suas expectativas, mas ainda está custando uma fortuna para desenvolver e manter.
Você não está sozinho. Corretoras de todo o mundo têm procurado uma solução de plataforma de negociação melhor.
O M4 Retail Brokerage Edition é a solução perfeita para qualquer corretora de varejo. Várias versões estão disponíveis para Desktops (Windows e Mac), Web e Mobile Apps (Apple e Android) com código fonte completo, o que significa que não há taxas anuais!
M4 Forex MT4 e comércio; Bridge Edition.
O M4 - Forex MT4 Bridge Edition permite que o M4 conecte-se com os Servidores MT4 para que as corretoras de forex existentes com licenças MT4 possam implantar aplicativos personalizados no desktop, na web e em dispositivos móveis como iPhone, iPad e Android.
O MT4 Bridge Edition possui execução de negociação 10ms ultrarrápida com servidores MT4 usando nossa biblioteca proprietária de adaptadores MT4 escrita em código C ++ de baixo nível.
Os comerciantes podem visualizar seu histórico comercial, posições e ordens abertas a partir de uma tela personalizável. Como em todas as versões do M4, o MT4 Bridge Edition pode ser rotulado em branco e é totalmente personalizável. O código-fonte completo está disponível em C #, C ++ e JavaScript, que suporta roteamento dinâmico de pedidos, cotações em tempo real e dados históricos. O melhor de tudo é que o MT4 Bridge Edition não é um copiador ou clone de outra plataforma, permitindo que sua empresa se destaque por oferecer uma plataforma exclusiva e proprietária.
Qualquer Corretora - Qualquer Feed de Dados.
O M4 pode ser configurado para funcionar com qualquer corretora ou feed de dados. O M4 pode ser configurado para conectar-se diretamente a uma troca ou a eSignal, Interactive Brokers, TD Ameritrade, FXCM, GAIN Capital, Hotspot, Oanda ou qualquer outra API.
Alta performance.
Todos os processos intensivos de CPU no M4 são assíncronos, aproveitando ao máximo os processadores multi-core. O carregamento de dados, o treinamento em redes neurais, o processamento de consultores especialistas e outros recursos fazem uso total do design de programação assíncrona.
Também facilitamos a adição de recursos assíncronos personalizados por meio da nossa classe de modelo AsyncProcess.
A maioria das empresas deve preferir comprar no prédio: se você criar seu próprio produto, há um risco inaceitável. E se o resultado final for um fracasso? O M4 economiza milhares de horas em tempo de desenvolvimento. Isso se traduz em menor tempo de colocação no mercado, menores custos e maior ROI. M4 oferece suporte total. Seus desenvolvedores de software receberão suporte técnico, configuração e treinamento, atualizações de código fonte e conselhos úteis durante toda a duração da sua assinatura do código-fonte. Talvez mais importante, você pode ganhar uma receita substancial com a M4 inscrevendo-se em nosso programa de revendedor de valor agregado.
Comece com M4>
StockChartX Charting Engine.
Perguntamos a mais de 1.200 traders quais características de gráficos e indicadores técnicos eles queriam em StockChartX. Havia muitas solicitações de recursos valiosas e adicionamos todas elas.
StockChartX apresenta gráficos em tempo real, tick-by-tick com barras High-Low-Close, barras Open-High-Low-Close, gráficos Candlestick 2D & 3D, Renko, Kagi, quebra de três linhas, ponto e figura, volume de vela , Equi-Volume, Equi-Volume sombreado, Heikin Ashi Candlesticks, caixas de Darvas e outros estilos de preço.
Você pode traçar dados de mercado em tempo real; inserir comprar, vender ou sair de símbolos; inserir texto, linhas de tendência, imagens personalizadas, vários indicadores e indicadores de sobreposição (escalas de compartilhamento); exibir gráficos com semi-log ou escala linear; gráficos de impressão; salvar gráficos como imagens; salvar / carregar gráficos como arquivos binários e mais.
StockChartX é a biblioteca original de gráficos C ++, usada por mais de 3.000.000 de traders.
Indicadores de Análise Técnica.
O M4 possui mais de 80 indicadores técnicos populares que podem ser personalizados com parâmetros definidos pelo usuário. Nossos indicadores técnicos foram validados por seus autores sempre que possível, assim você pode ter certeza de que os cálculos estão corretos. É por isso que nossa biblioteca de indicadores técnicos ganhou inúmeros prêmios da revista Futures e da revista Stocks & Commodities. Veja uma lista completa de indicadores aqui.
Reconhecimento de padrões de gráficos.
O M4 possui um mecanismo de reconhecimento de padrões completamente dinâmico e orientado a modelos para identificar canais, fundos duplos, topos duplos, bandeiras, cabeça e ombros, galhardetes, tendências, triângulos, fundos triplos, tops triplos, cunhas e outros padrões. Crie padrões personalizados usando o utilitário de designer de padrões fornecido.
Expert Advisors.
Desenvolva seus próprios Expert Advisors ou selecione um dos muitos Expert Advisors pré-definidos incluídos no banco de dados do sistema de negociação.
Outras características.
1. Tela de cotação com buffer duplo com gráficos de tiquetaque de miniaturas ativas.
2. Gerente de Portfólio e Tela de Entrada de Pedidos (vinculável a qualquer corretora)
3. Tela de gráficos com análise técnica.
4. Reconhecimento avançado de padrões de gráficos incorporado na tela de gráficos.
5. Indicadores Técnicos da Rede Neural.
6. Expert Advisors e Consensus Reports.
7. Back Testando via TradeScript.
8. Alertas em Tempo Real via TradeScript.
9. Digitalização de estoque via TradeScript.
10. Importar / Exportar para / do Excel, incluindo os valores dos indicadores.
11. Classe do Adaptador da API do Feed de Dados Direto com o Suporte ao Desenvolvimento.
12. Aplicativo Administrador Back-End para gerar chaves de licença, enviar mensagens instantâneas, gerar relatórios de P & L e muito mais!
Entregas.
Código fonte para todo o código fonte da plataforma de negociação para outros componentes, incluindo gráficos, indicadores técnicos e muito mais. Nosso SuperWebSocket Data Server Nosso Mecanismo de Troca do MyExchange Um Administrador para Chaves de Avaliação Relatórios de Contas Mensagens Instantâneas Interface de Gráficos Móveis E muito, muito mais!
Bate-papo, notícias, recursos de compartilhamento de mídia e gráfico.
Suporte para desenvolvedores.
Nós fornecemos a configuração do desenvolvedor e o treinamento via compartilhamento de área de trabalho, para que você possa executar a plataforma M4 imediatamente após a compra da sua licença. O suporte técnico e as atualizações do código fonte são fornecidos por um ano e podem ser renovados. Contacte-nos para começar hoje.
Direitos autorais & copy; 2002-2018 pela Modulus Global, Inc., todos os direitos reservados.

Primavera ciano ATS.
Software de Negociação Algorítmica de Código Aberto.
Navegação.
Sistema de Negociao Algoritmico Cyan Spring.
Cyan Spring ATS é uma plataforma de negociação algorítmica de código aberto. Destina-se a fornecer soluções de negociação automatizadas para bancos de investimento, gestores de fundos e operadores individuais. O Cyan Spring ATS combina o comércio algorítmico e o gerenciamento de pedidos em um sistema integrado que permite o desenvolvimento rápido da estratégia e o delpoyment.
Milestones.
Versão 1.32 liberada com conexões IB Versão 1.36 liberada com persistência de ticks e back framework de teste Versão 1.53 lançada com implantação de estratégia de tempo de execução Versão 1.65 lançada com estratégia de instrumento único Versão 2.31 liberada com upgrade para Java 7 compatível.
Informações de software.
Recursos do aplicativo.
Saiba mais sobre o aplicativo.
O software de negociação algorítmica da Cyan Spring permite o fácil desenvolvimento de estratégias simples e sofisticadas.
Uma estrutura de estratégia sólida suporta o rápido desenvolvimento de estratégias de ordem única, estratégias de um único instrumento e estratégias de multi-instrumento. suporta conexões FIX protocol e Interactive Broker.
Arquitetura do sistema.
Descubra a arquitetura do sistema sobre o Cyan Spring ATS.
A escolha é sua: um sistema de negociação empresarial com configuração de cluster de servidores distribuídos; ou um robô algo leve com configuração simples de cliente e servidor. Solução Java com arquitetura orientada a eventos Aplicativos multicamada baseados em Java Message System (JMS) Servidores múltiplos podem trabalhar juntos como um cluster para compartilhar carga de trabalho O Cyan Spring Trader Workstation (CSTW) pode se conectar a vários servidores no mesmo cluster.
Perguntas frequentes.
Sinta-se à vontade para postar em nossos Fóruns para qualquer dúvida que possa ter.
Serviço de informação.
Você gosta do nosso software?
Cyan Spring ATS Group é um encontro de desenvolvedores que estão se especializando em construir sistemas de algo / trading. Se você gosta do nosso software, você pode considerar os seguintes serviços que fornecemos.
Consultoria e desenvolvimento de personalização na Cyan Spring Serviços de Consultoria ATS no desenvolvimento e implementação geral de sistemas comerciais Nossos desenvolvedores e colaboradores podem estar abertos para a opção de se juntar à sua empresa como contratada ou equipe permanente, sujeito à sua disponibilidade.
Por favor envie-nos um email para info @ cyanspring para qualquer consulta.
Cyan Spring ATS - Software de Negociação Algorítmica de Código Aberto.
Copyright © 2011-2012 Cyan Spring Limited. Todos os direitos reservados.

Sistema de negociação automática de código aberto
Construção de arquitetura de alta performance e baixa latência para negociação automatizada completa com centenas de símbolos.
Implantação de servidor.
Reduza a latência de execução e aumente a confiabilidade implantando sistemas na infraestrutura do broker.
R Integração.
A integração nativa com R permite que estatísticos e subordinados estejam diretamente envolvidos no desenvolvimento de estratégias sem precisar de programadores.
e Negociação Automatizada.
A arquitetura de alto desempenho e baixa latência suporta negociação totalmente automática com centenas de símbolos.
Integração.
Os desenvolvedores têm acesso ao pacote estatístico R de código aberto líder de dentro da plataforma SEER.
Implantação de H Server.
Os sistemas de negociação desenvolvidos no Seer podem ser implantados em servidores fisicamente próximos ou nos data centers dos corretores.
3 multi sistemas.
Crie vários sistemas que são executados simultaneamente na mesma base de caixa / patrimônio.
L Proteção da propriedade intelectual.
Sistemas de negociação são criptografados para usuários específicos. Isso significa que não há risco de redistribuição do sistema.
1 classes multi-ativos.
Crie sistemas que abrangem várias classes de ativos, como ações, futuros e Forex.
v Visualização e otimização.
Visualize seus resultados de testes de contra-relógio com mais de 35 indicadores de desempenho para encontrar o melhor equilíbrio entre risco e recompensa.
Y Backtesting do portfólio.
True backtesting de passagem única e otimização, independentemente do número de sistemas de negociação, símbolos, prazos ou gerenciamento de dinheiro usado.
Testemunhos
Honestamente, o mais sofisticado mecanismo de back-testing e forward execution que já usamos!
H. Van Eeden, desenvolvedor de sistemas e comerciante.
Corretores Suportados.
A FXCM é uma provedora líder de negociação de moeda estrangeira (FX) on-line, negociação de CFDs, apostas de spread e serviços relacionados. A missão da empresa é fornecer aos traders globais acesso ao maior e mais líquido mercado do mundo, oferecendo ferramentas de negociação inovadoras, contratando excelentes instrutores de negociação, atendendo a rigorosos padrões financeiros e buscando a melhor experiência de negociação on-line do mercado. Os clientes têm a vantagem de negociar em dispositivos móveis, execução de pedidos com um clique e negociação a partir de gráficos em tempo real. Além disso, a FXCM oferece cursos educacionais sobre negociação FX e fornece ferramentas de negociação, dados proprietários e recursos premium.
A OANDA utiliza tecnologia computacional e financeira inovadora para fornecer serviços de informações cambiais e de moeda estrangeira com base na Internet para todos, de indivíduos a grandes corporações, de gestores de carteiras a instituições financeiras. OANDA é um formador de mercado e uma fonte confiável de dados monetários. Ele tem acesso a um dos maiores bancos de dados históricos e de alta frequência filtrados do mundo.
Há 36 anos, o Grupo 1 do IB vem construindo tecnologia de negociação de acesso eletrônico que oferece vantagens reais para traders, investidores e instituições em todo o mundo. O Interactive Brokers Group e o capital acionário de suas afiliadas excedem US $ 4,8 bilhões. Somos o maior corretor dos EUA com base em operações de receita média diária que executam 407.000 negócios por dia. Descubra algumas das razões pelas quais os comerciantes e investidores profissionais escolhem o IB.
A negociação de divisas estrangeiras na margem acarreta um alto nível de risco e pode não ser adequada para todos os investidores. O alto grau de alavancagem pode funcionar contra você e também para você. Antes de decidir investir em moeda estrangeira, você deve considerar cuidadosamente seus objetivos de investimento, nível de experiência e apetite de risco. Existe a possibilidade de você sustentar uma perda de parte ou de todo o seu investimento inicial e, portanto, não deve investir dinheiro que não pode perder. Você deve estar ciente de todos os riscos associados à negociação em moeda estrangeira e procurar orientação de um consultor financeiro independente, caso tenha alguma dúvida.

Melhor Linguagem de Programação para Sistemas de Negociação Algorítmica?
Melhor Linguagem de Programação para Sistemas de Negociação Algorítmica?
Uma das perguntas mais freqüentes que recebo no mailbag do QS é "Qual é a melhor linguagem de programação para negociação algorítmica?". A resposta curta é que não há "melhor" linguagem. Parâmetros de estratégia, desempenho, modularidade, desenvolvimento, resiliência e custo devem ser considerados. Este artigo descreverá os componentes necessários de uma arquitetura de sistema de comércio algorítmico e como as decisões relativas à implementação afetam a escolha da linguagem.
Primeiramente, os principais componentes de um sistema de negociação algorítmica serão considerados, como as ferramentas de pesquisa, o otimizador de portfólio, o gerenciador de risco e o mecanismo de execução. Posteriormente, diferentes estratégias de negociação serão examinadas e como elas afetam o design do sistema. Em particular, a frequência de negociação e o volume de negociação provável serão ambos discutidos.
Uma vez que a estratégia de negociação tenha sido selecionada, é necessário arquitetar todo o sistema. Isso inclui a escolha de hardware, o sistema operacional e a resiliência do sistema contra eventos raros e potencialmente catastróficos. Enquanto a arquitetura está sendo considerada, a devida atenção deve ser dada ao desempenho - tanto para as ferramentas de pesquisa quanto para o ambiente de execução ao vivo.
Qual é o sistema de negociação tentando fazer?
Antes de decidir sobre a "melhor" linguagem com a qual escrever um sistema de negociação automatizado, é necessário definir os requisitos. O sistema será puramente baseado em execução? O sistema exigirá um módulo de gerenciamento de risco ou de construção de portfólio? O sistema exigirá um backtester de alto desempenho? Para a maioria das estratégias, o sistema de negociação pode ser dividido em duas categorias: Pesquisa e geração de sinais.
A pesquisa está preocupada com a avaliação de um desempenho da estratégia em relação aos dados históricos. O processo de avaliação de uma estratégia de negociação sobre dados de mercado anteriores é conhecido como backtesting. O tamanho dos dados e a complexidade algorítmica terão um grande impacto na intensidade computacional do backtester. A velocidade e a simultaneidade da CPU costumam ser os fatores limitantes na otimização da velocidade de execução da pesquisa.
A geração de sinais preocupa-se em gerar um conjunto de sinais de negociação de um algoritmo e enviar esses pedidos ao mercado, geralmente por meio de uma corretora. Para determinadas estratégias, é necessário um alto nível de desempenho. Problemas de E / S, como largura de banda de rede e latência, são muitas vezes o fator limitante na otimização de sistemas de execução. Assim, a escolha de idiomas para cada componente de todo o seu sistema pode ser bem diferente.
Tipo, Frequência e Volume de Estratégia.
O tipo de estratégia algorítmica empregada terá um impacto substancial no design do sistema. Será necessário considerar os mercados que estão sendo negociados, a conectividade com fornecedores de dados externos, a frequência e o volume da estratégia, o tradeoff entre facilidade de desenvolvimento e otimização de desempenho, bem como qualquer hardware personalizado, incluindo customização co-localizada servidores, GPUs ou FPGAs que possam ser necessários.
As escolhas tecnológicas para uma estratégia de ações norte-americanas de baixa frequência serão muito diferentes daquelas de uma negociação de estratégia de arbitragem estatística de alta frequência no mercado de futuros. Antes da escolha da linguagem, muitos fornecedores de dados devem ser avaliados quanto à estratégia em questão.
Será necessário considerar a conectividade com o fornecedor, a estrutura de quaisquer APIs, a pontualidade dos dados, os requisitos de armazenamento e a resiliência em face de um fornecedor ficar off-line. Também é aconselhável ter acesso rápido a vários fornecedores! Vários instrumentos têm suas próprias peculiaridades de armazenamento, exemplos dos quais incluem vários símbolos de ticker para ações e datas de vencimento para futuros (para não mencionar quaisquer dados OTC específicos). Isso precisa ser levado em conta no design da plataforma.
A frequência da estratégia é provavelmente um dos maiores impulsionadores de como a pilha de tecnologia será definida. Estratégias que empregam dados com mais freqüência do que minuciosamente ou em segundo lugar exigem consideração significativa com relação ao desempenho.
Uma estratégia que excede as segundas barras (isto é, dados de ticks) leva a um design orientado pelo desempenho como o requisito primário. Para estratégias de alta frequência, uma quantidade substancial de dados de mercado precisará ser armazenada e avaliada. Softwares como HDF5 ou kdb + são comumente usados ​​para essas funções.
Para processar os volumes extensos de dados necessários para aplicativos HFT, um backtester e um sistema de execução extensivamente otimizados devem ser usados. C / C ++ (possivelmente com algum montador) é provável que seja o candidato de idioma mais forte. Estratégias de frequência ultra-alta quase certamente exigirão hardware customizado, como FPGAs, co-location de troca e ajuste de interface de rede / kernal.
Sistemas de pesquisa.
Os sistemas de pesquisa geralmente envolvem uma mistura de desenvolvimento interativo e scripts automatizados. O primeiro ocorre com frequência dentro de um IDE, como o Visual Studio, o MatLab ou o R Studio. Este último envolve extensos cálculos numéricos sobre numerosos parâmetros e pontos de dados. Isso leva a uma escolha de idioma que fornece um ambiente simples para testar o código, mas também fornece desempenho suficiente para avaliar estratégias em várias dimensões de parâmetro.
IDEs típicos nesse espaço incluem o Microsoft Visual C ++ / C #, que contém extensos utilitários de depuração, recursos de conclusão de código (via "Intellisense") e visões gerais simples da pilha inteira do projeto (via banco de dados ORM, LINQ); MatLab, que é projetado para extensa álgebra linear numérica e operações vetorizadas, mas de uma forma de console interativo; R Studio, que envolve o console de linguagem estatística R em um IDE completo; Eclipse IDE para Linux Java e C ++; e IDEs semi-proprietários como o Enthought Canopy for Python, que incluem bibliotecas de análise de dados como NumPy, SciPy, scikit-learn e pandas em um único ambiente interativo (console).
Para backtesting numérico, todos os idiomas acima são adequados, embora não seja necessário utilizar uma GUI / IDE, pois o código será executado "em segundo plano". A consideração principal neste estágio é a velocidade de execução. Uma linguagem compilada (como C ++) é geralmente útil se as dimensões do parâmetro de backtesting forem grandes. Lembre-se que é necessário ter cuidado com esses sistemas, se for esse o caso!
Linguagens interpretadas, como Python, geralmente usam bibliotecas de alto desempenho como o NumPy / pandas para a etapa de backtesting, a fim de manter um grau razoável de competitividade com equivalentes compilados. Em última análise, a linguagem escolhida para o backtesting será determinada por necessidades algorítmicas específicas, bem como o leque de bibliotecas disponíveis na linguagem (mais sobre isso abaixo). No entanto, a linguagem usada para os ambientes de backtester e de pesquisa pode ser completamente independente daquelas usadas nos componentes de construção de portfólio, gerenciamento de risco e execução, como será visto.
Construção de Carteira e Gestão de Risco.
Os componentes de gerenciamento de risco e de construção de portfólio são frequentemente negligenciados pelos traders algorítmicos de varejo. Isso é quase sempre um erro. Essas ferramentas fornecem o mecanismo pelo qual o capital será preservado. Eles não apenas tentam aliviar o número de apostas "arriscadas", mas também minimizam a rotatividade dos negócios, reduzindo os custos de transação.
Versões sofisticadas desses componentes podem ter um efeito significativo na qualidade e consistência da lucratividade. É fácil criar uma estratégia estável, pois o mecanismo de construção de portfólio e o gerenciador de risco podem ser facilmente modificados para lidar com vários sistemas. Assim, eles devem ser considerados componentes essenciais no início do projeto de um sistema de negociação algorítmica.
O trabalho do sistema de construção de portfólio é pegar um conjunto de negócios desejados e produzir o conjunto de negociações reais que minimizam o churn, manter exposições a vários fatores (como setores, classes de ativos, volatilidade, etc.) e otimizar a alocação de capital para vários estratégias em um portfólio.
A construção de portfólio geralmente se reduz a um problema de álgebra linear (como uma fatoração de matriz) e, portanto, o desempenho é altamente dependente da eficácia da implementação da álgebra linear numérica disponível. Bibliotecas comuns incluem uBLAS, LAPACK e NAG para C ++. O MatLab também possui operações de matriz amplamente otimizadas. O Python utiliza o NumPy / SciPy para tais cálculos. Um portfólio freqüentemente reequilibrado exigirá uma biblioteca matricial compilada (e bem otimizada!) Para realizar este passo, de modo a não afunilar o sistema de negociação.
O gerenciamento de riscos é outra parte extremamente importante de um sistema de negociação algorítmica. O risco pode vir de várias formas: aumento da volatilidade (embora isso possa ser visto como desejável para certas estratégias!), Aumento de correlações entre classes de ativos, inadimplência de terceiros, paralisações de servidores, eventos "black swan" e erros não detectados no código de negociação. para nomear alguns.
Os componentes de gerenciamento de risco tentam antecipar os efeitos da volatilidade excessiva e correlação entre as classes de ativos e seus efeitos subseqüentes sobre o capital comercial. Muitas vezes, isso reduz a um conjunto de cálculos estatísticos, como os "testes de estresse" de Monte Carlo. Isso é muito semelhante às necessidades computacionais de um mecanismo de precificação de derivativos e, como tal, será vinculado à CPU. Estas simulações são altamente paralelizáveis ​​(veja abaixo) e, até certo ponto, é possível "lançar hardware no problema".
Sistemas de Execução.
O trabalho do sistema de execução é receber sinais de negociação filtrados dos componentes de construção de carteira e gestão de risco e enviá-los para uma corretora ou outros meios de acesso ao mercado. Para a maioria das estratégias de negociação algorítmica de varejo, isso envolve uma conexão API ou FIX para uma corretora como a Interactive Brokers. As principais considerações ao decidir sobre uma linguagem incluem a qualidade da API, a disponibilidade do wrapper de idioma para uma API, a frequência de execução e o escorregamento previsto.
A "qualidade" da API refere-se a quão bem documentada ela é, que tipo de desempenho ela fornece, se precisa de software independente para ser acessado ou se um gateway pode ser estabelecido de maneira sem cabeça (ou seja, sem GUI). No caso dos Interactive Brokers, a ferramenta Trader WorkStation precisa estar em execução em um ambiente GUI para acessar sua API. Certa vez, tive que instalar uma edição Ubuntu Desktop em um servidor de nuvem da Amazon para acessar remotamente o Interactive Brokers, puramente por esse motivo!
A maioria das APIs fornecerá uma interface C ++ e / ou Java. Geralmente, cabe à comunidade desenvolver wrappers específicos de linguagem para C #, Python, R, Excel e MatLab. Observe que, com cada plug-in adicional utilizado (especialmente os wrappers de APIs), há escopo para os bugs se infiltrarem no sistema. Sempre teste plugins desse tipo e garanta que eles sejam ativamente mantidos. Um indicador que vale a pena é ver quantas novas atualizações para uma base de código foram feitas nos últimos meses.
Freqüência de execução é da maior importância no algoritmo de execução. Observe que centenas de pedidos podem ser enviados a cada minuto e, como tal, o desempenho é crítico. A derrapagem será incorrida através de um sistema de execução com péssimo desempenho e isso terá um impacto dramático na lucratividade.
As linguagens com tipagem estática (veja abaixo) como C ++ / Java são geralmente ótimas para execução, mas há um compromisso em tempo de desenvolvimento, teste e facilidade de manutenção. Linguagens dinamicamente tipificadas, como Python e Perl, são geralmente "rápidas o suficiente". Certifique-se sempre de que os componentes são projetados de maneira modular (veja abaixo) para que possam ser "trocados" conforme o sistema é dimensionado.
Planejamento arquitetônico e processo de desenvolvimento.
Os componentes de um sistema de negociação, seus requisitos de frequência e volume foram discutidos acima, mas a infra-estrutura do sistema ainda não foi coberta. Aqueles que atuam como comerciantes de varejo ou trabalham em um pequeno fundo provavelmente estarão "usando muitos chapéus". Será necessário estar cobrindo o modelo alfa, os parâmetros de gerenciamento e execução de riscos, e também a implementação final do sistema. Antes de aprofundar em linguagens específicas, o design de uma arquitetura de sistema ideal será discutido.
Separação de preocupações.
Uma das decisões mais importantes que devem ser tomadas no início é como "separar as preocupações" de um sistema de negociação. No desenvolvimento de software, isso significa essencialmente dividir os diferentes aspectos do sistema de negociação em componentes modulares separados.
Ao expor as interfaces em cada um dos componentes, é fácil trocar partes do sistema por outras versões que auxiliem o desempenho, a confiabilidade ou a manutenção, sem modificar nenhum código de dependência externo. Essa é a "melhor prática" para esses sistemas. Para estratégias em freqüências mais baixas, tais práticas são recomendadas. Para negociação de ultra alta frequência, o livro de regras pode ter que ser ignorado em detrimento do ajuste do sistema para um desempenho ainda maior. Um sistema mais fortemente acoplado pode ser desejável.
Criar um mapa de componentes de um sistema de negociação algorítmico vale um artigo em si. No entanto, uma abordagem ideal é garantir que haja componentes separados para as entradas de dados de mercado históricas e em tempo real, armazenamento de dados, API de acesso a dados, backtester, parâmetros estratégicos, construção de portfólio, gerenciamento de risco e sistemas automatizados de execução.
Por exemplo, se o armazenamento de dados em uso estiver atualmente com baixo desempenho, mesmo em níveis significativos de otimização, ele poderá ser substituído com reescritas mínimas para a API de acesso a dados ou acesso a dados. Tanto quanto o backtester e componentes subseqüentes estão em causa, não há diferença.
Outro benefício dos componentes separados é que ele permite que uma variedade de linguagens de programação seja usada no sistema geral. Não há necessidade de se restringir a um único idioma se o método de comunicação dos componentes for independente de idioma. Este será o caso se eles estiverem se comunicando via TCP / IP, ZeroMQ ou algum outro protocolo independente de linguagem.
Como um exemplo concreto, considere o caso de um sistema de backtesting sendo escrito em C ++ para desempenho "processamento de números", enquanto o gerenciador de portfólio e os sistemas de execução são escritos em Python usando SciPy e IBPy.
Considerações de desempenho.
O desempenho é uma consideração significativa para a maioria das estratégias de negociação. Para estratégias de maior frequência, é o fator mais importante. "Desempenho" abrange uma ampla gama de problemas, como velocidade de execução algorítmica, latência de rede, largura de banda, E / S de dados, simultaneidade / paralelismo e dimensionamento. Cada uma dessas áreas é coberta individualmente por grandes livros didáticos, portanto, este artigo apenas arranhará a superfície de cada tópico. A arquitetura e a escolha de idiomas serão agora discutidas em termos de seus efeitos no desempenho.
A sabedoria predominante, como afirma Donald Knuth, um dos pais da Ciência da Computação, é que "a otimização prematura é a raiz de todo o mal". Isso é quase sempre o caso - exceto quando se constrói um algoritmo de negociação de alta frequência! Para aqueles que estão interessados ​​em estratégias de baixa frequência, uma abordagem comum é construir um sistema da maneira mais simples possível e apenas otimizar à medida que os gargalos começam a aparecer.
As ferramentas de criação de perfil são usadas para determinar onde os gargalos surgem. Os perfis podem ser feitos para todos os fatores listados acima, seja em um ambiente MS Windows ou Linux. Existem muitas ferramentas de sistema operacional e idioma disponíveis para isso, bem como utilitários de terceiros. A escolha da língua será agora discutida no contexto do desempenho.
C ++, Java, Python, R e MatLab contêm bibliotecas de alto desempenho (como parte de seus padrões ou externamente) para estrutura de dados básica e trabalho algorítmico. O C ++ é fornecido com a Biblioteca de Modelos Padrão, enquanto o Python contém o NumPy / SciPy. Tarefas matemáticas comuns são encontradas nessas bibliotecas e raramente é benéfico escrever uma nova implementação.
Uma exceção é se a arquitetura de hardware altamente personalizada for necessária e um algoritmo estiver fazendo uso extensivo de extensões proprietárias (como caches personalizados). No entanto, muitas vezes a "reinvenção da roda" desperdiça tempo que poderia ser mais bem gasto desenvolvendo e otimizando outras partes da infraestrutura de negociação. O tempo de desenvolvimento é extremamente precioso, especialmente no contexto de desenvolvedores únicos.
A latência é frequentemente uma questão do sistema de execução, pois as ferramentas de pesquisa geralmente estão situadas na mesma máquina. Para o primeiro, a latência pode ocorrer em vários pontos ao longo do caminho de execução. Os bancos de dados devem ser consultados (latência de disco / rede), os sinais devem ser gerados (sistema operacional, latência do sistema de mensagens kernal), sinais comerciais enviados (latência NIC) e pedidos processados ​​(latência interna dos sistemas de troca).
Para operações de freqüência mais alta, é necessário tornar-se intimamente familiarizado com a otimização do kernal, bem como com a otimização da transmissão da rede. Esta é uma área profunda e está significativamente além do escopo do artigo, mas se um algoritmo UHFT for desejado, esteja ciente da profundidade do conhecimento necessário!
O cache é muito útil no kit de ferramentas de um desenvolvedor de comércio quantitativo. O armazenamento em cache se refere ao conceito de armazenamento de dados acessados ​​com freqüência de uma maneira que permite acesso de maior desempenho, em detrimento do possível staleness dos dados. Um caso de uso comum ocorre no desenvolvimento da Web ao obter dados de um banco de dados relacional baseado em disco e colocá-lo na memória. Quaisquer solicitações subsequentes para os dados não precisam "atingir o banco de dados" e, portanto, os ganhos de desempenho podem ser significativos.
Para situações de negociação, o armazenamento em cache pode ser extremamente benéfico. Por exemplo, o estado atual de um portfólio de estratégias pode ser armazenado em um cache até que seja reequilibrado, de modo que a lista não precise ser regenerada em cada loop do algoritmo de negociação. Essa regeneração provavelmente será uma operação alta de CPU ou E / S de disco.
No entanto, o armazenamento em cache não é isento de seus próprios problemas. A regeneração dos dados em cache de uma só vez, devido à natureza volátil do armazenamento em cache, pode colocar uma demanda significativa na infraestrutura. Outro problema é o empilhamento de cães, em que múltiplas gerações de uma nova cópia de cache são realizadas sob uma carga extremamente alta, o que leva a uma falha em cascata.
Alocação de memória dinâmica é uma operação cara na execução de software. Portanto, é imperativo que os aplicativos de negociação de desempenho mais alto conheçam bem como a memória está sendo alocada e desalocada durante o fluxo do programa. Novos padrões de linguagem, como Java, C # e Python, executam a coleta automática de lixo, que se refere à desalocação da memória alocada dinamicamente quando os objetos saem do escopo.
A coleta de lixo é extremamente útil durante o desenvolvimento, pois reduz os erros e ajuda na legibilidade. No entanto, muitas vezes é sub-ótimo para certas estratégias de negociação de alta frequência. A coleta de lixo personalizada é geralmente desejada para esses casos. Em Java, por exemplo, ajustando o coletor de lixo e a configuração de heap, é possível obter alto desempenho para estratégias de HFT.
O C ++ não fornece um coletor de lixo nativo e, portanto, é necessário manipular toda alocação / desalocação de memória como parte da implementação de um objeto. Embora potencialmente sujeito a erros (potencialmente levando a ponteiros pendentes), é extremamente útil ter um controle refinado de como os objetos aparecem no heap para determinados aplicativos. Ao escolher um idioma, certifique-se de estudar como o coletor de lixo funciona e se ele pode ser modificado para otimizar um determinado caso de uso.
Muitas operações em sistemas de negociação algorítmica são passíveis de paralelização. Isto refere-se ao conceito de realizar múltiplas operações programáticas ao mesmo tempo, isto é, em "paralelo". Os chamados algoritmos "embarassingly parallel" incluem etapas que podem ser calculadas de forma totalmente independente de outras etapas. Certas operações estatísticas, como as simulações de Monte Carlo, são um bom exemplo de algoritmos embarassingly paralelos, já que cada sorteio aleatório e a subsequente operação de caminho podem ser computadas sem o conhecimento de outros caminhos.
Outros algoritmos são apenas parcialmente paralelizáveis. Simulações de dinâmica de fluidos são um exemplo, onde o domínio de computação pode ser subdividido, mas, em última análise, esses domínios devem se comunicar entre si e, assim, as operações são parcialmente sequenciais. Os algoritmos paralelizáveis ​​estão sujeitos à Lei de Amdahl, que fornece um limite superior teórico para o aumento de desempenho de um algoritmo paralelizado quando sujeito a processos separados por $ N $ (por exemplo, em um núcleo ou encadeamento da CPU).
A paralelização tornou-se cada vez mais importante como um meio de otimização, uma vez que as velocidades de clock do processador estagnaram, pois os processadores mais recentes contêm muitos núcleos com os quais executar cálculos paralelos. O aumento do hardware gráfico do consumidor (predominantemente para videogames) levou ao desenvolvimento de Unidades de Processamento Gráfico (Graphical Processing Units - GPUs), que contêm centenas de "núcleos" para operações altamente concorrentes. Essas GPUs agora são muito acessíveis. Estruturas de alto nível, como o CUDA da Nvidia, levaram à adoção generalizada na academia e nas finanças.
Esse hardware GPU geralmente é adequado apenas para o aspecto de pesquisa de finanças quantitativas, enquanto outros hardwares mais especializados (incluindo Field-Programmable Gate Arrays - FPGAs) são usados ​​para (U) HFT. Atualmente, os idiomas mais modernos suportam um grau de simultaneidade / multithreading. Assim, é fácil otimizar um backtester, já que todos os cálculos são geralmente independentes dos demais.
O dimensionamento em engenharia de software e operações refere-se à capacidade do sistema de manipular cargas crescentes consistentemente na forma de solicitações maiores, maior uso do processador e mais alocação de memória. No comércio algorítmico, uma estratégia é capaz de escalonar se puder aceitar maiores quantidades de capital e ainda produzir retornos consistentes. A pilha de tecnologia de negociação é dimensionada se puder suportar maiores volumes de negócios e maior latência, sem gargalos.
Embora os sistemas devam ser projetados para escalar, muitas vezes é difícil prever antecipadamente onde ocorrerá um gargalo. Registro, testes, criação de perfil e monitoramento rigorosos ajudarão muito a permitir que um sistema seja dimensionado. Os próprios idiomas são geralmente descritos como "não escaláveis". Isso geralmente é resultado de desinformação, e não de fatos concretos. É a pilha total de tecnologia que deve ser verificada para escalabilidade, não para o idioma. É claro que certas linguagens têm um desempenho maior do que outras em casos de uso específicos, mas uma linguagem nunca é "melhor" que outra em todos os sentidos.
Um meio de administrar escala é separar as preocupações, como dito acima. De modo a introduzir ainda a capacidade de lidar com "picos" no sistema (isto é, volatilidade súbita que desencadeia uma série de operações), é útil criar uma "arquitectura de fila de mensagens". Isso significa simplesmente colocar um sistema de fila de mensagens entre os componentes para que os pedidos sejam "empilhados" se um determinado componente não puder processar muitas solicitações.
Em vez de solicitações serem perdidas, elas são simplesmente mantidas em uma pilha até que a mensagem seja manipulada. Isso é particularmente útil para enviar negociações para um mecanismo de execução. Se o motor estiver sofrendo sob latência pesada, ele fará o backup dos negócios. Uma fila entre o gerador de sinais de negociação e a API de execução aliviará essa questão às custas do escorregamento comercial em potencial. Um broker de fila de mensagens de software livre bem respeitado é o RabbitMQ.
Hardware e Sistemas Operacionais.
O hardware que executa sua estratégia pode ter um impacto significativo na lucratividade de seu algoritmo. Este não é um problema restrito a operadores de alta frequência. Uma má escolha em hardware e sistema operacional pode levar a uma falha da máquina ou reinicializar no momento mais inoportuno. Assim, é necessário considerar onde seu aplicativo irá residir. A escolha é geralmente entre uma máquina desktop pessoal, um servidor remoto, um provedor "nuvem" ou um servidor co-localizado em troca.
As máquinas desktop são simples de instalar e administrar, especialmente com sistemas operacionais mais novos e amigáveis ​​ao usuário, como o Windows 7/8, o Mac OSX e o Ubuntu. Sistemas de desktop possuem algumas desvantagens significativas, no entanto. O principal é que as versões dos sistemas operacionais projetados para máquinas de mesa provavelmente exigirão reinicializações / patches (e geralmente no pior dos casos!). Eles também usam mais recursos computacionais pela necessidade de uma interface gráfica de usuário (GUI).
Utilizar hardware em um ambiente doméstico (ou escritório local) pode levar a problemas de conectividade à Internet e de tempo de atividade. O principal benefício de um sistema de desktop é que a potência computacional significativa pode ser adquirida pela fração do custo de um servidor dedicado remoto (ou sistema baseado em nuvem) de velocidade comparável.
Um servidor dedicado ou uma máquina baseada em nuvem, embora frequentemente mais cara do que uma opção de desktop, permite uma infraestrutura de redundância mais significativa, como backups automáticos de dados, a capacidade de garantir mais tempo de atividade e monitoramento remoto. Eles são mais difíceis de administrar, pois exigem a capacidade de usar os recursos de login remoto do sistema operacional.
No Windows, isso geralmente é feito através do protocolo RDP (Remote Desktop Protocol) da GUI. Em sistemas baseados em Unix, a linha de comando Secure SHell (SSH) é usada. A infra-estrutura de servidor baseada em Unix é quase sempre baseada em linha de comando, o que imediatamente torna as ferramentas de programação baseadas em GUI (como MatLab ou Excel) inutilizáveis.
Um servidor co-localizado, como a frase é usada no mercado de capitais, é simplesmente um servidor dedicado que reside dentro de uma troca a fim de reduzir a latência do algoritmo de negociação. Isso é absolutamente necessário para certas estratégias de negociação de alta frequência, que dependem de baixa latência para gerar alfa.
O aspecto final da escolha de hardware e a escolha da linguagem de programação é a independência de plataforma. Existe a necessidade de o código ser executado em vários sistemas operacionais diferentes? O código foi projetado para ser executado em um tipo específico de arquitetura de processador, como o Intel x86 / x64 ou será possível executar em processadores RISC, como os fabricados pela ARM? Essas questões serão altamente dependentes da frequência e do tipo de estratégia que está sendo implementada.
Resiliência e Teste.
Uma das melhores maneiras de perder muito dinheiro em negociações algorítmicas é criar um sistema sem resiliência. Isso se refere à durabilidade do sistema quando sujeito a eventos raros, como falências de corretagem, volatilidade excessiva súbita, tempo de inatividade em toda a região para um provedor de servidor em nuvem ou a exclusão acidental de um banco de dados comercial inteiro. Anos de lucros podem ser eliminados em segundos com uma arquitetura mal projetada. É absolutamente essencial considerar problemas como depuração, teste, registro, backups, alta disponibilidade e monitoramento como componentes principais de seu sistema.
É provável que, em qualquer aplicação de negociação quantitativa personalizada razoavelmente complicada, pelo menos 50% do tempo de desenvolvimento seja gasto em depuração, teste e manutenção.
Quase todas as linguagens de programação são enviadas com um depurador associado ou possuem alternativas de terceiros bem respeitadas. Em essência, um depurador permite a execução de um programa com a inserção de pontos de interrupção arbitrários no caminho do código, que interrompem temporariamente a execução para investigar o estado do sistema. O principal benefício da depuração é que é possível investigar o comportamento do código antes de um ponto de falha conhecido.
A depuração é um componente essencial na caixa de ferramentas para analisar erros de programação. No entanto, eles são mais amplamente usados ​​em linguagens compiladas, como C ++ ou Java, já que linguagens interpretadas, como Python, são mais fáceis de depurar devido a menos instruções LOC e menos detalhadas. Apesar dessa tendência, o Python vem com o pdb, que é uma ferramenta sofisticada de depuração. O Microsoft Visual C ++ IDE possui extensos utilitários de depuração de GUI, enquanto para o programador Linux C ++ de linha de comando, existe o depurador gdb.
Testes em desenvolvimento de software referem-se ao processo de aplicar parâmetros e resultados conhecidos a funções, métodos e objetos específicos dentro de uma base de código, para simular comportamentos e avaliar múltiplos caminhos de código, ajudando a garantir que um sistema se comporta como deveria. Um paradigma mais recente é conhecido como Test Driven Development (TDD), em que o código de teste é desenvolvido em relação a uma interface especificada sem implementação. Antes da conclusão da base de código real, todos os testes falharão. Como o código é escrito para "preencher os espaços em branco", os testes acabarão por passar, ponto em que o desenvolvimento deve cessar.
O TDD requer um design de especificação inicial extenso, bem como um grau saudável de disciplina, a fim de realizar com sucesso. 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 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 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 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 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 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 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 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 VB, 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 tools 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 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 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: 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 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.
Conclusão.
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.
A Quantcademy.
Participe do portal de associação da Quantcademy que atende à crescente comunidade de traders de quantificação de varejo e aprenda como aumentar a lucratividade de sua estratégia.
Negociação Algorítmica Bem Sucedida.
Como encontrar novas ideias de estratégia de negociação e avaliá-las objetivamente para o seu portfólio usando um mecanismo de backtesting personalizado no Python.
Comércio Algorítmico Avançado.
Como implementar estratégias de negociação avançadas usando análise de séries temporais, aprendizado de máquina e estatísticas Bayesianas com R e Python.

Open source auto trading system

Escreva sistemas de negociação automatizados, conecte-se com mais de 17 APIs de corretores.
AIOTrade (anteriormente denominada Humai Trader Platform) é uma plataforma de análise técnica de estoque livre e de código aberto baseada em java puro.
O manticore-trader é um software java gratuito e aberto para warants de day trading sobre ações, moedas e comodities. Inclui módulos para gráficos, gerenciamento de posição e risco, pedidos automáticos e negociação de sistema. Instrumentos e cotações dos principais mercados financeiros são fornecidos diariamente.
O G-BOT é um projeto acadêmico público, liderado pelo Prof. Tom Gastaldi (primeira Universidade de Roma, La Sapienza). O projeto é sobre o estudo de algoritmos de negociação e estratégias totalmente automatizadas para rentabilidade sistemática.
Marketcetera se concentra na construção das principais funções de negociação que são comuns a todas as organizações, liberando assim nossos clientes para se concentrarem em algoritmos de negociação proprietários e outros softwares especializados que fornecem uma vantagem competitiva.
O Mercador de Veneza.
O MOV é um programa de negociação no mercado de ações que suporta gerenciamento de portfólio, gráficos, análise técnica, negociação de papéis e programação genética. Veneza é executado em uma interface gráfica com a ajuda online e possui documentação completa.
Aplicativo Eclipse Rich Client Platform (RCP), com gráficos de relógio, intraday e histórico, com indicadores de análise técnica, nível II / visão de profundidade de mercado, observação de notícias e negociação integrada.
Todos os aspectos da negociação, como a obtenção de preços de mercado, a análise de padrões de preços, a tomada de decisões comerciais, a colocação de pedidos, o monitoramento de execuções de pedidos e o controle do risco são automatizados de acordo com as preferências do usuário. JBookTrader é uma & quot; irmã & quot; projeto para JSystemTrader.
A ferramenta de desktop perfeita para modelos matemáticos, estatísticos e cálculos complexos. Adaptadores para matlab, scilab, oitava, R.
O OpenGamma fornece tecnologia para instituições financeiras melhorarem o cálculo e a entrega de análises para os usuários front-office e de risco.
O Open Java Trading System (OJTS) pretende ser uma infra-estrutura comum para desenvolver sistemas de negociação (stock). Há quatro partes: coleta de dados brutos pela Internet, reconhecimento de sinais de negociação, um módulo de visualização e negociação com bancos.
Joone é uma estrutura de rede neural escrita em Java (tm). Ele é composto por um mecanismo principal, um editor de GUI e um ambiente de treinamento distribuído, e pode ser estendido com a criação de novos módulos para implementar novos algoritmos ou arquiteturas a partir do componente base.
Ambiente modular para visualização gráfica de dados do tipo bolsa de valores.
Ambiente SFL Java Trading System (Última atualização 2009-07-17)
Aplicativo Java baseado no princípio KISS (Keep It Simple, Stupid) e seu objetivo é fornecer uma infra-estrutura independente e de plataforma rápida para desenvolver e executar sistemas de negociação.
Coisas pesadas, apenas para programadores proficientes.
Desenvolvido para trabalhar com a API do Interactive Broker, sistema de negociação totalmente automatizado (ATS) que pode negociar vários tipos de títulos do mercado durante o dia de negociação sem o monitoramento do usuário.
Sistema para análise de mercados financeiros utilizando análise técnica. Inclui instalações para gráficos de ações e futuros, bem como geração automatizada de sinais de negociação com base em critérios selecionados pelo usuário. Opera em dados diários e intradiários.
Análise técnica completa & amp; sistema de negociação, conjunto completo de recursos: recuperar, analisar dados de estoques EOD; gerenciar vários portfólios; análise técnica & amp; renderização gráfica; redes neurais para geração de sinais de negociação; suporte à comunidade de comerciantes,
Compartilhar Compartilhe este post no Digg Del. icio. us Technorati Twitter.
Não tenha medo nenhum, não ameace nenhum.
AlgoTrader é um sistema de negociação automatizado (ATS) que pode negociar qualquer tipo de segurança em qualquer mercado disponível através de InteractiveBrokers ou FIX. Todos os aspectos de negociação, como obter dados de mercado, analisar preços, tomar decisões comerciais, fazer pedidos & amp; execuções de rastreamento podem ser automatizadas.
Compartilhar Compartilhe este post no Digg Del. icio. us Technorati Twitter.
Compartilhar Compartilhe este post no Digg Del. icio. us Technorati Twitter.
Não tenha medo nenhum, não ameace nenhum.
Compartilhar Compartilhe este post no Digg Del. icio. us Technorati Twitter.
Compartilhar Compartilhe este post no Digg Del. icio. us Technorati Twitter.
Não tenha medo nenhum, não ameace nenhum.
Estarei atualizando esta lista regularmente, por favor, adicione seus comentários.

QUSMA C#/-based trading system now open source.
(Se você já tem uma conta, faça o login no topo da página)
Estamos aqui para ajudar. Apenas deixe-nos saber o que você precisa. Nós trabalhamos muito duro para manter as coisas positivas em nossa comunidade. Não toleramos comportamentos rudes, trolling ou fornecedores publicitários em publicações. Acreditamos firmemente e incentivamos o compartilhamento. O Santo Graal está dentro de você, podemos ajudá-lo a encontrá-lo. Esperamos que nossos membros participem e se tornem parte da comunidade. Ajude-se ajudando os outros.
Você precisa se registrar para visualizar o conteúdo dos tópicos e começar a contribuir para a nossa comunidade. É grátis e simples.
QUSMA C#/-based trading system now open source.