Write Trading System

Un sistema comercial es simplemente un grupo de reglas específicas, o parámetros, que determinan los puntos de entrada y salida para un patrimonio determinado. Estos puntos, conocidos como señales, se marcan a menudo en una carta en tiempo real y solicitan la ejecución inmediata de una operación. Aquí están algunas de las herramientas de análisis técnico más utilizadas para construir los parámetros de los sistemas de negociación: Promedios móviles (MA) 13 Estocástico 13 Osciladores 13 Fuerza relativa 13 Bandas de Bollinger A menudo, dos o más de estas formas de indicadores se combinarán en la creación De una regla. Por ejemplo, el sistema de crossover MA utiliza dos parámetros de media móvil, el largo plazo y el corto plazo, para crear una regla: comprar cuando el corto plazo cruza por encima del largo plazo, y vender cuando lo contrario es cierto. En otros casos, una regla utiliza sólo un indicador. Por ejemplo, un sistema puede tener una regla que prohíba cualquier compra a menos que la fuerza relativa esté por encima de cierto nivel. Sin embargo, es una combinación de todos estos tipos de reglas que hace que un sistema de negociación. MSFT Moving Average Cross-Over System Usando 5 y 20 promedios móviles Como el éxito de todo el sistema depende de lo bien que funcionan las reglas, los operadores del sistema pasan tiempo optimizando Con el fin de gestionar el riesgo. Aumentar la cantidad ganada por comercio y lograr estabilidad a largo plazo. Esto se hace modificando diferentes parámetros dentro de cada regla. Por ejemplo, para optimizar el sistema de crossover MA, un operador probaría para ver qué medias móviles (10 días, 30 días, etc.) funcionan mejor y luego implementarlas. Pero la optimización puede mejorar los resultados por sólo un pequeño margen - es la combinación de parámetros utilizados que en última instancia determinará el éxito de un sistema. Ventajas Por lo tanto, ¿por qué podría usted quiere adoptar un sistema de comercio Se necesita toda la emoción de la negociación - La emoción se cita a menudo como uno de los mayores defectos de los inversores individuales. Los inversores que son incapaces de hacer frente a las pérdidas de segundo adivinar sus decisiones y terminan perdiendo dinero. Siguiendo estrictamente un sistema pre-desarrollado, los comerciantes del sistema pueden renunciar a la necesidad de tomar cualquier decisión una vez que el sistema es desarrollado y establecido, el comercio no es empírico, ya que es automatizado. Al reducir las ineficiencias humanas, los comerciantes del sistema pueden aumentar los beneficios. Se puede ahorrar mucho tiempo - Una vez que un sistema eficaz es desarrollado y optimizado. Poco o ningún esfuerzo es requerido por el comerciante. Las computadoras se utilizan a menudo para automatizar no sólo la generación de señal, sino también el comercio actual, por lo que el comerciante se libera de pasar tiempo en el análisis y hacer trades. Its fácil si deja que otros lo hacen por usted - Necesita todo el trabajo hecho por Algunas empresas venden sistemas comerciales que han desarrollado. Otras compañías le darán las señales generadas por sus sistemas de comercio interno por una cuota mensual. Tenga cuidado, sin embargo - muchas de estas empresas son fraudulentas. Eche un vistazo a los resultados que se jactan sobre se tomaron. Después de todo, es fácil ganar en el pasado. Busque empresas que ofrecen una prueba, que le permite probar el sistema en tiempo real. Desventajas Hemos examinado las principales ventajas de trabajar con un sistema de comercio, pero el enfoque también tiene sus inconvenientes. Los sistemas de comercio son complejos - Este es su mayor inconveniente. En las etapas de desarrollo, los sistemas comerciales exigen una sólida comprensión del análisis técnico, la capacidad de tomar decisiones empíricas y un conocimiento profundo de cómo funcionan los parámetros. Pero incluso si usted no está desarrollando su propio sistema de comercio, es importante estar familiarizado con los parámetros que componen el que está utilizando. La adquisición de todas estas habilidades puede ser un desafío. Usted debe ser capaz de hacer suposiciones realistas y emplear eficazmente el sistema - Los comerciantes del sistema deben hacer suposiciones realistas sobre los costos de transacción. Estos serán más que costos de comisión - la diferencia entre el precio de ejecución y el precio de llenado es una parte de los costos de transacción. Tenga en cuenta, a menudo es imposible probar los sistemas con precisión, causando un grado de incertidumbre al llevar el sistema en vivo. Los problemas que ocurren cuando los resultados simulados difieren mucho de los resultados reales se conocen como deslizamiento. Efectivamente lidiar con el deslizamiento puede ser un obstáculo importante para desplegar un sistema exitoso. El desarrollo puede ser una tarea que requiere mucho tiempo - Un montón de tiempo puede ir en el desarrollo de un sistema comercial para que funcione y funcione correctamente. Diseñar un concepto de sistema y ponerlo en práctica implica un montón de pruebas, lo que toma un tiempo. El backtesting histórico tarda algunos minutos sin embargo, la prueba posterior solamente no es suficiente. Los sistemas también deben comercializarse en papel en tiempo real para garantizar la fiabilidad. Finalmente, el deslizamiento puede hacer que los comerciantes hagan varias revisiones a sus sistemas incluso después del despliegue. ¿Trabajan Hay un número de estafas de Internet relacionadas con el sistema de comercio, pero también hay muchos legítimos, los sistemas de éxito. Quizás el ejemplo más famoso es el desarrollado e implementado por Richard Dennis y Bill Eckhardt, quienes son los Comerciantes de Tortugas Originales. En 1983, estos dos tenían una disputa sobre si un buen comerciante es nacido o hecho. Por lo tanto, se tomó a algunas personas de la calle y los entrenó basado en su ahora famoso sistema de comercio de tortugas. Se reunieron 13 comerciantes y terminó haciendo 80 anualmente durante los próximos cuatro años. Bill Eckhardt dijo una vez, cualquier persona con inteligencia promedio puede aprender a comerciar. Esto no es ciencia de cohetes. Sin embargo, es mucho más fácil aprender lo que debe hacer en el comercio que hacerlo. Los sistemas de comercio se están volviendo cada vez más populares entre los comerciantes profesionales, los gestores de fondos y los inversores individuales por igual - tal vez esto es un testamento de lo bien que trabajan. Dealing con estafas Cuando se mira para comprar un sistema comercial, puede ser difícil encontrar un negocio de confianza . Pero la mayoría de las estafas pueden ser detectadas por el sentido común. Por ejemplo, una garantía de 2.500 anuales es claramente escandalosa, ya que promete que con sólo 5.000 que podría hacer 125.000 en un año. Y luego a través de la composición de cinco años, 48,828,125,000 Si esto fuera cierto, no el creador de comercio su forma de convertirse en un multimillonario Otras ofertas, sin embargo, son más difíciles de decodificar, pero una forma común de evitar las estafas es buscar sistemas que Ofrecen una prueba gratuita. De esta manera usted puede probar el sistema usted mismo. Nunca confíe ciegamente en el negocio se jacta. También es una buena idea contactar a otros que han utilizado el sistema, para ver si pueden afirmar su fiabilidad y rentabilidad. Conclusión Desarrollar un sistema de comercio eficaz no es una tarea fácil. Requiere una comprensión sólida de los muchos parámetros disponibles, la capacidad de hacer suposiciones realistas y el tiempo y la dedicación para desarrollar el sistema. Sin embargo, si se desarrolla y despliega correctamente, un sistema comercial puede producir muchas ventajas. Puede aumentar la eficiencia, liberar tiempo y, lo más importante, aumentar sus ganancias. Sistemas de Trading: Diseño de su Sistema - Parte 1 Sistemas de Codificación de los Sistemas de Trading son simplemente conjuntos de reglas que los comerciantes utilizan para determinar sus entradas y salidas de una posición. El desarrollo y el uso de sistemas de negociación pueden ayudar a los comerciantes a lograr rendimientos consistentes mientras limitan el riesgo. En una situación ideal, los comerciantes deben sentirse como robots, ejecutar oficios sistemáticamente y sin emoción. Así que, tal vez usted se preguntó: ¿Qué es detener a un robot de comercio de mi sistema La respuesta: Nada Este tutorial le presentará a las herramientas y técnicas que puede utilizar para crear su propio sistema de comercio automatizado. ¿Cómo se crean sistemas automatizados de trading? Los sistemas automatizados de trading se crean convirtiendo sus reglas de sistemas de trading en código que su computadora puede entender. Su computadora entonces ejecuta esas reglas a través de su software comercial, que busca los oficios que se adhieren a sus reglas. Finalmente, los oficios se colocan automáticamente con su corredor. Este tutorial se centrará en las partes segunda y tercera de este proceso, donde sus reglas se convierten en un código que su software comercial puede comprender y utilizar. ¿Qué software comercial soporta los sistemas de comercio automatizado Hay muchos programas comerciales que apoyan los sistemas de comercio automatizado. Algunos generarán y colocarán automáticamente oficios con su corredor. Otros encontrarán automáticamente operaciones que se ajusten a sus criterios, pero requieren que realice los pedidos con su corredor manualmente. Por otra parte, los programas de comercio completamente automáticos a menudo requieren que utilice corretajes específicos que soportan tales características que también puede tener que completar un formulario de autorización adicional. Ventajas y desventajas Sistemas de comercio automatizado tienen varios beneficios, pero también tienen sus desventajas. Después de todo, si alguien tuviera un sistema comercial que automáticamente ganara dinero todo el tiempo, él o ella tendría literalmente una máquina de hacer dinero Ventajas: Un sistema automatizado toma la emoción y el trabajo ocupado de la negociación, lo que le permite centrarse en mejorar Su estrategia y reglas de administración de dinero. 13 Una vez que se desarrolla un sistema rentable, no requiere ningún trabajo de su parte hasta que se rompa, o las condiciones del mercado exigen un cambio. Desventajas: Si el sistema no está correctamente codificado y probado, grandes pérdidas pueden ocurrir muy rápidamente. 13 A veces es imposible poner ciertas reglas en el código, lo que dificulta el desarrollo de un sistema de comercio automatizado. En este tutorial aprenderá a planificar y diseñar un sistema de comercio automatizado, cómo traducir este diseño en código que su computadora entienda, cómo probar su plan para asegurar un rendimiento óptimo y, finalmente, cómo poner su sistema en uso. Sistemas de Trading Codificación: Diseño del SistemaSuscríbete a las noticias que debes utilizar para obtener las últimas ideas y análisis Gracias por registrarte en Investopedia Insights - Noticias para usar. Los sistemas de trading automatizados minimizan las emociones, permiten una entrada de pedidos más rápida, conducen a una mayor coherencia y resuelven problemas de error piloto. Los operadores de sistemas dividen su tiempo entre el comercio, el desarrollo, el backtesting, la optimización y las pruebas directas, para crear sistemas comerciales viables y de alta probabilidad. Automated forex trading software escanea el mercado para comercios favorables basados ​​en su entrada. Obtenga más información sobre esta valiosa herramienta forex. Al combinar un buen análisis con una implementación efectiva, puede mejorar dramáticamente sus ganancias en este mercado. Aprenda a agregar estructura a sus métodos comerciales con estos seis pasos importantes. La mayoría de los corredores le proporcionará registros comerciales, pero también es importante para realizar un seguimiento por su cuenta. Software ha hecho día de comercio rápido y automático - más razón para ser tan cuidadoso como sea posible al elegir el más adecuado para sus necesidades. Investopedia explica: La interconexión global de los sistemas de pagos de los Estados Unidos hace posibles las transferencias comerciales y financieras. Preguntas Frecuentes La depreciación puede usarse como un gasto deducible de impuestos para reducir los costos tributarios, reforzando el flujo de caja. Aprenda cómo Warren Buffett tuvo tanto éxito a través de su asistencia a múltiples escuelas de prestigio y sus experiencias en el mundo real. El Instituto CFA le permite a un individuo una cantidad ilimitada de intentos en cada examen. Aunque usted puede intentar el examen. Conozca los salarios promedio de los analistas de bolsa en los Estados Unidos y los diferentes factores que afectan los salarios y los niveles generales. Preguntas Frecuentes La depreciación puede usarse como un gasto deducible de impuestos para reducir los costos tributarios, reforzando el flujo de caja. Aprenda cómo Warren Buffett tuvo tanto éxito a través de su asistencia a múltiples escuelas de prestigio y sus experiencias en el mundo real. El Instituto CFA le permite a un individuo una cantidad ilimitada de intentos en cada examen. Aunque usted puede intentar el examen. Aprenda sobre los salarios promedio de los analistas de bolsa en los Estados Unidos y los diferentes factores que afectan los salarios y los niveles generales. Cómo escribir un plan de comercio Escribir un plan de negociación es una parte integral de ser un comerciante de mercado exitoso. Si las existencias de comercio, divisas o materias primas, un detallado plan de comercio ayuda a solidificar una estrategia comercial y fomenta la adhesión a un sistema de comercio bien desarrollado. Un plan de comercio eficaz detalla los pasos que un comerciante debe seguir al entrar y salir de operaciones. Sin un plan de comercio en el lugar, los comerciantes son más susceptibles a errores comerciales, overtrading y tomar decisiones impulsivas en los mercados volátiles, sobre todo cuando el comercio en línea. Aquí están los pasos para escribir un plan comercial. Pasos Editar Decidir qué instrumentos financieros que va a operar. Usted puede ser estrictamente un comerciante de acciones o divisas, o puede ser la negociación de múltiples mercados. Cree una categoría separada en su plan de negociación para cada instrumento financiero. ¿Puedes poner wikiHow en la lista blanca para tu bloqueador de anuncios? WikiHow depende del dinero del anuncio para ofrecerte nuestras guías gratuitas de cómo hacerlo. Aprender cómo . Determinar cuáles son las acciones, monedas u otros instrumentos financieros para el comercio. Por ejemplo, usted puede estar interesado en algunas acciones de la empresa. O al operar con divisas, puede negociar sólo un par de divisas o todas las parejas relacionadas con la libra esterlina (GBP). Anote los nombres de las empresas, monedas o productos específicos. Identifique sus indicadores de mercado. Por ejemplo, es posible que el comercio de una moneda en particular sobre la base de una serie de indicadores de gráfico relacionados con el impulso, las medias móviles y las líneas de tendencia. Anote las condiciones exactas que deben cumplirse antes de poder entrar en un determinado comercio. Decida con antelación cuántas acciones o lotes va a comprar. Pensar a través del tamaño comercial antes de tiempo le ayudará a evitar tomar riesgos que pueden dar lugar a una pérdida tremenda. Anote el número de acciones o lotes que desea comprar. Establezca puntos de entrada de precios específicos. Su meta puede ser comprar una acción particular cuando alcanza un precio específico. Escriba a qué precio va a comprar la acción, más o menos algunos puntos, si corresponde. Escriba el proceso de cómo supervisará cada operación. Cuando el día de comercio, por ejemplo, puede comprobar el precio de sus acciones o divisas cada 15 minutos. O puede configurar una alarma para avisarle de estos incrementos de tiempo. Decidir sobre los parámetros para las salidas comerciales. Documentar su estrategia exacta para salidas comerciales evita decisiones comerciales de última hora o impulsivas, como salir de un comercio demasiado temprano o mantenerlo durante demasiado tiempo. Si usted tiene un sistema de comercio bien probado y rentable con un estricto plan de gestión de dinero, salir de su comercio basado en parámetros establecidos dará los mejores resultados. Escriba las condiciones exactas que deben cumplirse antes de salir de su comercio. Esto puede ser un punto de precio exacto, un nivel de indicador de gráfico o una hora específica del día. Incluya una sección para tiempos de negociación. Si el comercio de las 24 horas del mercado de divisas, el comercio puede ser un evento sin escalas. Decidir sobre un horario de negociación y escribirlo en su plan de comercio. Cuando las existencias de comercio de día, puede trabajar durante 4 horas cada día a partir de la apertura diaria. Si usted negocia en marcos de tiempo más largos, su horario comercial puede implicar solamente un compromiso diario de 15 minutos para comprobar precios y leer noticias relevantes del mercado. Evaluar su plan de comercio. Incluya una sección en su plan de negociación para evaluar sus operaciones. Esto puede ser un cuadro de comentarios en el que anote si se ha adherido a su plan de negociación. Alternativamente, puede ser una lista de pasos que debe marcarse durante el comercio. Crear un sistema de comercio dentro del sistema de comercio Laboratorio Lab Laboratorio de Laboratorio generará automáticamente los sistemas de comercio en cualquier mercado en unos minutos utilizando un programa de computadora muy avanzado conocido como AIMGP Inducción automática de código de máquina con programación genética). Creación de un sistema de comercio dentro de Trading System Lab se lleva a cabo en 3 sencillos pasos. En primer lugar, se ejecuta un preprocesador simple que extrae y procesa automáticamente los datos necesarios del mercado con el que desea trabajar. TSL acepta CSI, MetaStock, AIQ, TradeStation, datos de Internet gratis, ASCII, TXT, CSV, CompuTrac, DowJones, FutureSource, TeleChart2000v3, TechTools, XML, datos binarios e Internet Streaming. En segundo lugar, el generador del sistema de comercio (GP) se ejecuta durante varios minutos, o más, para desarrollar un nuevo sistema de comercio. Puede utilizar sus propios datos, patrones, indicadores, relaciones intermarcas o datos fundamentales dentro de TSL. En tercer lugar, el sistema de comercio evolucionado está formateado para producir nuevas señales del sistema de comercio desde TradeStation o muchas otras plataformas comerciales. TSL escribirá automáticamente Easy Language, Java, Assembler, código C, código C y WealthLab Script Language. El Sistema de Negociación puede ser negociado manualmente, negociado a través de un corredor, o negociado automáticamente. Usted puede crear el sistema de comercio usted mismo o podemos hacerlo por usted. Entonces, o usted o su corredor pueden negociar el sistema manualmente o automáticamente. Trading System Labs Genética Programa contiene varias características que reducen la posibilidad de ajuste de curva, o la producción de un sistema de comercio que no continúe realizando en el futuro. En primer lugar, los Sistemas de Negociación evolucionados tienen su tamaño podado hasta el tamaño más bajo posible a través de lo que se llama Presión de Parsimonia, tomando como base el concepto de longitud de descripción mínima. Por lo tanto, el sistema de comercio resultante es tan simple como sea posible y generalmente se cree que cuanto más simple sea el sistema de comercio, mejor se llevará a cabo en el futuro. En segundo lugar, la aleatoriedad se introduce en el proceso evolutivo, lo que reduce la posibilidad de encontrar soluciones que sean localmente, pero no globalmente óptimas. La aleatoriedad se introduce no sólo en las combinaciones del material genético utilizado en los Sistemas de Negociación evolucionados, sino también en Parsimony Pressure, Mutation, Crossover y otros parámetros GP de nivel superior. Se realizan pruebas fuera de la muestra mientras se está realizando el entrenamiento con la información estadística presentada en las pruebas de la muestra y fuera de la muestra del sistema de comercio. Los registros de ejecución se presentan al usuario para los datos de formación, validación y fuera de muestra. Un buen comportamiento El rendimiento de la muestra puede ser indicativo de que el sistema de comercio está evolucionando con características robustas. El deterioro sustancial en las pruebas automáticas fuera de la muestra en comparación con las pruebas en la muestra puede implicar que la creación de un robusto sistema de comercio está en duda o que el terminal o conjunto de entrada puede ser necesario cambiar. Por último, el conjunto de terminales se elige cuidadosamente para no sesgar excesivamente la selección del material genético inicial hacia cualquier sesgo o sentimiento particular del mercado. TSL no comienza su ejecución con un sistema de comercio predefinido. De hecho, inicialmente sólo se establece el conjunto de entradas y una selección de modos o modos de entrada en el mercado, para la búsqueda y asignación automática de entradas. Un patrón o indicador de comportamiento que puede ser pensado como una situación alcista puede ser utilizado, descartado o invertido dentro de la GP. Ningún patrón o indicador está preasignado a ningún sesgo particular del movimiento del mercado. Esta es una salida radical del desarrollo generado manualmente del sistema de comercio. Un sistema de comercio es un conjunto lógico de instrucciones que le dicen al comerciante cuándo comprar o vender un mercado en particular. Estas instrucciones rara vez requieren la intervención de un comerciante. Los Sistemas de Negociación pueden ser negociados manualmente, observando las instrucciones de negociación en una pantalla de computadora, o pueden ser intercambiados permitiendo que la computadora ingrese los oficios en el mercado automáticamente. Ambos métodos están en uso generalizado hoy en día. Hay más administradores de dinero profesionales que se consideran operadores sistemáticos o mecánicos que aquellos que se consideran discrecionales, y el desempeño de los administradores sistemáticos de dinero es generalmente superior al de los administradores de dinero discrecional. Los estudios han demostrado que las cuentas comerciales generalmente pierden dinero más a menudo si el cliente no está usando un sistema de comercio. El significativo aumento de los sistemas de negociación en los últimos 10 años es evidente, especialmente en las empresas de corretaje de materias primas, sin embargo las empresas de corretaje de acciones y de bonos están cada vez más conscientes de los beneficios mediante el uso de Trading Systems y algunos han comenzado a ofrecer Clientes minoristas. La mayoría de los gestores de fondos mutuos ya están utilizando algoritmos informáticos sofisticados para guiar sus decisiones en cuanto a qué stock caliente a elegir o qué rotación del sector está a favor. Los ordenadores y los algoritmos se han convertido en la corriente principal en la inversión y esperamos que esta tendencia continúe mientras que los inversionistas más jóvenes y más informáticos continúan permitiendo que partes de su dinero sean administradas por Trading Systems para reducir el riesgo y aumentar los retornos. Las enormes pérdidas experimentadas por los inversionistas que participan en la compra y tenencia de acciones y fondos mutuos como el mercado de valores se derritieron en los últimos años está fomentando este movimiento hacia un enfoque más disciplinado y lógico a la inversión en el mercado de valores. El inversionista medio se da cuenta que él o ella actualmente permite que muchos aspectos de sus vidas y vidas de sus seres queridos sean mantenidos o controlados por computadoras como los automóviles y aviones que usamos para el transporte, el equipo de diagnóstico médico que usamos para el mantenimiento de la salud, Los controladores de calefacción y refrigeración que utilizamos para el control de la temperatura, las redes que utilizamos para la información basada en Internet, incluso los juegos que jugamos para el entretenimiento. ¿Por qué entonces algunos inversores minoristas creen que pueden disparar desde la cadera en sus decisiones en cuanto a qué acciones o fondos mutuos para comprar o vender y esperar a ganar dinero Por último, el inversionista promedio se ha convertido en cauteloso de los consejos y la información remitida por corredores sin escrúpulos , Contadores, directores corporativos y asesores financieros. Durante los últimos 20 años, los matemáticos y los desarrolladores de software han buscado indicadores y patrones en los mercados de acciones y materias primas buscando información que pueda apuntar a la dirección del mercado. Esta información se puede utilizar para mejorar el rendimiento de los sistemas de negociación. Generalmente, este proceso de descubrimiento se logra mediante una combinación de prueba y error y una minería de datos más sofisticada. Por lo general, el desarrollador tomará semanas o meses de crujido de números con el fin de producir un sistema de comercio potencial. Muchas veces este sistema de comercio no funcionará bien cuando realmente se utiliza en el futuro debido a lo que se llama ajuste de curva. A lo largo de los años ha habido muchos sistemas de comercio (y las empresas de desarrollo de sistemas de comercio) que han ido y venido como sus sistemas han fallado en el comercio en vivo. Desarrollar sistemas de negociación que continúen realizando en el futuro es difícil, pero no imposible de lograr, aunque ningún desarrollador ético o administrador de dinero dará una garantía incondicional de que cualquier sistema de comercio, o de cualquier acción, bono o fondo mutuo, continuará Para producir beneficios en el futuro para siempre. Lo que llevó semanas o meses para que el desarrollador del Sistema de Negociación produjera en el pasado puede ahora ser producido en cuestión de minutos a través del uso de Trading System Lab. Trading System Lab es una plataforma para la generación automática de Trading Systems y Trading Indicators. TSL hace uso de un motor de programación genética de alta velocidad y producirá sistemas de negociación a una tasa de más de 16 millones de barras de sistema por segundo basado en 56 entradas. Tenga en cuenta que sólo unas pocas entradas realmente serán usadas o necesarias resultando en estructuras de estrategia evolucionadas generalmente simples. Con aproximadamente 40.000 a 200.000 sistemas necesarios para una convergencia, el tiempo de convergencia para cualquier conjunto de datos puede ser aproximado. Tenga en cuenta que no estamos simplemente ejecutando una optimización de la fuerza bruta de los indicadores existentes en busca de parámetros óptimos desde los que utilizar en un sistema de comercio ya estructurado. El Generador del Sistema de Negociación comienza en un origen de punto cero sin hacer suposiciones sobre el movimiento del mercado en el futuro y luego desarrolla Trading Systems a un ritmo muy alto combinando la información presente en el mercado y formulando nuevos filtros, funciones, condiciones y relaciones ya que Progresa hacia un sistema de comercio genéticamente modificado. El resultado es que un excelente sistema de comercio puede ser generado en unos pocos minutos en 20-30 años de datos de mercado diarios en prácticamente cualquier mercado. En los últimos años ha habido varios enfoques para la optimización del sistema de comercio que emplean el Algoritmo Genético menos potente. Los Programas Genéticos (GPs) son superiores a los Algoritmos Genéticos (AGs) por varias razones. En primer lugar, los GPs convergen en una solución a una tasa exponencial (muy rápido y cada vez más rápido), mientras que los algoritmos genéticos convergen a una velocidad lineal (mucho más lento y no obtener más rápido). En segundo lugar, los médicos generan en realidad el código de sistema del sistema de comercio que combina el material genético (indicadores, patrones, datos inter-mercado) de maneras únicas. Estas combinaciones únicas pueden no ser intuitivamente obvias y no requieren definiciones iniciales por el desarrollador del sistema. Las relaciones matemáticas únicas creadas pueden convertirse en nuevos indicadores, o variantes en el Análisis Técnico, aún no desarrollados o descubiertos. Por otro lado, los GAs simplemente buscan soluciones óptimas a medida que avanzan en el rango de parámetros, no descubren nuevas relaciones matemáticas y no escriben su propio código de sistema de comercio. Los GPs crean código del sistema de comercio de varias longitudes, usando genomas de longitud variable, modificarán la longitud del sistema de comercio a través de lo que se llama crossover no homóloga y descartarán completamente un indicador o patrón que no contribuye a la eficiencia del sistema de comercio. Los GAs usan sólo bloques de instrucción de tamaño fijo, haciendo uso de solo crossover homólogo y no producen código de sistema de Trading de longitud variable, ni descartan un indicador o patrón ineficiente tan fácilmente como un GP. Por último, los programas genéticos son un avance reciente en el dominio del aprendizaje automático, mientras que los algoritmos genéticos fueron descubiertos hace 30 años. Los programas genéticos incluyen todas las funcionalidades principales de los algoritmos genéticos crossover, reproducción, mutación y fitness, sin embargo GPs incluyen mucho más rápido y robusto características, haciendo GPs la mejor opción para la producción de Trading Systems. El GP empleado en TSLs Trading System Generator es el GP más rápido disponible actualmente y no está disponible en ningún otro software de mercado financiero en el mundo. El Algoritmo de Programación Genética, el Simulador de Comercio y los Motores de Fitness utilizados en TSL tomaron más de 8 años para producir. Trading System Lab es el resultado de años de duro trabajo de un equipo de ingenieros, científicos, programadores y comerciantes, y creemos que representa la tecnología más avanzada disponible hoy en día para el comercio de los mercados. El mejor lenguaje de programación para los sistemas de comercio algorítmico Por Michael Halls-Moore El 26 de julio de 2013 Una de las preguntas más frecuentes que recibo en el mailbag QS es ¿Cuál es el mejor lenguaje de programación para el comercio algorítmico. La respuesta corta es que no hay mejor lenguaje. Los parámetros de la estrategia, el rendimiento, la modularidad, el desarrollo, la resiliencia y el costo deben ser considerados. Este artículo describirá los componentes necesarios de una arquitectura algorítmica de sistemas de comercio y cómo las decisiones relativas a la implementación afectan la elección del lenguaje. En primer lugar, se considerarán los componentes principales de un sistema de negociación algorítmica, como las herramientas de investigación, el optimizador de cartera, el gestor de riesgos y el motor de ejecución. Posteriormente, se examinarán diferentes estrategias comerciales y cómo afectarán el diseño del sistema. En particular, se discutirá la frecuencia de las operaciones y el probable volumen de negociación. Una vez que se ha seleccionado la estrategia de negociación, es necesario diseñar todo el sistema. Esto incluye la elección del hardware, el sistema operativo y la resiliencia del sistema frente a eventos raros y potencialmente catastróficos. Mientras se está considerando la arquitectura, se debe tener en cuenta el desempeño - tanto en las herramientas de investigación como en el entorno de ejecución en vivo. ¿Qué es el sistema de comercio que trata de hacer Antes de decidir sobre el mejor idioma con el que escribir un sistema de comercio automatizado es necesario definir los requisitos. ¿El sistema va a ser puramente basado en la ejecución? ¿El sistema requerirá una gestión de riesgos o un módulo de construcción de cartera? El sistema requerirá un backtestter de alto rendimiento. Para la mayoría de las estrategias el sistema de negociación puede dividirse en dos categorías: Investigación y generación de señales. La investigación se ocupa de la evaluación del desempeño de una estrategia con respecto a los datos históricos. El proceso de evaluación de una estrategia de negociación sobre los datos de mercado anteriores se conoce como backtesting. El tamaño de los datos y la complejidad algorítmica tendrán un gran impacto en la intensidad computacional del backtester. La velocidad de la CPU y la concurrencia son a menudo los factores limitantes en la optimización de la velocidad de ejecución de la investigación. Generación de señal se refiere a la generación de un conjunto de señales comerciales de un algoritmo y el envío de estos pedidos al mercado, por lo general a través de una correduría. Para ciertas estrategias se requiere un alto nivel de rendimiento. Los problemas de E / S, como el ancho de banda de la red y la latencia, son a menudo el factor limitante en la optimización de los sistemas de ejecución. Por lo tanto, la elección de lenguajes para cada componente de todo el sistema puede ser muy diferente. Tipo, frecuencia y volumen de la estrategia El tipo de estrategia algorítmica empleada tendrá un impacto sustancial en el diseño del sistema. Será necesario considerar los mercados que se negocian, la conectividad con los proveedores de datos externos, la frecuencia y el volumen de la estrategia, el equilibrio entre la facilidad de desarrollo y la optimización del rendimiento, así como cualquier hardware personalizado, Servidores, GPUs o FPGAs que puedan ser necesarios. Las opciones tecnológicas para una estrategia de renta variable de baja frecuencia en los Estados Unidos serán muy diferentes de las de una estrategia de arbitraje estadístico de alta frecuencia que se negocia en el mercado de futuros. Antes de la elección del idioma muchos proveedores de datos deben ser evaluados que pertenecen a la estrategia de la mano. Será necesario considerar la conectividad con el proveedor, la estructura de cualquier API, la puntualidad de los datos, los requisitos de almacenamiento y la resiliencia frente a un vendedor que se desconecta. También es aconsejable poseer acceso rápido a múltiples vendedores. Varios instrumentos tienen sus propias peculiaridades de almacenamiento, ejemplos de los cuales incluyen múltiples símbolos ticker para las acciones y fechas de vencimiento para futuros (sin mencionar ningún dato OTC específico). Esto debe ser factorizado en el diseño de la plataforma. Frecuencia de la estrategia es probable que sea uno de los mayores impulsores de cómo la pila de tecnología se definirá. Las estrategias que emplean datos con más frecuencia que las barras minuciosas o secundarias requieren una consideración significativa con respecto al desempeño. Una estrategia que excede las barras secundarias (es decir, los datos de la señal) conduce a un diseño impulsado por el rendimiento como requisito primario. En el caso de las estrategias de alta frecuencia, será necesario almacenar y evaluar una cantidad sustancial de datos de mercado. El software tal como HDF5 o kdb se utiliza comúnmente para estas funciones. Con el fin de procesar los volúmenes extensos de datos necesarios para las aplicaciones de HFT, un sistema de backtester y de ejecución ampliamente optimizado debe ser utilizado. C / C (posiblemente con algún ensamblador) es probable que el candidato de idioma más fuerte. Las estrategias de frecuencia ultra-alta casi seguramente requerirán hardware personalizado como FPGAs, intercambio de co-location y kernal / network tuning. Sistemas de investigación Los sistemas de investigación típicamente implican una mezcla de desarrollo interactivo y secuencias de comandos automatizadas. El primero a menudo tiene lugar dentro de un IDE como Visual Studio, MatLab o R Studio. Este último implica cálculos numéricos extensos sobre numerosos parámetros y puntos de datos. Esto conduce a una elección de idioma que proporciona un entorno sencillo para probar el código, pero también proporciona un rendimiento suficiente para evaluar estrategias sobre múltiples dimensiones de parámetros. Los IDE típicos en este espacio incluyen Microsoft Visual C / C, que contiene extensas utilidades de depuración, capacidades de finalización de código (a través de Intellisense) y visiones generales directas de toda la pila de proyectos (a través de la base de datos ORM, LINQ) MatLab. Que está diseñado para el álgebra lineal numérica extensa y operaciones vectorizadas, pero en una forma de consola interactiva R Studio. Que envuelve la consola de lenguaje estadístico R en un IDE IDE Eclipse completamente desarrollado para Linux Java y C y IDEs semi-propietarios como Enthought Canopy para Python, que incluyen bibliotecas de análisis de datos como NumPy. SciPy. Scikit-learn y pandas en un solo ambiente interactivo (consola). Para el backtesting numérico, todos los idiomas anteriores son adecuados, aunque no es necesario utilizar una GUI / IDE, ya que el código se ejecutará en segundo plano. La consideración principal en esta etapa es la de la velocidad de ejecución. Un lenguaje compilado (como C) suele ser útil si las dimensiones del parámetro de backtesting son grandes. Recuerde que es necesario ser cauteloso de tales sistemas si ese es el caso Lenguajes interpretados como Python a menudo hacen uso de las bibliotecas de alto rendimiento como NumPy / pandas para el paso de backtesting, con el fin de mantener un grado razonable de competitividad con compilado Equivalentes. En última instancia, el idioma elegido para el backtesting se determinará por necesidades específicas algorítmicas, así como el rango de bibliotecas disponibles en el idioma (más sobre esto a continuación). Sin embargo, el lenguaje utilizado para el backtest y los entornos de investigación puede ser completamente independiente de los utilizados en la construcción de la cartera, la gestión de riesgos y los componentes de ejecución, como se verá. Construcción de la cartera y gestión del riesgo Los componentes de la construcción de la cartera y de la gestión del riesgo son a menudo pasados ​​por alto por los comerciantes algorítmicos minoristas. Esto es casi siempre un error. Estas herramientas proporcionan el mecanismo por el cual el capital será preservado. No sólo tratan de aliviar el número de apuestas riesgosas, sino que también minimizan el churn de los propios oficios, reduciendo los costos de transacción. Versiones sofisticadas de estos componentes pueden tener un efecto significativo en la calidad y consistencia de la rentabilidad. Es fácil crear una serie de estrategias, ya que el mecanismo de construcción de la cartera y el gestor de riesgos pueden modificarse fácilmente para manejar múltiples sistemas. Por lo tanto, deben ser considerados componentes esenciales al inicio del diseño de un sistema de comercio algorítmico. El trabajo del sistema de construcción de cartera es tomar un conjunto de operaciones deseadas y producir el conjunto de operaciones reales que minimizan el churn, mantienen exposiciones a diversos factores (tales como sectores, clases de activos, volatilidad, etc.) y optimizan la asignación de capital a varios Estrategias en una cartera. La construcción de la cartera se reduce a menudo a un problema de álgebra lineal (tal como una factorización de matriz) y por lo tanto el rendimiento depende en gran medida de la efectividad de la implementación de álgebra lineal numérica disponible. Las bibliotecas comunes incluyen uBLAS. LAPACK y NAG para C. MatLab también posee operaciones de matriz ampliamente optimizadas. Python utiliza NumPy / SciPy para tales cálculos. Una cartera frecuentemente reequilibrada requerirá una biblioteca de matrices compilada (y bien optimizada) para llevar a cabo este paso, para no obstaculizar el sistema de comercio. La gestión de riesgos es otra parte muy importante de un sistema de comercio algorítmico. El riesgo puede venir en muchas formas: Aumento de la volatilidad (aunque esto puede ser visto como deseable para ciertas estrategias), aumento de las correlaciones entre las clases de activos, el incumplimiento de las contrapartes, las interrupciones del servidor, los eventos del cisne negro y los errores no detectados en el código comercial pocos. Los componentes de gestión de riesgos tratan de anticipar los efectos de la volatilidad excesiva y la correlación entre las clases de activos y sus efectos subsiguientes sobre el capital comercial. A menudo esto se reduce a un conjunto de cálculos estadísticos tales como las pruebas de esfuerzo de Monte Carlo. Esto es muy similar a las necesidades computacionales de un motor de fijación de precios de derivados y, como tal, estará vinculado a la CPU. Estas simulaciones son altamente paralelas (ver abajo) y, hasta cierto punto, es posible lanzar hardware al problema. Sistemas de Ejecución El trabajo del sistema de ejecución es recibir señales de comercio filtradas de los componentes de construcción de cartera y gestión de riesgos y enviarlos a una correduría u otros medios de acceso al mercado. Para la mayoría de las estrategias comerciales de negociación algorítmica, esto implica una conexión API o FIX a una correduría como Interactive Brokers. Las consideraciones principales al decidir sobre un idioma incluyen la calidad de la API, la disponibilidad de un contenedor de lenguaje para una API, la frecuencia de ejecución y el anticipo anticipado. La calidad de la API se refiere a lo bien documentado que es, qué tipo de rendimiento que proporciona, si necesita un software independiente que se accede o si una puerta de enlace se puede establecer sin cabeza (es decir, sin GUI). En el caso de Interactive Brokers, la herramienta Trader WorkStation debe estar ejecutándose en un entorno GUI para acceder a su API. Una vez tuve que instalar una edición de Ubuntu de escritorio en un servidor de nube de Amazon para acceder a Corredores Interactivos de forma remota, puramente por esta razón La mayoría de las API proporcionará una interfaz C y / o Java. Normalmente corresponde a la comunidad desarrollar envolturas específicas de lenguaje para C, Python, R, Excel y MatLab. Tenga en cuenta que con cada complemento adicional utilizado (especialmente API envolturas) hay margen para que los errores se deslizan en el sistema. Siempre pruebe plugins de este tipo y asegúrese de que se mantengan activamente. Un indicador valioso es ver cuántas actualizaciones nuevas a un codebase se han hecho en los últimos meses. La frecuencia de ejecución es de suma importancia en el algoritmo de ejecución. Tenga en cuenta que cientos de pedidos pueden ser enviados cada minuto y como tal rendimiento es fundamental. El incumplimiento se producirá a través de un sistema de ejecución mal ejecutado y esto tendrá un impacto dramático en la rentabilidad. Los lenguajes de tipo estático (véase más adelante), como C / Java, son generalmente óptimos para la ejecución, pero hay un trade-off en tiempo de desarrollo, pruebas y facilidad de mantenimiento. Los idiomas de tipo dinámico, como Python y Perl, ahora son lo suficientemente rápidos. Siempre asegúrese de que los componentes están diseñados de manera modular (vea más abajo) para que puedan ser intercambiados a medida que el sistema se escala. Proceso de planificación y desarrollo arquitectónico Los componentes de un sistema comercial, sus requisitos de frecuencia y volumen se han discutido anteriormente, pero la infraestructura del sistema aún no se ha cubierto. Aquellos que actúan como un comerciante al por menor o que trabajan en un pequeño fondo probablemente estará usando muchos sombreros. Será necesario cubrir el modelo alfa, la gestión de riesgos y los parámetros de ejecución, así como la implementación final del sistema. Antes de profundizar en lenguajes específicos se discutirá el diseño de una arquitectura de sistema óptima. Separación de las preocupaciones Una de las decisiones más importantes que deben tomarse desde el principio es cómo separar las preocupaciones de un sistema comercial. En el desarrollo de software, esto significa esencialmente cómo romper los diferentes aspectos del sistema comercial en componentes modulares separados. Al exponer interfaces en cada uno de los componentes, es fácil intercambiar partes del sistema por otras versiones que ayudan al rendimiento, la fiabilidad o el mantenimiento, sin modificar ningún código de dependencia externo. Esta es la mejor práctica para estos sistemas. Para las estrategias en las frecuencias más bajas tales prácticas se aconsejan. Para el comercio de frecuencia ultra alta el libro de reglas podría tener que ser ignorado a expensas de ajustar el sistema para obtener aún más rendimiento. Un sistema más fuertemente acoplado puede ser deseable. Crear un mapa de componentes de un sistema de comercio algorítmico vale la pena un artículo en sí mismo. Sin embargo, un enfoque óptimo es asegurarse de que haya componentes separados para las entradas de datos históricos y en tiempo real, almacenamiento de datos, API de acceso a datos, backtest, parámetros de estrategia, construcción de cartera, gestión de riesgos y sistemas automatizados de ejecución. Por ejemplo, si el almacén de datos que se está utilizando tiene un rendimiento inferior, incluso a niveles significativos de optimización, puede cambiarse con reescrituras mínimas a la ingesta de datos oa la API de acceso a datos. En lo que respecta al tester y componentes posteriores, no hay diferencia. Otro beneficio de los componentes separados es que permite una variedad de lenguajes de programación para ser utilizado en el sistema en general. No es necesario limitarse a un solo idioma si el método de comunicación de los componentes es independiente del idioma. Este será el caso si se están comunicando a través de TCP / IP, ZeroMQ o algún otro protocolo independiente del lenguaje. Como ejemplo concreto, considere el caso de un sistema de backtesting escrito en C para el rendimiento de crujido numérico, mientras que el gestor de cartera y los sistemas de ejecución están escritos en Python usando SciPy e IBPy. Consideraciones sobre el rendimiento El rendimiento es una consideración importante para la mayoría de las estrategias comerciales. Para las estrategias de frecuencia más alta es el factor más importante. El rendimiento cubre una amplia gama de cuestiones, tales como velocidad de ejecución algorítmica, latencia de red, ancho de banda, E / S de datos, concurrencia / paralelismo y escalado. Cada una de estas áreas están cubiertas individualmente por grandes libros de texto, por lo que este artículo sólo rascará la superficie de cada tema. La arquitectura y la elección del idioma se discutirán ahora en términos de sus efectos sobre el rendimiento. La sabiduría predominante según lo declarado por Donald Knuth. Uno de los padres de la informática, es que la optimización prematura es la raíz de todo mal. Esto es casi siempre el caso - excepto cuando se construye un algoritmo de negociación de alta frecuencia Para aquellos que están interesados ​​en las estrategias de baja frecuencia, un enfoque común es construir un sistema de la manera más simple posible y sólo optimizar como cuellos de botella comienzan a aparecer. Las herramientas de creación de perfiles se utilizan para determinar dónde surgen los cuellos de botella. Los perfiles se pueden hacer para todos los factores enumerados anteriormente, ya sea en un entorno MS Windows o Linux. Hay muchas herramientas del sistema operativo y del idioma disponibles para hacerlo, así como utilidades de terceros. La elección del idioma se discutirá ahora en el contexto del desempeño. C, Java, Python, R y MatLab contienen bibliotecas de alto rendimiento (ya sea como parte de su estándar o externamente) para la estructura de datos básicos y el trabajo algorítmico. C se entrega con la biblioteca de plantillas estándar, mientras que Python contiene NumPy / SciPy. Las tareas matemáticas comunes se encuentran en estas bibliotecas y rara vez es beneficioso escribir una nueva implementación. Una excepción es si se requiere una arquitectura de hardware altamente personalizada y un algoritmo está haciendo extensivo uso de extensiones propietarias (como cachés personalizados). Sin embargo, a menudo la reinvención de la rueda pierde tiempo que se podría gastar mejor desarrollando y optimizando otras partes de la infraestructura comercial. El tiempo de desarrollo es muy valioso, especialmente en el contexto de desarrolladores exclusivos. La latencia es a menudo una cuestión del sistema de ejecución, ya que las herramientas de investigación suelen estar situadas en la misma máquina. Para el primero, la latencia puede ocurrir en múltiples puntos a lo largo del camino de ejecución. Se deben consultar las bases de datos (latencia del disco / red), generar señales (sistema operativo, latencia de la mensajería kernal), señales comerciales enviadas (latencia NIC) y órdenes procesadas (latencia interna del sistema de intercambio). Para las operaciones de frecuencia más alta es necesario familiarizarse íntimamente con la optimización kernal así como la optimización de la transmisión de la red. Se trata de un área profunda y está significativamente más allá del alcance del artículo, pero si se desea un algoritmo UHFT, entonces tenga en cuenta la profundidad del conocimiento requerido Caching es muy útil en el kit de herramientas de un desarrollador de comercio cuantitativo. El almacenamiento en caché se refiere al concepto de almacenar datos de acceso frecuente de una manera que permite un acceso de mayor rendimiento, a expensas de la potencial inestabilidad de los datos. Un caso de uso común ocurre en el desarrollo web al tomar datos de una base de datos relacional respaldada por disco y ponerla en memoria. Cualquier solicitud posterior de los datos no tiene que golpear la base de datos y así las ganancias de rendimiento pueden ser significativas. Para las situaciones de comercio de almacenamiento en caché puede ser muy beneficioso. Por ejemplo, el estado actual de una cartera de estrategias puede almacenarse en una memoria caché hasta que se reequilibra, de modo que la lista no necesita ser regenerada en cada bucle del algoritmo de negociación. Tal regeneración es probable que sea una CPU alta o operación de E / S de disco. Sin embargo, el almacenamiento en caché no está exento de problemas propios. La regeneración de los datos de la caché de una sola vez, debido a la volatilidad del almacenamiento en caché, puede suponer una demanda importante en la infraestructura. Otra cuestión es la acumulación de perros. Donde varias generaciones de una nueva copia en caché se llevan a cabo bajo una carga extremadamente alta, lo que conduce a un fallo en cascada. La asignación dinámica de memoria es una operación cara en la ejecución del software. Por lo tanto, es imprescindible que las aplicaciones comerciales de mayor rendimiento estén bien informadas sobre cómo se asigna y desasigna la memoria durante el flujo del programa. Los nuevos estándares de lenguaje como Java, C y Python realizan la recolección automática de basura. Que se refiere a la desasignación de la memoria asignada dinámicamente cuando los objetos salen del alcance. La recolección de basura es extremadamente útil durante el desarrollo, ya que reduce los errores y facilita la legibilidad. Sin embargo, a menudo es subóptimo para ciertas estrategias de negociación de alta frecuencia. La recogida de basura personalizada a menudo se desea para estos casos. En Java, por ejemplo, al ajustar el recolector de basura y la configuración del montón, es posible obtener un alto rendimiento para las estrategias HFT. C no proporciona un recolector de basura nativo y por lo tanto es necesario manejar toda la asignación / desasignación de memoria como parte de una implementación de objetos. Aunque es potencialmente propenso a errores (potencialmente conduce a punteros colgantes) es extremadamente útil tener control de grano fino de cómo los objetos aparecen en el montón para ciertas aplicaciones. Al elegir un idioma asegúrese de estudiar cómo funciona el recolector de basura y si se puede modificar para optimizar para un caso de uso particular. Muchas operaciones en sistemas de negociación algorítmicos son susceptibles de paralelización. Esto se refiere al concepto de llevar a cabo operaciones programáticas múltiples al mismo tiempo, es decir en paralelo. Los denominados algoritmos embarassingly paralelos incluyen pasos que se pueden calcular completamente independientemente de otros pasos. Ciertas operaciones estadísticas, como las simulaciones de Monte Carlo, son un buen ejemplo de algoritmos embarassingly paralelos, ya que cada dibujo aleatorio y la operación de la ruta subsiguiente se pueden calcular sin conocimiento de otras trayectorias. Otros algoritmos son sólo parcialmente paralelos. Las simulaciones de dinámica de fluidos son un ejemplo, donde el dominio de computación puede ser subdividido, pero en última instancia estos dominios deben comunicarse entre sí y por lo tanto las operaciones son parcialmente secuenciales. Los algoritmos paralelos están sujetos a la Ley Amdahls. Que proporciona un límite superior teórico al aumento de rendimiento de un algoritmo paralelo cuando está sujeto a N procesos separados (por ejemplo, en un núcleo o hilo de CPU). La paralelización se ha vuelto cada vez más importante como medio de optimización, ya que las velocidades del reloj del procesador se han estancado, ya que los procesadores más nuevos contienen muchos núcleos con los que realizar cálculos paralelos. El aumento del hardware de gráficos de consumo (predominantemente para videojuegos) ha llevado al desarrollo de unidades gráficas de procesamiento (GPU), que contienen cientos de núcleos para operaciones altamente concurrentes. Tales GPUs son ahora muy asequibles. Marcos de alto nivel, como Nvidias CUDA han llevado a la adopción generalizada en la academia y las finanzas. Este tipo de hardware GPU generalmente sólo es adecuado para el aspecto de la investigación de finanzas cuantitativas, mientras que otros hardware más especializados (incluyendo Field-Programmable Gate Arrays - FPGAs) se utilizan para (U) HFT. Hoy en día, la mayoría de los langauges modernos soportan un grado de concurrencia / multithreading. Por lo tanto, es fácil optimizar un backtest, ya que todos los cálculos son generalmente independientes de los otros. Escala en la ingeniería de software y las operaciones se refiere a la capacidad del sistema para manejar constantemente aumento de las cargas en forma de mayores solicitudes, mayor uso del procesador y más asignación de memoria. En el comercio algorítmico una estrategia es capaz de escalar si puede aceptar mayores cantidades de capital y aún así producir retornos consistentes. La pila de tecnología comercial se escala si puede soportar mayores volúmenes de comercio y aumentar la latencia, sin el cuello de botella. Mientras que los sistemas deben ser diseñados para escalar, a menudo es difícil predecir de antemano dónde ocurrirá un cuello de botella. La explotación forestal, las pruebas, la elaboración de perfiles y el seguimiento rigurosos ayudarán en gran medida a permitir que un sistema se haga a escala. Los lenguajes mismos se describen a menudo como unscalable. Esto suele ser el resultado de la desinformación, en lugar de hecho duro. Es la pila de tecnología total que se debe determinar para la escalabilidad, no el idioma. Es evidente que ciertos lenguajes tienen un mayor rendimiento que otros en casos de uso particulares, pero un idioma nunca es mejor que otro en todos los sentidos. Una forma de gestionar la escala es separar las preocupaciones, como se ha dicho anteriormente. Con el fin de introducir adicionalmente la capacidad de manejar espigas en el sistema (es decir, la volatilidad repentina que desencadena una serie de operaciones), es útil crear una arquitectura de cola de mensajes. Esto simplemente significa colocar un sistema de cola de mensajes entre los componentes para que los pedidos se apilan si un determinado componente no puede procesar muchas solicitudes. En lugar de las solicitudes que se pierden, simplemente se mantienen en una pila hasta que se maneja el mensaje. Esto es particularmente útil para enviar transacciones a un motor de ejecución. Si el motor está sufriendo bajo latencia pesada entonces apoyará comercios. Una cola entre el generador de señales comerciales y el API de ejecución aliviará este problema a expensas de un posible desvío del comercio. Un agente de cola de mensajes de código abierto muy respetado es RabbitMQ. Hardware y sistemas operativos El hardware que ejecuta su estrategia puede tener un impacto significativo en la rentabilidad de su algoritmo. Esto no es un problema restringido a los comerciantes de alta frecuencia tampoco. Una mala elección en hardware y sistema operativo puede conducir a un fallo de la máquina o reiniciar en el momento más inoportuno. Por lo tanto, es necesario considerar dónde residirá su solicitud. La elección suele ser entre una máquina de escritorio personal, un servidor remoto, un proveedor de la nube o un servidor de intercambio compartido. Las máquinas de escritorio son fáciles de instalar y administrar, especialmente con los sistemas operativos más modernos, como Windows 7/8, Mac OSX y Ubuntu. Los sistemas de escritorio poseen algunos inconvenientes significativos, sin embargo. El principal es que las versiones de los sistemas operativos diseñados para máquinas de escritorio es probable que requieran reboots / parches (y, a menudo en el peor de los casos). También usan más recursos computacionales por la virtud de requerir una interfaz gráfica de usuario (GUI). La utilización de hardware en un entorno doméstico (o local) puede provocar problemas de conectividad a Internet y de tiempo de actividad. El principal beneficio de un sistema de escritorio es que la potencia computacional significativa se puede comprar por la fracción del costo de un servidor dedicado remoto (o sistema basado en la nube) de velocidad comparable. Un servidor dedicado o una máquina basada en la nube, a menudo más costosa que una opción de escritorio, permite una infraestructura de redundancia más significativa, como copias de seguridad automatizadas de datos, la capacidad de garantizar más fácilmente el tiempo de actividad y la supervisión remota. Son más difíciles de administrar, ya que requieren la capacidad de utilizar las capacidades de inicio de sesión remoto del sistema operativo. En Windows esto es generalmente a través del GUI Remote Desktop Protocol (RDP). En los sistemas basados ​​en Unix se utiliza la línea de comandos Secure SHell (SSH). La infraestructura de servidor basada en Unix casi siempre está basada en la línea de comandos, lo que hace que las herramientas de programación basadas en GUI (como MatLab o Excel) sean inutilizables. Un servidor co-localizado, como la frase se utiliza en los mercados de capitales, es simplemente un servidor dedicado que reside dentro de un intercambio con el fin de reducir la latencia del algoritmo de negociación. Esto es absolutamente necesario para ciertas estrategias de negociación de alta frecuencia, que dependen de baja latencia para generar alfa. El aspecto final de la elección de hardware y la elección del lenguaje de programación es la independencia de la plataforma. ¿Es necesario que el código se ejecute en varios sistemas operativos diferentes? ¿Está diseñado el código para ejecutarse en un tipo particular de arquitectura de procesador, como el Intel x86 / x64 o será posible ejecutar en procesadores RISC como los fabricados Por ARM Estos temas dependerán en gran medida de la frecuencia y el tipo de estrategia que se esté implementando. Resiliencia y pruebas Una de las mejores maneras de perder mucho dinero en el comercio algorítmico es crear un sistema sin resiliencia. Esto se refiere a la durabilidad del sistema cuando está sujeto a eventos raros, tales como bancarrotas de corretaje, volatilidad excesiva repentina, tiempo de inactividad en toda la región para un proveedor de servidor en la nube o la eliminación accidental de toda una base de datos comercial. Años de beneficios se pueden eliminar en cuestión de segundos con una arquitectura de diseño pobre. Es absolutamente esencial considerar cuestiones como debuggng, pruebas, registro, copias de seguridad, alta disponibilidad y supervisión como componentes principales de su sistema. Es probable que en cualquier aplicación comercial cuantitativa personalizada razonablemente complicada se gasten al menos 50 de tiempo de desarrollo en depuración, pruebas y mantenimiento. Casi todos los lenguajes de programación se envían con un depurador asociado o poseen alternativas respetadas por terceros. 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 wont delve too deeply into this topic as it is a large area, but make sure it is one of the first considerations given to your trading system. Choosing a Language Considerable detail has now been provided on the various factors that arise when developing a custom high-performance algorithmic trading system. The next stage is to discuss how programming languages are generally categorised. Type Systems When choosing a language for a trading stack it is necessary to consider the type system . The languages which are of interest for algorithmic trading are either statically - or dynamically-typed . A statically-typed language performs checks of the types (e. g. integers, floats, custom classes etc) during the compilation process. Such languages include C and Java. A dynamically-typed language performs the majority of its type-checking at runtime. Such languages include Python, Perl and JavaScript. For a highly numerical system such as an algorithmic trading engine, type-checking at compile time can be extremely beneficial, as it can eliminate many bugs that would otherwise lead to numerical errors. However, type-checking doesnt catch everything, and this is where exception handling comes in due to the necessity of having to handle unexpected operations. Dynamic languages (i. e. those that are dynamically-typed) can often lead to run-time errors that would otherwise be caught with a compilation-time type-check. For this reason, the concept of TDD (see above) and unit testing arose which, when carried out correctly, often provides more safety than compile-time checking alone. Another benefit of statically-typed languages is that the compiler is able to make many optimisations that are otherwise unavailable to the dynamically - typed language, simply because the type (and thus memory requirements) are known at compile-time. In fact, part of the inefficiency of many dynamically-typed languages stems from the fact that certain objects must be type-inspected at run-time and this carries a performance hit. Libraries for dynamic languages, such as 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 C11 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 . Conclusion As is now evident, the choice of programming language(s) for an algorithmic trading system is not straightforward and requires deep thought. The main considerations are performance, ease of development, resiliency and testing, separation of concerns, familiarity, maintenance, source code availability, licensing costs and maturity of libraries. The benefit of a separated architecture is that it allows languages to be plugged in for different aspects of a trading stack, as and when requirements change. A trading system is an evolving tool and it is likely that any language choices will evolve along with it. Michael Halls-Moore Mike es el fundador de QuantStart y ha estado involucrado en la industria de finanzas cuantitativas durante los últimos cinco años, principalmente como desarrollador de Quant y más tarde como consultor de comerciante de Quant para los fondos de cobertura.