Curso de desenvolvimento do sistema comercial

Curso de desenvolvimento do sistema comercial
Sistema de negociação que se encaixa em você.
Obtenha todos os benefícios dos anos de traders de modelagem do Dr. Van Tharp e sua pesquisa sobre como os sistemas de negociação lucrativos são desenvolvidos. Sua conclusão a partir desta pesquisa é que a pessoa média não tem chance de negociação lucrativa porque ele se concentra em todas as coisas erradas.
Este programa ajuda você a determinar o tipo de sistema de negociação que irá atender você pessoalmente e como criá-lo. Aprenda segredos pouco conhecidos e bem guardados que não são publicados em livros e que você não é provável que encontre, a menos que você acidentalmente tropeça com eles.
Clique para obter preços ou para encomendar agora.
Este programa possui 20 CDs de áudio: 11 CDs de material mais recente e 9 CDs do curso clássico de estudo em casa que cobrem informações que não são mais ensinadas na nossa oficina de Desenvolvimento de Sistemas.
Muitos de nossos clientes ouvem esses CDs repetidas vezes para obter todos os detalhes sutis que às vezes sentem falta nos comentários anteriores.
O curso de estudo em casa também inclui um manual de página mais abrangente de 340 páginas que atua como um guia, uma pasta de trabalho e um instrutor através da jornada de construção do sistema.
Para familiarizá-lo com as armadilhas psicológicas do desenvolvimento do sistema. Pelo menos, é fundamental que você entenda que você apenas troca suas opiniões sobre o mercado e não o próprio mercado.
Para ajudá-lo a entender os principais conceitos e etapas no desenvolvimento do sistema, incluindo expectativa, R-múltiplos, qualidade do sistema e estratégias de dimensionamento de posição.
Tendência a seguir, especialmente tendências baseadas em fundamentos. Comércio de bandas. Valor de negociação onde o valor é definido como comprar coisas em centavos por dólar. Negociação de cenários mentais. Tendências sazonais quando estas são "reais" e não anormalidades estatísticas. Distribuir negociação e arbitragem.
Para ajudá-lo a definir "R" na sua negociação e desenvolver configurações apropriadas, entrada e perda de parada.
Você é um investidor de baixo risco que só quer fazer lucros pequenos e consistentes a cada mês com apenas uma perda ocasional? Saiba como desenvolver um sistema que lhe permita desenvolver uma metodologia única que lhe dê esse tipo de consistência!
Desenvolvendo Objetivos de Som.
Esta é a tarefa mais importante do desenvolvimento do sistema. Se você fizer esta tarefa corretamente, levará pelo menos metade do seu tempo durante o processo de desenvolvimento. Quando você aprender o que é, você dirá: "É claro que é importante!", Mas você provavelmente ainda gastará muito pouco tempo nisso. Para desenvolver um sistema que se encaixa em você, você precisa realmente pensar sobre o que deseja. Não é uma tarefa trivial.
A maioria das pessoas ignora seis ou sete dos principais componentes do desenvolvimento do sistema quando fazem suas pesquisas. Na verdade, você nunca verá um livro sobre desenvolvimento de sistemas que cubra mais de seis deles. Essa é a limitação que o comerciante médio tem em fazer pesquisas. Você quer grandes lucros com o menor risco possível, então você quer todas as vantagens possíveis quando você começar a desenvolver esse sistema.
A maioria das pessoas se concentra na entrada - o elemento menos importante no desenvolvimento do sistema. E eles ignoram as estratégias de dimensionamento da posição e o mdash, o elemento mais importante. Através deste curso de estudo em casa, você aprenderá algoritmos de dimensionamento de posição que o pico de artistas usam. Além disso, você aprenderá algoritmos de dimensionamento de posição que o ajudarão a diminuir seu risco geral, ao mesmo tempo, ajudando você a alcançar um desempenho mais consistente.
Se você se concentrar nesses três segredos - que 95 por cento de todos os investidores e investidores ignoram totalmente -, você pode entrar em uma classe que poucos conseguiram alcançar.
1 - Obtenha idéias específicas para obter melhores decisões de entrada e saída no mercado.
2 - Aprenda idéias de dimensionamento de posição específicas do autor do Guia Definitivo para o Dimensionamento de Posição.
3 - Introduzimos as armadilhas psicológicas que impedem tantas pessoas. Só saber sobre eles o ajudará a evitá-los.
4 - Trabalhe através do modelo do Dr. Tharp de como projetar, desenvolver e personalizar um sistema comercial.
5 - Aprenda novas abordagens para os mercados e novas técnicas para analisá-los.
Há 15 conceitos por trás da maioria dos sistemas de negociação. A maioria dos conceitos, mesmo os mais populares, não tem sentido. Mas você aprenderá sobre os que funcionam melhor.
6 - Receba idéias comerciais práticas.
7 - Seja apresentado a uma negociação de entrada aleatória que gere entre 0,5% e 11% ao ano em vários testes históricos.
8 - Melhor entender como a expectativa é moldada por suas saídas do mercado.
9 - Use a pontuação do número da qualidade do sistema para comparar os sistemas de comércio de dias em um mercado para sistemas de investimento de longo prazo em outro.
10 - 50% do desenvolvimento do sistema está projetando objetivos sólidos. Você vai ouvir idéias sobre como desenvolver objetivos comerciais sólidos.
Imagine estar em uma sala cheia de comerciantes profissionais e investidores. Cada um deles controla pelo menos US $ 5.000.000 em fundos de negociação. Alguns deles controlam mais de um bilhão de dólares. E estes melhores comerciantes e investidores estão reunidos para ajudá-lo a desenvolver o sistema de negociação perfeito para você!
"Se uma pessoa pode conseguir um grande sucesso, então essa habilidade pode ser ensinada aos outros", de fato, pra quase qualquer um. Eu provei essa fórmula ajudando a desenvolver melhores comerciantes e investidores. Agora, quero oferecer-lhe a mesma incrível oportunidade de ganhar muito dinheiro. ”Van K. Tharp Ph. D.
Você está disposto a arregaçar as mangas e trabalhar na elaboração de objetivos e parâmetros de risco para si mesmo? Se você é, e você está disposto a aplicar os princípios que nós ensinamos, você amará esse estudo em casa.
Abaixo estão algumas perguntas comuns que recebemos sobre este estudo em casa:
P: Estou interessado neste estudo em casa porque quero calcular o SQN dos meus sistemas. Este curso me dará informações sobre o SQN?
Se você quiser entender o Quality Quality Number TM (SQN TM), considere ler o Guia Definitivo para Estratégias de Dimensionamento de Posição ou atender ao Workshop do Blueprint ou ao Workshop de Desenvolvimento de Sistemas. Nosso curso de estudo em casa de sistemas tem poucas informações sobre tópicos relacionados a SQN em comparação com as informações abrangentes que você encontrará no livro Guia Definitivo e nos workshops de Blueprint ou Sistemas. Em breve, lançaremos um curso de estudo em casa com foco em SQN.
P: Eu quero entender como fazer backtest em meu sistema. Este curso aborda o backtesting e, em caso afirmativo, há recomendações sobre o software que faz isso bem?
O Dr. Tharp atribui pouco valor aos métodos tradicionais de teste de volta, tal como promovidos pelos fornecedores da plataforma. Em vez disso, ele prefere que os comerciantes trabalhem na compreensão de todas as suas crenças relacionadas a um sistema de comércio - por que um sistema deve funcionar e como ele deve atuar em vários tipos de mercado. Quanto mais você entender sobre o seu sistema de negociação, menos testes você precisará fazer. Além disso, o melhor & ldquo; teste & rdquo; Os resultados provêm de negociações ao vivo com posições muito pequenas. Há tantas suposições e regras de lógica incorporadas em sistemas de software de backtesting que, muitas vezes, os resultados de negociação ao vivo diferem bastante significativamente dos backtests - mesmo com os melhores dados, premissas, lógica e software.
P: Eu quero seguir a sugestão da Van e desenvolver sistemas que se encaixem no tipo de mercado específico. Não entendo inteiramente como avaliar o tipo de mercado. Este curso cobre isso?
Há alguma informação sobre os tipos de mercado neste curso de estudo em casa, mas é menor em comparação com a oficina ao vivo. No Workshop sobre Desenvolvimento de Sistemas, nós gastamos um tempo significativo nos tipos de mercado e considerando que tipos de sistemas funcionam bem em cada tipo de mercado.
Você terá um ano completo para desenvolver seu sistema e aplicar os princípios ensinados. No final do ano, se você não está convencido de que a informação tenha melhorado sua negociação, envie o seu programa de áudio, juntamente com o (s) sistema (s) que você desenvolveu e um jornal que mostra seus negócios e seus objetivos. Se você seguiu as etapas e ainda não está satisfeito, reembolsaremos o preço total do seu programa de áudio. Tudo o que pedimos é que você siga o modelo e faça o trabalho.
"Seu workshop de sistema simplesmente mudou a forma como eu abordo o desenvolvimento do sistema ... meus lucros são significativamente maiores e poderia ter pago meus custos de oficina dez vezes desde então".
"Sobro. Cada seção da oficina estava cheia de informações. Eu não podia tomar notas com rapidez suficiente (então eu optei por apenas ouvir). Muitas ideias criativas dignas de novas pesquisas - & # 8212; R. W., Superior, CO.
"Certifique-se de participar da sua oficina intitulada" Como desenvolver um sistema de negociação ganhador que se encaixa em você ", tive uma mudança radical na minha percepção de como conseguir uma negociação consistentemente bem sucedida." & # 8212; M. S., Shropshire, Inglaterra.
"Excelente" Nunca pensei em quantos elementos separados entraram em um sistema. Agora tenho conhecimento e confiança para desenvolver um sistema para mim. "& # 8212; B. F., Huntington Station, NY.
"Muito útil para ver de primeira mão os riscos reais de arruinar, negociar demais, etc. O workshop foi muito útil para mim ao delinear as tarefas específicas que devo concluir". & # 8212; B. C., Toronto, Ontário, Canadá.
- Tendo ido a todos os workshops da Van sobre desenvolvimento de sistemas, este foi um repetido para mim. No entanto, eu ainda ganhei um grande negócio na oficina - a seção criativa de estratégias de gerenciamento de dinheiro foi especialmente provocadora. Este workshop é uma obrigação para qualquer comerciante, iniciante ou experiente. Bem feito Van. Ђќ K. T., Londres, Inglaterra.
Van Tharp, Van Tharp Institute, Van TharpeLearning, Positioning e IITM são marcas comerciais da IITM, Inc nos Estados Unidos e em outros lugares.
SQN é uma marca comercial registrada no governo da IITM, Inc.

Sistemas de Negociação: Construindo um Sistema.
Até agora, discutimos os componentes básicos dos sistemas de negociação, os critérios que eles devem atender e algumas das muitas decisões empíricas que um projetista deve fazer. Nesta seção, examinaremos o processo de construção de um sistema comercial, as considerações que precisam ser feitas e alguns pontos-chave a serem lembrados.
Dados - Como o projetista do sistema deve usar testes extensivos, o histórico de preços passados ​​é essencial para a construção de um sistema de negociação. Esses dados podem ser integrados no software de desenvolvimento do sistema de negociação ou como um feed de dados separado. Os dados ao vivo geralmente são fornecidos por uma taxa mensal, enquanto os dados de idade podem ser obtidos gratuitamente.
Coloque automaticamente trades - Isso muitas vezes requer permissão do final do corretor porque uma conexão constante deve estar em vigor entre o software e a corretora. As negociações devem ser executadas imediatamente e a preços exatos para garantir a conformidade. Para que seu software faça negócios para você, tudo o que você precisa fazer é inserir o número da conta e a senha e tudo o resto é feito automaticamente. Por favor, note que usar esse recurso é estritamente opcional.
Depois que o teste de volta é executado, é gerado um relatório que descreve os detalhes dos resultados. Este relatório geralmente inclui lucro, número de negociações un / bem sucedidas, dias consecutivos baixos, número de negócios e muitas outras coisas que podem ser úteis ao tentar determinar como solucionar problemas ou melhorar o sistema. Finalmente, o software geralmente cria um gráfico que mostra o crescimento do investimento ao longo do período de tempo testado.
2. Design - O design é o conceito por trás do seu sistema, a maneira como os parâmetros são usados ​​para gerar lucros ou prejuízos. Você implementa essas regras e parâmetros, programando-os. Às vezes, esta programação pode ser feita automaticamente através de uma interface de usuário gráfica. Isso permite que você crie regras sem aprender uma linguagem de programação. Aqui está um exemplo de um sistema de cross-over médio móvel:
Se SMA (20) CrossUnder EMA (13), então, saia;
O sistema é criado simplesmente digitando as regras na janela e salvando-as. As referências para as diferentes funções disponíveis (por exemplo, osciladores e tais) podem ser encontradas clicando no ícone do livro. A maioria dos softwares terá uma referência similar disponível no próprio programa ou em seu site. Depois de criar as regras desejadas e codificar o sistema, você simplesmente salva o arquivo. Então, você pode usá-lo selecionando-o na tela principal.
Em que mercado eu quero trocar? Que período de tempo devo usar? Qual a série de preços que devo usar? Qual subconjunto de ações devo usar para testar?
Tenha em mente que os sistemas de negociação devem ser consistentemente lucrativos em muitos mercados. Ao personalizar o período de tempo e as séries de preços demais, você pode manchar os resultados e produzir resultados não característicos.
Execute vários testes alternativos em diferentes períodos de tempo e certifique-se de que os resultados sejam consistentes e satisfatórios.
5. Repetir - Repetição é necessária. Continue trabalhando no sistema até que você possa obter um lucro consistente na maioria dos mercados e condições. Sempre há eventos imprevistos que ocorrem assim que um sistema é atualizado. Aqui estão alguns fatores que muitas vezes causam resultados negativos:
Custos de transação - Certifique-se de que você está usando a comissão real, e alguns extras para responder a preenchimentos imprecisos (diferença entre preços de lances e pedidos). Em outras palavras, evite o deslizamento! (Para rever o que é e como ocorre, veja a seção anterior deste tutorial.)
Estas seis etapas fornecem uma visão geral de todo o processo de construção de um sistema comercial. Na próxima seção, construiremos esse conhecimento e analisaremos mais detalhadamente a solução de problemas e a modificação.

KJ Trading Systems.
Projetar e desenvolver estratégias de negociação para qualquer mercado. Plus Trade Confidently e Fearlessly!
A Fábrica de Estratégia & reg; É a resposta!
Este não é o seu curso comercial típico: trata-se de uma oficina completa sobre o desenvolvimento adequado da estratégia algorítmica, ministrada pelo premiado comerciante em tempo integral e pelo autor mais vendido, Kevin Davey (esse é eu!). Além disso, você também receberá o código totalmente divulgado para 4 estratégias de negociação automatizadas - estratégias quase idênticas a três que eu realmente comercializo.
& # 8203; Não tenho certeza se algo trading é para você ou não?
& # 8203; J oin comerciantes de todo o mundo que se beneficiaram da Oficina da Fábrica de Estratégia!
Isso descreve sua negociação?
Nenhuma estratégia dura para sempre. Não acredita em mim? Basta perguntar aos defensores do mercado de ações "comprar e manter" essa estratégia. Funcionou muito bem, até 2008-9 quando o mercado devolveu mais de 25 anos de ganhos.
Não importa qual estratégia você use para trocar, sua melhor aposta é assumir que vai parar de funcionar e planejar de acordo. Ter novas estratégias que esperam ser negociadas é a melhor forma de sobreviver ao jogo comercial.
Outra razão para ter múltiplas estratégias é a diversificação. A diversificação é fundamental. Se você negociar uma estratégia, estará à mercê dessa estratégia. Se começar a fazer mal, como todas as estratégias, você está com problemas.
Se você adicionar uma ou mais estratégias não correlacionadas ao seu portfólio, sua curva de patrimônio ficará mais suave, e as cobranças geralmente diminuirão. Ter uma fábrica de estratégia permite que você desenvolva, implemente e negocie estratégias múltiplas e não correlacionadas.
Finalmente, à medida que sua conta cresce, você quer trocar mais estratégias. Com contas maiores, você pode enfrentar problemas de tamanho de comércio. Ter mais estratégias de negociação, desenvolvidas com uma Estratégia, permitirá que você adicione novas estratégias, diversifique seu portfólio e mantenha seu tamanho gerenciável à medida que seu patrimônio cresce.
Conforme votado pelos leitores no TraderPlanet.
Confira esta revisão independente do meu workshop!
Existe um excelente site de terceiros, chamado "Escolas de Negociação". Eles deram a minha oficina a maior classificação possível. Confira a sua revisão clicando no resumo à esquerda.
5 Star Review - "Kevin Davey continua a produzir excelentes resultados de negociação. 100% verificável. 100% transparente." Leia a resenha para descobrir porque eu sou chamado de "A Little Rat".
Sessão 1: Visão Geral do Processo, Discutir a Fundação da Estratégia Fábrica Sessão 2: Discutir Detalhes da Estratégia Fábrica de Almoço Sessão 3: Estratégia em profundidade Estrada Caminhada, Desenvolver Estratégia # 1 Sessão 4: Desenvolver Estratégia # 2, Revelar Estratégia # 3 e # 4, Wrap Up.
Interessado em negociar Bitcoin?
Este Clube é uma ótima maneira de aumentar seu número de estratégias muito rapidamente! Basta assistir a este vídeo de 2 minutos.
Então, esperamos que isso lhe dê uma idéia do que você está recebendo com o webinar da fábrica de estratégia. Educação de qualidade, de um comerciante de campeões, com um ótimo valor!
Durante o workshop, conduzi-lo-ei através do desenvolvimento de estratégias sobre futuros de índices de ações (ES e TF / RTY) que criei em 2014. Utilizando estas estratégias, percorreremos todo o processo de desenvolvimento de estratégias. Dessa forma, você verá o que é a estratégia e, mais importante, como ela foi desenvolvida.
O que exatamente eu recebo de participar?
Classe on-line ao vivo de 8 horas (valor de $ 1,999) - Aproveite a nossa reunião durante todo o dia, a partir do conforto de sua própria casa ou escritório. Áudio e vídeo são totalmente gravados, por isso, se você perder alguns minutos, não há problema!
3 Estratégias completas para ES (mini S & amp; P), RTY (mini-Russell), multi-mercado (vários futuros) (valor de US $ 4.500). - Você obtém o código completo no formato Tradestation, juntamente com os espaços de trabalho. Não use Tradestation? Não se preocupe - eu também dou o código com regras inglesas simples!
4 meses de apoio por e-mail individual de Kevin (valor de US $ 850) - Lembre-se, eu só forneço o suporte - nenhum estagiário ou pessoa não qualificada responderá suas perguntas - as únicas respostas que você obterão serão diretas de um campeão boca do comerciante! & # 8203;
2 chamadas pelo Skype de 15 minutos cada (valor de US $ 149) - incluo duas chamadas de 15 minutos no Skype antes ou depois do workshop - a sua escolha. Muitos comerciantes usam isso para esclarecer algum material do curso, para obter motivação, ou apenas para conversar com um verdadeiro comerciante em tempo integral! & # 8203; & # 8203;
23 vídeos, totalizando 12,5 horas, em muitos tópicos comerciais cruciais ($ 1,999 Value) - Esses vídeos extras são realmente importantes, mas eu simplesmente não tenho tempo para cobri-los na oficina ao vivo. As áreas de instrução extra incluem incubação, rollovers, dimensionamento de contas, entradas e saídas da vida real, teste de Monte Carlo, análise de walkforward, entrevistas com alunos bem-sucedidos e não bem sucedidos e MAIS! & # 8203;
8 planilhas customizadas que suportam o material ensinado durante a aula, incluindo algumas planilhas que não estão disponíveis em nenhum outro lugar, a qualquer preço!
Os 3 itens acima por si só são realmente impressionantes e, juntos, têm um valor de $ 9,497. E é claro, você só pagará uma fração desse montante. Mas eu estou indo um passo adiante - estou incluindo um monte de bônus para empurrar este negócio para o topo!
BONUS # 1 - 2 Estratégias mais completas para JY (Yen japonês), RB (gás sem chumbo) (valor de US $ 3.000) - Os comerciantes geralmente me pagam US $ 1500 ou mais por código desbloqueado para estratégias de negociação. Estou fornecendo o código completo no formato Tradestation, juntamente com os espaços de trabalho. Não use Tradestation? Não há preocupações - forneço o código em regras de inglês simples, também! & # 8203;
BONUS # 2 - Programa de Rebate de Tradestation (valor de $ 2,949) - Tenho um programa especial com Tradestation, onde a taxa completa do curso será devolvida a você, através de descontos de comissões da Tradestation. Vou fornecer instruções detalhadas após você se inscrever. Para muitos traders, meu curso é eventualmente gratuito. Você pode calcular o risco / recompensa por isso?
Com estes 2 bônus, todos juntos esse pacote tem um valor de US $ 15.446. Mas ainda não terminei!
BONUS # 3 - O Strategy Factory Club e o Fórum (valor de US $ 997) - Imagine poder compartilhar estratégias de desempenho verificadas com outros operadores, sob o olhar atento de Kevin - por meio do Strategy Factory Club. Muitos comerciantes apresentaram uma estratégia para o Clube, e obtiveram 10 ou mais boas estratégias em troca, para negociar pessoalmente como quiserem! Além disso, estabeleci um fórum comercial exclusivo onde outros estudantes da Estratégia de Estratégia discutem tópicos, compartilham truques e fazem perguntas e respondem. É como um grupo intelectual de comerciantes da Strategy Factory, todos à sua disposição! & # 8203;
BONUS # 4 - Crypto Trading Strategies (valor de $ 1.500) - Todo mundo está falando sobre Bitcoin e criptografia nos dias de hoje. Na primavera de 2018, em um workshop exclusivo para membros, compartilharei com você o que estou fazendo com esses instrumentos. & # 8203;
BONUS # 5 - Capacidade de "Re-Attend" de novo e de novo - de graça! (Valor de $ 2,949) - Eu lhe dou a capacidade de "sentar" em futuras oficinas online da Strategy Factory e atender várias vezes, sem nenhum custo adicional. Volte para uma atualização, ou faça algumas perguntas, ou apenas para descobrir qual material novo está lá fora.
Então, se você adicionar tudo, eu estou lhe fornecendo US $ 20.892 em instruções, suporte, estratégias e informações de negociação. Em outras palavras, você obtém uma TONELA por seu dinheiro! E eu vou cobrar-lhe muito menos do que o pacote vale a pena.
O webinar custa US $ 2.949. Considerando as estratégias de "pronto para negociar" que você receberá como parte do pacote, e todos os outros bônus, esse preço é um roubo absoluto. Claro, o desempenho passado não é garantia de resultados futuros, mas você pode fazer seu dinheiro de volta com bastante rapidez apenas com as estratégias que eu forneço.
Que tipo de trader deve fazer este curso?
O curso "Estratégia da Estratégia" é projetado para comerciantes mecânicos / algorítmicos - comerciantes que desejam desenvolver, testar e avaliar seus sistemas antes de colocar dinheiro na linha. Idealmente, suas regras serão 100% gravadas e programáveis.
Você obterá o máximo da classe se tiver pelo menos alguma experiência em negociação e / ou desenvolvimento. Se você é novo para negociação, NÃO TOME ESTE CURSO - aprenda primeiro o básico!
Bem, primeiro você deve perceber que a maioria das pessoas que vendem produtos comerciais na verdade não comercializam. Seu sucesso é na sua capacidade de ser uma rápida discussão de vendas "tubarão" - e adivinhe, você é o pobre "minnow". Eles ganham a vida vendendo produtos comerciais. Por outro lado, ganho a vida fora do comércio. Esta oficina é baseada na minha experiência de negociação REAL, não na experiência de troca de papel ou no simulador. Isso faz uma grande diferença.
Honestamente, se você não vê o valor nesta oficina, provavelmente você deve procurar outra coisa. Mas, se você é sério sobre negociação e sério sobre o desenvolvimento de estratégias, então esta classe é para você. Você aprenderá técnicas que devem levar a estratégias muito mais lucrativas do que o custo da oficina.
Absolutamente não! Certamente, seria um benefício ler meu livro (e outros livros de desenvolvimento de estratégias) antes e depois da oficina. A exposição repetida ao material só pode ajudá-lo à medida que você desenvolve o processo de construção de sua estratégia.
Como eu quero que as pessoas façam perguntas durante a aula, e eu falo com todo mundo antes e depois do workshop, é impossível servir uma grande multidão. Além disso, durante os 4 meses de acompanhamento, sou a única pessoa a responder suas perguntas por e-mail. Finalmente, lembre-se de que meu principal trabalho é comercializado - eu quero manter assim!
Se, após a primeira sessão, você decidir que este não é um bom curso para você, envie-me um e-mail e abandone o workshop. Eu reembolsarei o pagamento total. Após a primeira sessão, não há reembolsos.
Sim. Todas as estratégias foram desenvolvidas usando técnicas que discuto na oficina. Eu tenho negociado Estratégia # 1 e # 2 (ou ligeiras variações) desde o outono de 2014. No caso da Estratégia # 3, eu tenho negociado uma derivada próxima dela, com dinheiro real, desde novembro de 2009. Eu tenho sido bonita satisfeito com os resultados. Mas lembre-se, todos os resultados que você vê devem ser tratados como hipotéticos, e o desempenho passado não é garantia de resultados futuros. Certifique-se de ler e entender o aviso legal na parte inferior desta página.
Definitivamente sim. Mas, desenvolver estratégias é um trabalho árduo, e você terá que descartar muitos sistemas antes de encontrar um que você possa negociar. Muitos comerciantes que conheço estão felizes em encontrar 1-3 estratégias novas por ano. Você pode fazer melhor ou pior do que isso, mas, como todas as coisas na vida, os resultados obtidos dependem do esforço que você propõe.
Possivelmente. Meu tempo é bastante limitado, mas eu vou ajudá-lo no entanto eu posso durante o período de acompanhamento de 4 meses. Posso dar-lhe algumas idéias para uma estratégia que você tem, e essas idéias podem fazer toda a diferença. Se você está procurando colaborar, o Strategy Factory Club pode ser o que você quer. É incluído como parte do pacote, e permite que os alunos troquem estratégias verificadas. Mas, você deve definitivamente planejar o desenvolvimento de estratégias por conta própria - é para isso que o curso serve!
Sim, eu ocasionalmente faço. Verifique os horários disponíveis listados na parte inferior da página. Se você quiser um tempo diferente, apenas me avise. Se houver interesse suficiente, realizarei uma oficina nesse horário.
Certo! Você também pode aprender a jogar futebol ou jogar beisebol lendo um livro. Mas, muitas vezes, aprender "viver" leva a uma melhor compreensão, maior retenção e sucesso mais duradouro. A oficina oferece tudo isso, em uma configuração confortável (sua casa ou escritório!).
Você pode estar sem sorte, então eu encorajo você a participar de uma das sessões abaixo. Posso agendar futuras sessões, mas lembre-se de 1) meu trabalho "real" é negociado em tempo integral e 2) cada sessão adiciona comerciantes à minha lista de suporte contínuo e, para manter um excelente serviço, eu tenho que limitar o número de comerciantes com os quais trabalho. Portanto, talvez não haja futuras oficinas.
Faça este questionário para ver se Algo Trading é para você!
Os depoimentos exibidos são verbais, exceto para a correção de erros gramaticais ou tipográficos. Alguns foram encurtados, o que significa; não é exibida toda a mensagem recebida pelo escritor de testemunho, quando parecia longa ou o testemunho na sua totalidade parecia irrelevante para o público em geral.
(c) Copyright - KJ Trading Systems. Todos os direitos reservados no mundo inteiro.

Tipos de Sistemas de Negociação.
Existem basicamente dois tipos de sistemas de negociação Forex, sistemas mecânicos e discricionários. Os sinais comerciais que saem dos sistemas mecânicos baseiam-se principalmente em análises técnicas aplicadas de forma sistemática (indicadores técnicos, padrões de gráficos, etc.).
Por outro lado, os sistemas discricionários usam experiência, intuição ou julgamento em entradas e saídas.
Qual tipo produz melhores resultados? Ou mais importante, qual deles melhor se adapta ao seu estilo comercial?
Nesta seção, tentaremos responder à pergunta acima. Primeiro analisaremos os prós e contras de cada abordagem de sistema.
Sistemas mecânicos.
Vantagens
& # 8211; Este tipo de sistema pode ser automatizado e backtested eficientemente.
& # 8211; Eles têm regras muito rígidas. Ou há um comércio ou não existe.
& # 8211; Comerciantes mecânicos são menos suscetíveis a emoções do que os operadores discricionários.
Desvantagens.
& # 8211; A maioria dos comerciantes reage os sistemas de negociação Forex de forma incorreta. Para produzir resultados precisos, você precisa dos dados do tick.
& # 8211; O mercado Forex está sempre mudando. O mercado Forex (e todos os mercados) tem um componente aleatório. As condições do mercado podem parecer semelhantes, mas nunca são as mesmas.
& # 8211; Um sistema que funcionou com sucesso no passado não significa necessariamente que funcionará no futuro.
Sistemas discretos.
Vantagens
& # 8211; Os sistemas discretos são facilmente adaptáveis ​​às novas condições de mercado.
& # 8211; As decisões de negociação são baseadas na experiência. Os comerciantes aprendem a ver quais sinais de negociação têm maior probabilidade de sucesso.
Desvantagens.
& # 8211; Eles não podem ser backtested ou automatizados, uma vez que há sempre uma decisão a ser tomada com base no julgamento.
& # 8211; É preciso tempo para desenvolver a experiência necessária para negociar com sucesso e rastrear os negócios de forma discricionária. Nos estágios iniciais, isso pode ser perigoso.
Agora, qual abordagem é melhor para os comerciantes de Forex?
É aconselhável começar sempre a comercializar um sistema mecânico, à medida que você ganha experiência, você perceberá quais sinais produzem melhores resultados, mas isso requer tempo e experiência, então comece primeiro com um sistema mecânico. Outro ponto que você deve levar em consideração é se você é um comerciante que tem dificuldade em seguir seus sinais comerciais, então você está melhor usando um sistema mecânico, onde seu julgamento não desempenhará um papel importante no seu sistema. Você só aceita as transações que seu sistema sinaliza.
Se as barreiras psicológicas que afetam todos os comerciantes (medo, ganância, raiva, etc.) o colocam em cenários indesejados, você também está melhor com os sistemas mecânicos de negociação, porque você só precisa seguir o que seu sistema está lhe dizendo, vá curto, vá por muito tempo, feche um comércio. Nenhuma outra decisão deve ser tomada.
Por outro lado, se você é um comerciante disciplinado e experiente, então você está melhor usando um sistema discricionário, porque os sistemas discricionários se adaptam às condições do mercado e você pode alterar suas condições de negociação à medida que o mercado muda. Por exemplo, você tem um alvo de 60 pips em um longo comércio, o mercado aumenta rapidamente atingindo 50 pips a seu favor em alguns minutos, permitindo que você altere o nível alvo para 100 pips. Esses tipos de decisões são agradáveis ​​de se adaptar uma vez que você tenha experiência suficiente, no entanto, pode ser perigoso em estágios iniciais.
Isso significa que a negociação de um sistema discricionário não tem regras? Isso é absolutamente incorreto. Sistemas discricionários de negociação significam que, uma vez que um trader encontre sua configuração, o negociador decide o que fazer. Mas todo comerciante ainda precisa de certas regras que precisam ser seguidas, como o tamanho da posição, condições que devem ser cumpridas antes de pensar entrar no mercado, e assim por diante.
Se você optar por ser um operador discricionário ou mecânico, há alguns pontos importantes que você deve levar em consideração:
1 & # 8211; Você precisa se certificar de que o sistema de negociação Forex que você está usando corresponde totalmente à sua personalidade. Caso contrário, você se encontrará superando seu sistema (desenvolva você mesmo).
2 & # 8211; Você também precisa definir claramente suas regras e, mais importante, ter a disciplina para segui-las.
3 & # 8211; Tome seu tempo para construir o sistema perfeito para você. Não é fácil e requer tempo e trabalho árduo, mas no final, se feito corretamente, lhe dará resultados consistentes e lucrativos.
Esboço de Curso.
Educação gratuita.
Aprenda a negociar forex com os melhores traders do mundo.

ThaiQuants.
Conheça o seu sistema. Conheça a si mesmo.
Curso de Desenvolvimento do Sistema de Negociação.
คอร์ส ออนไลน์ การ พัฒนา ระบบ เทรด หุ้น (วิดีโอ จาก งาน สั ม นา 7M16)
วิชา: Curso de desenvolvimento do sistema comercial (TSDC)
ระดับ: Beginning-Intermediate (ตั้งแต่ ผู้ เริ่ม ต้น ไป จนถึง ผู้ มี ความ รู้ เรื่อง ระบบ เทรด หุ้น ระดับ กลาง)
จุด ประสงค์: เพื่อ เข้าใจ การ พัฒนา ระบบ เทรด หุ้น ทั้ง องค์ประกอบ กระบวนการ และ ขั้น ตอน.
เทรด: สอน การ พัฒนา ระบบ เทรด อย่าง ขั้น ขั้น เป็น โดย โดย เนื้อหา เริ่ม ตั้งแต่ การ ออกแบบ ยุทธการ ยุทธการ เทรด (Estratégia de Negociação) ตลาด วิเคราะห์ สภาพ ตลาด (Análise de Mercado) การ บริหาร พอ ร์ ท (Administração de Dinheiro) การ ทดสอบ ระบบ (Backtest) ไป จนถึง Machine เลือก อุปกรณ์ ใน การ เทรด (Máquina para Backtesting e Trading) รวม ทั้งหมด ประมาณ 15 ชั่วโมง TSDC เทรด ปรัชญา การ พัฒนา ระบบ เทรด Conceitos, Componentes, Cuidado, Processo e Imagem Grande ไม่ใช่ การ เขียน โปรแกรม.
ระยะ เวลา รับ สมัคร: สิ้นสุด 3 มีนาคม 2561.
ชม ผ่าน: computador / celular / tablet ดู วิดีโอ ที่ไหน เมื่อ ไหร่ กี่ รอบ ก็ได้.
สิทธิ พิเศษ: ส่วนลด ราคา โปรแกรม AmiBroker 20% - 25% เวอร์ชั่น ใด ก็ได้ ใน กรณี ที่ มี น ศ. ต้องการ ซื้อ โปรแกรม ของ แท้ เกิน 30 ท่าน ThaiQuants จะ ติดต่อ ขอ จาก ทาง AmiBroker โดยตรง.
การ ที่ นัก ลงทุน จะ สามารถ พัฒนา & # 8220; ระบบ เทรด หุ้น & # 8221; (Sistema de negociação, TS) ขึ้น มา ด้วย ตนเอง ที่ ซึ่ง สามารถ นำ ไป ใช้ งาน และ ทำ กำไร ได้ จริง นั้น ก่อน อื่น น ล ท ต้อง มี ความ รู้ เรื่อง การ ลงทุน ด้วย TS และ รู้จัก องค์ประกอบ หลัก สำคัญ ของ TS ก่อน อย่าง แท้จริง และ ศึกษา การ พัฒนา องค์ประกอบ เหล่า นี้ ขึ้น มา เป็น ส่วน ๆ อย่าง เจาะจง และ อย่าง เป็น ระบบ เพราะ ใน แต่ ล่ะ องค์ประกอบ จะ มี เนื้อหา สาระ สำคัญ และ เน้น ไป ยัง จุด ต่างๆ ของ ภาพ รวม TS ต่าง กัน ไม่ ว่า จะ เป็น ใน ส่ ว น ของ Estratégia, Gestão Money, Backtest, Mindset, และ อื่น ๆ อีก ทั้ง ยัง ต้อง เข้าใจ ถึง ข้อ ได้ เปรียบ และ ข้อ จำกัด ของ องค์ประกอบ เหล่า นี้ ที่ จะ ส่ง ผล ต่อ โดยตรง ต่อ ความ สามารถ ของ ระบบ เทรด หุ้น ที่ ถูก พัฒนา ขึ้น มา.
ThaiQuants ได้ เล็ง เห็น ความ จำเป็น อย่าง ยิ่ง ใน การ ปู พื้นฐาน การ สร้าง & # 8220; ระบบ เทรด หุ้น & # 8221; ให้ แก่ น ล ท ด้วย การ ชี้แจง ราย ละเอียด องค์ประกอบ ของ TS ให้ แก่ น ล ท ที่ สนใจ ใน การ พัฒนา TS ด้วย ตนเอง หรือ แม้ กระทั่ง น ล ท ที่ ต้องการ นำ ความ รู้ ไป ใช้ ใน การ พิจารณา เลือก ระบบ เทรด หุ้น ที่ ถูก นำ เสนอ โดย Brokers และ Guru ต่างๆ.
ส่วน มาก มัก เข้าใจ ว่า ระบบ ระบบ จึง อยาก ให้ ผู้ ผู้ ลอง พยายาม คำถาม คำถาม คำถาม เหล่า ดู ดู ว่า ว่า แล้ว แล้ว แล้ว ท่าน เข้าใจ การ การ สร้าง ระบบ จริง จริง มั้ ย หรือ แม้แต่ จริงๆ แล้ว ท่าน รู้ มั้ ย ว่า & # 8230; ควร จะ ถาม อะไร
Método: การ เขียน กลยุทธ์ Análise de Mercado: การ วิเคราะห์ สภาพ ตลาด Money Management: การ บริหาร เงิน Medida: การ ทดสอบ กลยุทธ์ Monitor: การ วัดผล ระหว่าง การ เทรด จริง Mindset: สภาวะ จิตใจ ของ ผู้ ทำ และ ผู้ ใช้ ระบบ เทรด (Mindset Quants) Máquina: เครื่อง คอมพิวเตอร์ ที่ เหมาะสม และ Linguagem de programação e plataforma de negociação extra: quants, cronogramas, sistema de negociação e robô.
ไม่ นี้ “ไม่ เหมาะ” สำหรับ บุคคล ที่.
2. ไม่ สนใจ การ พัฒนา ระบบ เทรด: Sistema de Negociação, Robot Trading, Quant.
3. ไม่มี ความ พยายาม และ ไม่ อยาก พัฒนา ตนเอง อย่าง แท้จริง.
1. Trading การ พัฒนา ระบบ เทรด: Sistema de Negociação, Negociação de Robô, Quant.
2. ควร ศึกษา เรื่อง & # 8220; ระบบ เทรด หุ้น & # 8221; เบื้องต้น จาก amibroker. thaiquants (ฟรี คอร์ส ออนไลน์)
3. ต้อง มี Facebook และ Linha de bate-papo.
1. จบ ปริญญา เอก ด้าน Simulação e otimização no agendamento de projetos de construção.
2. สอน Simulação มา เกือบ 10 ปี ตั้งแต่ Universidade de Michigan, Ann Arbor.
1. เรียน รู้ หลักการ Trading System Development อย่าง เป็น ขั้น เป็น ตอน.
ดู วีดีโ วีดีโ วีดีโ วีดีโ วีดีโ วีดีโ
3. ปรึกษา ผู้ สอน และ ผู้ ช่วย สอน ได้ โดย ผ่าน ทาง Linha, Facebook, และ Fórum ที่ จัด เตรียม ไว้ ให้.
4. ทดสอบ ความ รู้ ผ่าน ทาง ระบบ Quiz ของ ทาง ThaiQuants.
5. หลัง เรียน จบ น ศ. จะ มี ความ รู้ และ มี ความ สามารถ ที่ เหนือ กว่า คน ทั่วไป ทั้ง ใน ประเทศไทย และ ต่าง ประเทศ.
6. ได้ รับ เชิญ เข้า ร่วม งาน Conferência confidencial de Quants tailandês ที่ จัด ให้ เฉพาะ น ศ. ของ เรา ซึ่ง จัด ปี ล่ะ ครั้ง.
7. เอกสาร ประกอบ การ เรียน TSDC สี่ สี ทั่ง เล่ม 264 หน้า.
8. ส่วนลด ราคา AmiBroker 20%
1. แอด ID da linha: thaiquants (มี ด้วย ครับ) หรือ ใช้ มือ ถือ กด ที่ ลิ้§ ค์ นี้ line. me/ti/p/thaiquants.
3. ส ส ส แจ แจ แจ แจ แจ แจ แจ แจ แจ แจ ใ ใ ใ ใ ใ ใ ี))))))))
4. ส่ง ข้อมูล ชื่อ ไทย และ อังกฤษ เบอร์ มือ ถือ และ Email มา ที่ Line ID: thaiquants.
5. รอ การ ติดต่อ กลับ (คอร์ส เปิด วัน ที่ 10/03/2561)
ขอ ขอบคุณ เพื่อน ๆ ชาว Quants ที่ ช่วย กัน โปรโมท Seminário 7M16.

QuantStart.
Junte-se ao portal de membros privados da Quantcademy que atende à comunidade de comerciantes de varejo de varejo em rápido crescimento. Você encontrará um grupo de comerciantes quânticos bem informados e com a mesma mentalidade, prontos para responder às suas perguntas mais prementes sobre negociação de quant.
Confira meu ebook sobre o comércio de quant, onde eu ensino você como criar estratégias de negociação sistemáticas lucrativas com ferramentas Python, desde o início.
Dê uma olhada no meu novo ebook sobre estratégias de negociação avançadas usando análise de séries temporais, aprendizado de máquina e estatísticas bayesianas, com Python e R.
Por Michael Halls-Moore em 26 de julho de 2013.
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 descreve os componentes necessários de uma arquitetura de sistema de negociação algorítmica e como as decisões relativas à implementação afetam a escolha do idioma.
Em primeiro lugar, serão considerados os principais componentes de um sistema de negociação algorítmico, como ferramentas de pesquisa, otimizador de portfólio, gerenciador de riscos e motor de execução. Posteriormente, serão examinadas diferentes estratégias de negociação e como elas afetam o design do sistema. Em particular, a freqüência de negociação e o provável volume de negociação serão discutidos.
Uma vez que a estratégia de negociação foi selecionada, é necessário arquitetar todo o sistema. Isso inclui a escolha de hardware, o (s) sistema (s) operacional (is) e a resiliência do sistema contra eventos raros e potencialmente catastróficos. Enquanto a arquitetura está sendo considerada, deve-se ter em conta o desempenho, tanto para as ferramentas de pesquisa quanto para o ambiente de execução ao vivo.
Qual é o sistema de comércio 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 comercial pode ser dividido em duas categorias: Pesquisa e geração de sinal.
A pesquisa está preocupada com a avaliação de um desempenho de estratégia em relação aos dados históricos. O processo de avaliação de uma estratégia de negociação em relação aos dados anteriores do mercado é conhecido como backtesting. O tamanho dos dados e a complexidade algorítmica terão um grande impacto na intensidade computacional do backtester. A velocidade da CPU e a concorrência são muitas vezes 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 bastante 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 comercializados, a conectividade com os fornecedores de dados externos, a freqüência e o volume da estratégia, o trade-off entre facilidade de desenvolvimento e otimização de desempenho, bem como qualquer hardware personalizado, incluindo customizado 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 do idioma, muitos fornecedores de dados devem ser avaliados que pertencem à estratégia em questão.
Será necessário considerar a conectividade com o fornecedor, a estrutura de todas as APIs, a pontualidade dos dados, os requisitos de armazenamento e a resiliência em face de um fornecedor que está offline. Também é aconselhável possuir acesso rápido a vários fornecedores! Vários instrumentos têm todos os seus peculiaridades de armazenamento, exemplos dos quais incluem símbolos de ticker múltiplos para ações e datas de vencimento para futuros (sem mencionar nenhum dado OTC específico). Isso precisa ser levado em conta no design da plataforma.
A frequência da estratégia provavelmente será um dos maiores drivers de como a pilha de tecnologia será definida. Estratégias que empregam dados com mais freqüência do que minuciosamente ou em segundo lugar, exigem uma consideração significativa em relação ao desempenho.
Uma estratégia que excede as barras segundo (isto é, dados de marca) leva a um design orientado a desempenho como o principal requisito. Para estratégias de alta freqüência, uma quantidade substancial de dados do mercado precisará ser armazenada e avaliada. Software como HDF5 ou kdb + é comumente usado 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 para o candidato a linguagem 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 script automatizado. O primeiro geralmente ocorre dentro de um IDE, como Visual Studio, MatLab ou 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.
Os IDE típicos neste espaço incluem Microsoft Visual C ++ / C #, que contém extensos utilitários de depuração, recursos de conclusão de código (via "Intellisense") e visões gerais diretas de toda a pilha do projeto (via o banco de dados ORM, LINQ); MatLab, que é projetado para uma grande variedade de álgebras lineares numéricas e operações vetoriais, mas de uma forma de console interativo; R Studio, que envolve o console de linguagem estatística R em um IDE de pleno direito; Eclipse IDE para Linux Java e C ++; e IDE semi-proprietários, como Enthought Canopy para 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 principal consideração nesta fase é a velocidade de execução. Um idioma compilado (como C ++) geralmente é útil se as dimensões do parâmetro backtest forem grandes. Lembre-se de que é necessário desconfiar de tais sistemas se for esse o caso!
Idiomas interpretados, como Python, muitas vezes fazem uso de bibliotecas de alto desempenho, como NumPy / pandas para a etapa de teste, para manter um grau razoável de competitividade com equivalentes compilados. Em última análise, o idioma escolhido para o backtesting será determinado por necessidades algorítmicas específicas, bem como o intervalo de bibliotecas disponíveis no idioma (mais sobre isso abaixo). No entanto, o idioma utilizado para o backtester e os ambientes de pesquisa podem ser completamente independentes dos usados ​​na construção de portfólio, gerenciamento de riscos e componentes de execução, como será visto.
Construção de carteiras e gerenciamento de riscos.
A construção do portfólio e os componentes de gerenciamento de riscos são muitas vezes ignorados pelos comerciantes algorítmicos de varejo. Isso é quase sempre um erro. Essas ferramentas fornecem o mecanismo pelo qual o capital será preservado. Eles não só tentam aliviar o número de apostas "arriscadas", mas também minimizam o churn dos próprios negócios, reduzindo os custos de transação.
Versões sofisticadas desses componentes podem ter um efeito significativo na qualidade e consistência da lucratividade. É direto criar um estável de estratégias, pois o mecanismo de construção do portfólio e o gerenciador de riscos podem ser facilmente modificados para lidar com múltiplos sistemas. Assim, eles devem ser considerados componentes essenciais no início do projeto de um sistema de comércio algorítmico.
O trabalho do sistema de construção de carteiras é levar um conjunto de trades desejados e produzir o conjunto de negócios 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 do portfólio geralmente se reduz a um problema de álgebra linear (como uma fatoração da matriz) e, portanto, o desempenho é altamente dependente da eficácia da implementação de álgebra linear numérica disponível. As bibliotecas comuns incluem uBLAS, LAPACK e NAG para C ++. O MatLab também possui operações de matriz amplamente otimizadas. Python utiliza NumPy / SciPy para tais cálculos. Um portfólio freqüentemente reequilibrado exigirá uma biblioteca de matriz compilada (e bem otimizada!) Para executar esta etapa, de modo a não engarrafar o sistema de comércio.
O gerenciamento de riscos é outra parte extremamente importante de um sistema de comércio algorítmico. 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, contraparte padrão, interrupções do servidor, eventos de "cisnes negros" e erros não detectados no código comercial, para nomear alguns.
Os componentes de gerenciamento de risco tentam antecipar os efeitos da volatilidade excessiva e a correlação entre as classes de ativos e seus efeitos (s) subsequentes sobre o capital de negociação. Muitas vezes isso se reduz a um conjunto de cálculos estatísticos, como Monte Carlo "testes de estresse". Isso é muito semelhante às necessidades computacionais de um mecanismo de preços de derivativos e, como tal, será vinculado à CPU. Essas 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 portfólio e gerenciamento de riscos 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 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 ao quão bem documentado é, qual o tipo de desempenho que ele fornece, se ele precisa de um software autônomo para ser acessado ou se um gateway pode ser estabelecido de forma sem cabeça (ou seja, sem GUI). No caso dos Interactive Brokers, a ferramenta Trader WorkStation precisa ser executada 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. Note-se que, com cada plugin adicional utilizado (especialmente os wrappers da API), há possibilidades de insetos 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. Note 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.
Os idiomas estaticamente digitados (veja abaixo), como C ++ / Java, geralmente são ótimos para execução, mas há um trade-off em tempo de desenvolvimento, testes e facilidade de manutenção. Linguagens dinamicamente tipificadas, como Python e Perl, são geralmente "rápidas o suficiente". Certifique-se sempre de que os componentes foram projetados de forma modular (veja abaixo) para que eles possam ser "trocados" à medida que o sistema se reduz.
Processo de Planejamento e Desenvolvimento Arquitetônico.
Os componentes de um sistema de negociação, seus requisitos de freqüência e volume foram discutidos acima, mas a infra-estrutura do sistema ainda não foi coberta. Aqueles que atuam como comerciante de varejo ou que trabalham em um fundo pequeno provavelmente estarão "vestindo muitos chapéus". Será necessário estar cobrindo o modelo alfa, os parâmetros de gerenciamento de risco e execução, e também a implementação final do sistema. Antes de aprofundar 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 comercial. No desenvolvimento de software, isso significa essencialmente como 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 ajudem o desempenho, confiabilidade ou 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 a negociação de alta freqüência, o livro de regras pode ser ignorado à custa de ajustar o sistema para ainda mais desempenho. 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 ótima é garantir que haja componentes separados para as entradas de dados de mercado históricos e em tempo real, armazenamento de dados, API de acesso a dados, backtester, parâmetros de estratégia, construção de portfólio, gerenciamento de riscos e sistemas de execução automatizada.
Por exemplo, se o armazenamento de dados em uso estiver atualmente com desempenho inferior, mesmo em níveis significativos de otimização, ele pode ser trocado com reescrituras mínimas para a ingesta de dados ou API de acesso a dados. Até o ponto em que o backtester e os componentes subsequentes estão em causa, não há diferença.
Outro benefício de componentes separados é que permite que uma variedade de linguagens de programação sejam usadas no sistema geral. Não é necessário restringir a um único idioma se o método de comunicação dos componentes for independente de linguagem. Este será o caso se 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 que está sendo escrito em C ++ para o desempenho do "crunching", enquanto o gerenciador de portfólio e os sistemas de execução são escritos em Python usando SciPy e IBPy.
Considerações sobre o desempenho.
O desempenho é uma consideração significativa para a maioria das estratégias comerciais. Para estratégias de maior frequência, é o fator mais importante. O "Desempenho" cobre 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 prevalecente, como afirmou Donald Knuth, um dos pais da Ciência da Computação, é que "a otimização prematura é a raiz de todo o mal". Este é quase sempre o caso - exceto quando se forma um algoritmo de negociação de alta freqüência! Para aqueles que estão interessados ​​em estratégias de baixa freqüência, uma abordagem comum é construir um sistema da maneira mais simples possível e apenas otimizar à medida que os estrangulamentos começam a aparecer.
Ferramentas de perfil são usadas para determinar onde surgem os estrangulamentos. Perfis podem ser feitos para todos os fatores listados acima, em um ambiente MS Windows ou Linux. Existem muitas ferramentas de sistema operacional e de idioma disponíveis para isso, bem como utilitários de terceiros. A escolha da linguagem agora será discutida no contexto da performance.
C ++, Java, Python, R e MatLab contêm bibliotecas de alto desempenho (como parte do padrão ou externo) para estrutura básica de dados e trabalho algorítmico. C ++ é fornecido com a Biblioteca de modelos padrão, enquanto o Python contém 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 dos únicos desenvolvedores.
A latência é muitas vezes uma questão do sistema de execução, pois as ferramentas de pesquisa geralmente estão localizadas 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 (operacional, latência do sistema de mensagens kernal), sinais de negociação enviados (latência de NIC) e pedidos processados ​​(latência interna de sistemas de intercâmbio).
Para operações de maior freqüência, é necessário familiarizar-se intimamente com a otimização do kernal, além de otimizar a 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 conjunto de ferramentas de um desenvolvedor de negócios quantitativo. O armazenamento em cache se refere ao conceito de armazenamento de dados acessados ​​com frequência de uma maneira que permite acesso de maior desempenho, em detrimento do potencial de rigidez 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 cache pode ser extremamente benéfico. Por exemplo, o estado atual de um portfólio de estratégias pode ser armazenado em um cache até que ele seja reequilibrado, de modo que a lista não precise ser regenerada em cada loop do algoritmo de negociação. Such regeneration is likely to be a high CPU or disk I/O operation.
However, caching is not without its own issues. Regeneration of cache data all at once, due to the volatilie nature of cache storage, can place significant demand on infrastructure. Another issue is dog-piling , where multiple generations of a new cache copy are carried out under extremely high load, which leads to cascade failure.
Dynamic memory allocation is an expensive operation in software execution. Thus it is imperative for higher performance trading applications to be well-aware how memory is being allocated and deallocated during program flow. Newer language standards such as Java, C# and Python all perform automatic garbage collection , which refers to deallocation of dynamically allocated memory when objects go out of scope .
Garbage collection is extremely useful during development as it reduces errors and aids readability. No entanto, muitas vezes é sub óptimo para certas estratégias de negociação de alta freqüência. Custom garbage collection is often desired for these cases. In Java, for instance, by tuning the garbage collector and heap configuration, it is possible to obtain high performance for HFT strategies.
C++ doesn't provide a native garbage collector and so it is necessary to handle all memory allocation/deallocation as part of an object's implementation. While potentially error prone (potentially leading to dangling pointers) it is extremely useful to have fine-grained control of how objects appear on the heap for certain applications. When choosing a language make sure to study how the garbage collector works and whether it can be modified to optimise for a particular use case.
Many operations in algorithmic trading systems are amenable to parallelisation . This refers to the concept of carrying out multiple programmatic operations at the same time, i. e in "parallel". So-called "embarassingly parallel" algorithms include steps that can be computed fully independently of other steps. Certain statistical operations, such as Monte Carlo simulations, are a good example of embarassingly parallel algorithms as each random draw and subsequent path operation can be computed without knowledge of other paths.
Other algorithms are only partially parallelisable. Fluid dynamics simulations are such an example, where the domain of computation can be subdivided, but ultimately these domains must communicate with each other and thus the operations are partially sequential. Parallelisable algorithms are subject to Amdahl's Law, which provides a theoretical upper limit to the performance increase of a parallelised algorithm when subject to $N$ separate processes (e. g. on a CPU core or thread ).
Parallelisation has become increasingly important as a means of optimisation since processor clock-speeds have stagnated, as newer processors contain many cores with which to perform parallel calculations. The rise of consumer graphics hardware (predominently for video games) has lead to the development of Graphical Processing Units (GPUs), which contain hundreds of "cores" for highly concurrent operations. Such GPUs are now very affordable. High-level frameworks, such as Nvidia's CUDA have lead to widespread adoption in academia and finance.
Such GPU hardware is generally only suitable for the research aspect of quantitative finance, whereas other more specialised hardware (including Field-Programmable Gate Arrays - FPGAs) are used for (U)HFT. Nowadays, most modern langauges support a degree of concurrency/multithreading. Thus it is straightforward to optimise a backtester, since all calculations are generally independent of the others.
Scaling in software engineering and operations refers to the ability of the system to handle consistently increasing loads in the form of greater requests, higher processor usage and more memory allocation. In algorithmic trading a strategy is able to scale if it can accept larger quantities of capital and still produce consistent returns. The trading technology stack scales if it can endure larger trade volumes and increased latency, without bottlenecking .
While systems must be designed to scale, it is often hard to predict beforehand where a bottleneck will occur. Rigourous logging, testing, profiling and monitoring will aid greatly in allowing a system to scale. Languages themselves are often described as "unscalable". This is usually the result of misinformation, rather than hard fact. It is the total technology stack that should be ascertained for scalability, not the language. Clearly certain languages have greater performance than others in particular use cases, but one language is never "better" than another in every sense.
One means of managing scale is to separate concerns, as stated above. In order to further introduce the ability to handle "spikes" in the system (i. e. sudden volatility which triggers a raft of trades), it is useful to create a "message queuing architecture". This simply means placing a message queue system between components so that orders are "stacked up" if a certain component is unable to process many requests.
Rather than requests being lost they are simply kept in a stack until the message is handled. This is particularly useful for sending trades to an execution engine. If the engine is suffering under heavy latency then it will back up trades. A queue between the trade signal generator and the execution API will alleviate this issue at the expense of potential trade slippage. A well-respected open source message queue broker is RabbitMQ.
Hardware and Operating Systems.
The hardware running your strategy can have a significant impact on the profitability of your algorithm. This is not an issue restricted to high frequency traders either. A poor choice in hardware and operating system can lead to a machine crash or reboot at the most inopportune moment. Thus it is necessary to consider where your 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 designed 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 Secure 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 halt execution in order to investigate the state of the system. The main benefit of debugging is that it is possible to investigate the behaviour of code prior to a known crash point .
Debugging is an essential component in the toolbox for analysing programming errors. However, they are more widely used in compiled languages such as C++ or Java, as interpreted languages such as Python are often easier to debug due to fewer LOC and less verbose statements. Despite this tendency Python does ship with the pdb, which is a sophisticated debugging tool. The Microsoft Visual C++ IDE possesses extensive GUI debugging utilities, while for the command line Linux C++ programmer, the gdb debugger exists.
Testing in software development refers to the process of applying known parameters and results to specific functions, methods and objects within a codebase, in order to simulate behaviour and evaluate multiple code-paths, helping to ensure that a system behaves as it should. A more recent paradigm is known as Test Driven Development (TDD), where test code is developed against a specified interface with no implementation. Prior to the completion of the actual codebase all tests will fail. As code is written to "fill in the blanks", the tests will eventually all pass, at which point development should cease.
TDD requires extensive upfront specification design as well as a healthy degree of discipline in order to carry out successfully. In C++, Boost provides a unit testing framework. In Java, the JUnit library exists to fulfill the same purpose. Python also has the unittest module as part of the standard library. Many other languages possess unit testing frameworks and often there are multiple options.
In a production environment, sophisticated logging is absolutely essential. Logging refers to the process of outputting messages, with various degrees of severity, regarding execution behaviour of a system to a flat file or database. Logs are a "first line of attack" when hunting for unexpected program runtime behaviour. Unfortunately the shortcomings of a logging system tend only to be discovered after the fact! As with backups discussed below, a logging system should be given due consideration BEFORE a system is designed.
Both Microsoft Windows and Linux come with extensive system logging capability and programming languages tend to ship with standard logging libraries that cover most use cases. It is often wise to centralise logging information in order to analyse it at a later date, since it can often lead to ideas about improving performance or error reduction, which will almost certainly have a positive impact on your trading returns.
While logging of a system will provide information about what has transpired in the past, monitoring of an application will provide insight into what is happening right now . All aspects of the system should be considered for monitoring. System level metrics such as disk usage, available memory, network bandwidth and CPU usage provide basic load information.
Trading metrics such as abnormal 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.
Apenas iniciando o comércio quantitativo?
3 razões para se inscrever para a lista de e-mails QuantStart:
1. Quant Trading Lessons.
Você terá acesso instantâneo a um curso de e-mail gratuito de 10 partes, repleto de sugestões e dicas para ajudá-lo a começar a negociação quantitativa!
2. Todo o conteúdo mais recente.
Todas as semanas, vou enviar-lhe um envoltório de todas as atividades no QuantStart para que você nunca mais perca uma postagem novamente.
Real, dicas de negociação viáveis, sem tonturas.