Algorithmic Trading System Design & amp; Implementação.
AlgorithmicTrading é um desenvolvedor de sistemas de negociação de terceiros especializado em sistemas de negociação automatizada, estratégias de negociação algorítmica e análise de negociação quantitativa. Oferecemos dois algoritmos de negociação distintos aos comerciantes de varejo e investidores profissionais.
Assista ao nosso blog de video trading algorítmico, onde nosso desenvolvedor principal analisa o desempenho de 6/10/17 & ndash; 8/8/17 usando nosso sistema de negociação automatizado. Visite nosso Algorithmic Trading Blog para ver todos os vídeos de desempenho para 2016-2018 YTD. A negociação de futuros e opções envolve um risco substancial de perda e não é adequado para todos os investidores.
Comece em Algorithmic Trading hoje.
Os Destaques do Swing Trader.
Nossa Estratégia de Negociação Swing comercializa os S & amp; P 500 Emini Futures (ES) e Ten Year Note (TY). Este é um sistema de negociação 100% automatizado que pode ser executado automaticamente com os melhores esforços por vários corretores registrados da NFA. Também pode ser instalado e carregado na plataforma Tradestation. Os seguintes dados abrangem o período de caminhada para frente (fora da amostra) abrangendo 10/1 / 15-1 / 4/18. Futures Trading envolve um risco substancial de perda e não é apropriado para todos os investidores. O desempenho passado não é indicativo de desempenho futuro. Esses dados assumem que 1 unidade (US $ 15.000) foi negociada durante todo o período em análise (não composto).
* As perdas podem exceder a redução máxima. Isso é medido de um ponto para o outro, fechando o comércio para fechar o comércio. O desempenho passado não é indicativo de desempenho futuro.
O Swing Trader Monthly P / L.
As negociações que começam em outubro de 2015 são consideradas Walk-Forward / Out-of-Sample, enquanto os negócios anteriores a outubro de 2015 são considerados testados novamente. O lucro / perda dado é baseado em uma conta de US $ 15.000 que vende uma unidade no Swing Trader. Estes dados não são compostos.
* As perdas podem exceder a redução máxima. Isso é medido de um ponto para o outro, fechando o comércio para fechar o comércio. O desempenho passado não é indicativo de desempenho futuro.
REGRA CFTC 4.41: Os resultados são baseados em resultados de desempenho simulados ou hipotéticos que possuem certas limitações inerentes. Ao contrário dos resultados apresentados em um registro de desempenho real, esses resultados não representam a negociação real. Além disso, como esses negócios não foram efetivamente executados, esses resultados podem ter uma compensação menor ou excessiva do impacto, se houver, de certos fatores do mercado, como a falta de liquidez. Programas de negociação simulados ou hipotéticos em geral também estão sujeitos ao fato de serem projetados com o benefício de retrospectiva. Nenhuma representação está sendo feita que qualquer conta será ou será capaz de alcançar lucros ou perdas semelhantes às exibidas.
Noções básicas de negociação algorítmica.
Algorithmic Trading, também conhecido como Quant Trading é um estilo de negociação que utiliza algoritmos de previsão de mercado para encontrar negociações potenciais. Existem várias sub-categorias de negociação quantitativa para incluir High Frequency Trading (HFT), Arbitrage Estatístico e Market Prediction Analysis. Na AlgorithmicTrading, nos concentramos no desenvolvimento de sistemas de negociação automatizados que colocam negociações de swing, dia e opções para aproveitar as várias ineficiências do mercado.
Atualmente oferecemos dois Futures Trading Systems que comercializam o ES & amp; Futuros de TY. Continue lendo para ver por si mesmo como implementar um sistema de comércio de algo projetado profissionalmente pode ser benéfico para seus objetivos de investimento. Nós não somos consultores de negociação de commodities registrados e, portanto, não controlamos diretamente contas de clientes e ndash; No entanto, negociamos ambos os sistemas de negociação com nosso próprio capital utilizando um dos corretores de execução comercial automatizada.
Exemplo de troca algorítmica.
Estratégia de negociação de futuros: o pacote Swing Trader.
Este pacote utiliza nossos algoritmos de melhor desempenho desde o início. Visite a página do negociante de swing para ver os preços, as estatísticas de comércio, a lista de comércio completo e muito mais. Este pacote é ideal para os céticos que desejam trocar um sistema robusto que tenha feito o bem no comércio cego de troca / saída de amostras. Cansado de modelos otimistas back-testados que nunca parecem funcionar quando comercializados ao vivo? Em caso afirmativo, considere este sistema comercial de caixa preta. Este é o nosso algoritmo de negociação mais popular para venda.
Detalhes no Swing Trader System.
Futuros & amp; Estratégia de negociação de opções: o pacote S & amp; P Crusher v2.
Este pacote utiliza sete estratégias de negociação na tentativa de diversificar melhor sua conta. Este pacote utiliza rotas de swing, jornadas, condores de ferro e chamadas cobertas para aproveitar as várias condições do mercado. Este pacote é negociado em tamanhos de unidades de US $ 30.000 e foi lançado ao público em outubro de 2016. Visite a página do produto S & amp; P Crusher para ver os resultados testados com base em relatórios de tradição.
Detalhes sobre o S & amp; P Crusher.
Cobrindo os Essentials of Automated Trading System Design.
Vários sistemas de negociação algorítmica estão disponíveis.
Escolha de um dos nossos sistemas de negociação e ndash; The Swing Trader ou o S & amp; P Crusher. Cada página mostra a lista de comércio completo, incluindo otimização de postagem, resultados avançados. Estes sistemas de negociação informatizados de caixa preta são totalmente automatizados para gerar alfa enquanto tentam minimizar o risco.
Algoritmos de negociação múltipla trabalhando juntos.
Nossa metodologia de troca de quantias nos utiliza empregando várias estratégias de negociação de algo para diversificar melhor sua conta de negociação de automóveis. Saiba mais visitando nossa página de metodologia de design de estratégias comerciais.
Negociações durante Bear & amp; Bull Markets.
Em nossa opinião, a chave para o desenvolvimento de um sistema de negociação algorítmico que realmente funciona, é dar conta de múltiplas condições de mercado. A qualquer momento, o mercado poderia passar de um mercado de touro para urso. Ao assumir uma posição agnóstica de direção do mercado, estamos tentando superar em Bull e amp; Condições do mercado de urso.
Sistemas de negociação totalmente automatizados.
Você pode negociar automaticamente nosso software algorítmico usando um corretor de auto-execução (com os melhores esforços). Temos vários corretores para você escolher. Remova decisões emocionais baseadas em sua negociação usando nosso sistema de negociação automatizado.
O Algorithmic Trading funciona?
Acompanhe o progresso diário de nossos algoritmos de negociação quantitativos com o aplicativo intermediário OEC. Você também receberá declarações diárias da firma de compensação registrada da NFA. Você pode comparar cada uma das suas negociações com a lista comercial que publicamos no final de cada dia. Os exemplos completos de negociação algorítmica são publicados para todos verem. A lista de comércio completo pode ser vista visitando a página de negociação algorítmica para o sistema que você está negociando. Deseja ver algumas declarações das contas ao vivo? Visite os retornos ao vivo e amp; página de declarações.
Estratégias de negociação múltiplas.
Nossos sistemas de negociação quantitativos têm expectativas diferentes com base nos algoritmos de previsão empregados. Nossos Sistemas Automatizados de Negociação colocam negociações swing, day trade, condors de ferro e amp; chamadas cobertas. Essas estratégias 100% Quant são baseadas puramente em indicadores técnicos e algoritmos de reconhecimento de padrões.
Nosso software de negociação automatizado ajuda a remover suas emoções da negociação.
Algoritmos de negociação múltipla são negociados como parte de um sistema de comércio algorítmico maior.
Cada estratégia de negociação algorítmica oferecida possui vários pontos fortes e fracos. Seus pontos fortes e fracos são identificados com base em três estados de mercado potenciais: Strong Up, Sideways & amp; Down movendo mercados. A estratégia de negociação do condor de ferro supera os mercados de tendências laterais e ascendentes, enquanto o algoritmo de notas de tesouraria se destaca em mercados em movimento descendente. Com base nos testes de back-testing, espera-se que o algoritmo de momentum funcione bem durante os mercados em movimento. Marque a seguinte coleção de vídeos, onde cada algoritmo de negociação oferecido é revisado pelo desenvolvedor principal. Os pontos fortes de cada troco comercial são revisados juntamente com os fracos daqueles.
Diversos tipos de estratégias de negociação são usados em nosso software de negociação automatizado.
Negociações diárias são inseridas & amp; saíram no mesmo dia, enquanto os negócios de balanço terão um comércio de longo prazo com base nas expectativas para o S & amp; P 500 a tendência maior ou menor no termo intermediário. As negociações de opções são colocadas nas opções S & P 500 Weekly em futuros, geralmente entrando em uma segunda-feira e mantendo até a expiração de sexta-feira.
Estratégias de negociação Swing.
As seguintes Estratégias de Negociação Swing colocam negociações de swing direcional no S & amp; P 500 Emini Futures (ES) e no Ten Year Note (TY). Eles são usados em ambos os sistemas de negociação automatizados que oferecemos para aproveitar as tendências de longo prazo que nossos algoritmos de previsão de mercado esperam.
Futures Swing Trading Strategy # 1: Momentum Swing Trading Algorithm.
A Estratégia de Negociação do Momentum Swing coloca negociações de swing no Emini S & amp; P Futures, aproveitando as condições do mercado que sugerem que um termo intermediário se mova mais alto. Este algoritmo de negociação é usado em ambos os nossos sistemas de negociação automatizados: o S & amp; P Crusher v2 & amp; O Swing Trader.
Futures Swing Trading Strategy # 2: Algoritmo de dez anos de Tesouro.
A Estratégia de Negociação do Tesouro (TY) coloca negociações de swing na Nota de dez anos (TY). Uma vez que o TY normalmente se move inverso para os mercados mais amplos, esta estratégia cria um comércio de swing que é semelhante ao curto-circuito do S & amp; P 500. Este T-Note algo tem expectativas positivas para condições de mercado em baixa. Este algoritmo de negociação é usado em ambos os nossos sistemas de negociação automatizados: o S & amp; P Crusher v2 & amp; O Swing Trader.
Estratégias de negociação diária.
No dia seguinte, as estratégias de negociação colocam negociações diárias no S & amp; P 500 Emini Futures (ES). Eles quase sempre entram em negociações durante os primeiros 20 minutos após a abertura dos mercados de ações e sairão antes do fechamento dos mercados. Paradas apertadas são utilizadas em todos os momentos.
Futures Day Trading Strategy # 1: Day Trading Short Algorithm.
A Estratégia de Negociação de Curto Prazo coloca negociações diárias no Emini S & amp; P Futures quando o mercado mostra fraqueza pela manhã (prefere uma grande diferença). Esta estratégia de negociação é utilizada no sistema de negociação automatizado S & amp; P Crusher v2.
Futures Day Trading Strategy # 2: Algoritmo de negociação Day Breakout.
A estratégia de negociação Breakout Day coloca negócios diários nos Emini-S & P Futures quando o mercado mostra força na parte da manhã. Esta estratégia de negociação de futuros é utilizada no sistema de negociação automatizado S & amp; P Crusher v2.
Futures Day Trading Strategy # 3: Morning Gap Day Trading Algorithm.
A Estratégia de Negociação do Morning Gap Day coloca transações de dia curtas nos Emini S & amp; P Futures quando o mercado tem uma grande lacuna, seguido por um curto período de fraqueza. Esta estratégia de negociação é utilizada no sistema de negociação automatizado S & amp; P Crusher v2.
Estratégias de negociação de opções.
As seguintes estratégias de negociação de opções coletam premium nas opções semanais S & amp; P 500 Emini (ES). Eles são usados em nosso S & amp; P Crusher v2 para aproveitar de lado, baixo e amp; up moving market conditions. Um benefício para as opções de negociação com nossas estratégias de negociação algorítmica é que eles são suportados em um ambiente de negociação automatizado usando um dos corretores de auto-execução.
Estratégia de Negociação de Opções nº 1: Algoritmo de Negociação Ferro Condor.
A Estratégia de Negociação de Opções de Condor de Ferro é perfeita para o indivíduo que quer uma taxa de vitoria comercial mais vendida por devolução ou que simplesmente quer receber prémio no S & amp; P 500 Emini Futures vendendo Iron Condors. Quando nossos algoritmos esperam uma condição de mercado à margem ou para cima, este sistema criará um comércio Iron Condor. Esta estratégia é usada em um dos nossos Sistemas Automatizados de Negociação: The S & amp; P Crusher v2.
Estratégia de Negociação de Opções # 2: Algoritmo de Opções de Chamadas Cobertas.
A Estratégia de Negociação de Opções de Chamada Coberta se vende de chamadas cobertas de dinheiro contra os algoritmos de momentum Long ES swing trades, para coletar premium e ajudar a minimizar as perdas se o mercado se mover contra nossa posição de algoritmo de momentum. Quando negociado com o Momentum Swing Trading Algorithm - como é o caso no S & amp; P Crusher & amp; amp; ES / TY Futures Trading Systems, isso cria uma posição de chamada coberta. Quando negociados no Bearish Trader Trading System, as chamadas são vendidas sem serem cobertas e, portanto, são nulas. Em ambos os casos & ndash; como um suporte ao longo do algoritmo & ndash; Ele funciona bem em condições de mercado de lado e para baixo. Esta estratégia é usada em um dos nossos Sistemas Automatizados de Negociação: The S & amp; P Crusher v2.
Embora cada uma dessas estratégias de negociação possa ser negociada sozinha, elas são negociadas melhor em uma coleção mais ampla de algoritmos de negociação e ndash; como visto em um dos nossos Sistemas Automatizados de Negociação, como The Swing Trader.
Algoritmos de negociação que realmente funcionam?
Esta série de vídeos de negociação algorítmica é feita para que nossos clientes possam ver os detalhes de cada comércio semanalmente. Assista a cada um dos seguintes vídeos de negociação algorítmica para ver em tempo real, como nossos algoritmos de negociação funcionam. Sinta-se livre para visitar nossos comentários e ampères de AlgorithmicTrading; Página de imprensa para ver o que os outros estão falando sobre nós.
Inscrição na newsletter.
Obtenha atualizações de desempenho da AlgorithmicTrading juntando-se a nossa newsletter.
O que separa o comércio algorítmico de outras técnicas técnicas de negociação?
Hoje em dia, parece que todos têm uma opinião sobre as técnicas de negociação técnica. Cabeça e amp; Padrões de ombros, MACD Bullish Crosses, VWAP Divergences, a lista continua e continua. Nesses blogs de vídeo, nosso engenheiro de design líder analisa alguns exemplos de estratégias de negociação encontradas on-line. Ele toma suas Dicas de negociação, codifica e executa um teste de back-back simples para ver o quão eficaz eles realmente são. Depois de analisar seus resultados iniciais, ele otimiza o código para ver se uma abordagem quantitativa para negociação pode melhorar as descobertas iniciais. Se você é novo na negociação algorítmica, esses blogs de vídeo serão bastante interessantes. Nosso designer utiliza máquinas de estados finitos para codificar estas dicas comerciais básicas. Como o Algorithmic Trading é diferente do comércio técnico tradicional? Simplificando, Algorithmic Trading exige precisão e dá uma janela em um potencial de algoritmos com base em back-testing que tem limitações.
Procurando por Tutorial de Negociação Algorítmica Gratuita e amp; Como fazer vídeos?
Assista múltiplas apresentações de vídeo educacional por nosso designer principal em negociação algorítmica para incluir um vídeo que cobre nossa Metodologia de Design de Quant Trading e um Tutorial de Negociação Algorítmica. Esses vídeos de estratégia comercial fornecem exemplos de codificação de algoritmos de negociação e apresentamos a nossa abordagem de negociação de mercados usando análise quantitativa. Nesses vídeos, você verá muitas razões pelas quais a negociação automática está decolando para incluir ajudar a remover suas emoções da negociação. Visite nossa página de Vídeos de Comércio Educacional para ver uma lista completa de mídia educacional.
Comece a usar um dos nossos sistemas de negociação automatizada hoje.
Don & rsquo; T saudades. Junte-se aos que já estão negociando com AlgorithmicTrading. Comece hoje com um dos nossos pacotes de negociação algorítmica.
Existem várias opções de Execução de Comércio Automatizado Disponíveis.
Nossos algoritmos de negociação podem ser executados automaticamente usando um dos corretores de auto-execução registrados da NFA (com os melhores esforços) ou podem ser comercializados em seu próprio PC usando MultiCharts ou Tradestation.
O FOX Group é uma empresa de corretagem independente que se encontra no icônico edifício da Câmara de Comércio de Chicago, no coração do distrito financeiro da cidade. Eles estão registrados no NFA e são capazes de executar automaticamente nossos algoritmos com os melhores esforços.
Interactive brokers é um corretor registrado NFA que pode executar automaticamente nossos algoritmos com os melhores esforços. Além disso, eles apóiam clientes canadenses.
Se você preferir executar os algoritmos em seu próprio PC, o MultiCharts é a plataforma preferencial de software de negociação para execução automática. Oferece benefícios consideráveis aos comerciantes e oferece vantagens significativas em relação às plataformas concorrentes. Ele vem com gráficos de alta definição, suporte para mais de 20 feeds de dados e mais de 10 corretores, testes dinâmicos de estratégia de nível de portfólio, suporte EasyLanguage, relatórios interativos de desempenho, otimização genética, scanner de mercado e repetição de dados.
O TradeStation é mais conhecido pelo software de análise e plataforma de negociação eletrônica que fornece ao comerciante ativo e certos mercados de comerciantes institucionais que permitem aos clientes projetar, testar, otimizar, monitorar e automatizar suas próprias ações personalizadas, opções e opções; estratégias de negociação de futuros. Tradestation é outra opção para indivíduos que desejam negociar automaticamente nossos algoritmos em seu próprio PC.
InfoReach HiFREQ.
Software de negociação de alta freqüência (HFT) para negociação algorítmica.
O HiFREQ é um poderoso mecanismo algorítmico que oferece aos comerciantes a capacidade de implementar estratégias HFT para ações, futuros, opções e operações de FX sem ter que investir tempo e recursos na construção e manutenção de sua própria infra-estrutura tecnológica. Ele fornece todos os componentes essenciais para facilitar a produção de dezenas de milhares de pedidos por segundo em latência inferior a milissegundos.
O HiFREQ pode ser usado de forma independente como uma solução de troca de caixa preta autônoma ou como parte da plataforma de negociação InfoReach TMS para um sistema comercial completo de ponta a ponta.
A arquitetura aberta e intermediária do intermediário permite que os usuários criem e implemente estratégias comerciais comerciais exclusivas, bem como algoritmos de acesso de corretores e outros provedores de terceiros. As encomendas podem ser encaminhadas para qualquer destino de mercado global através do mecanismo FIX interno de baixa latência da InfoReach.
Multi-asset.
Global equity, futures, options e FX.
Controle de risco.
O HiFREQ fornece avaliação de risco de cada solicitação de pedido e garante a conformidade com as restrições comerciais pré-configuradas específicas da empresa.
Broker neutro.
O HiFREQ conecta você aos múltiplos corretores, trocas e ECNs.
Monitoramento e controle centralizado.
Enquanto os componentes do HiFREQ podem ser distribuídos em vários locais geográficos, todas as funções de controle e controle de desempenho de estratégia podem ser realizadas a partir de um local remoto centralizado.
O HiFREQ pode executar 20.000 pedidos por segundo por conexão FIX única. O uso de duas ou mais conexões FIX pode aumentar consideravelmente a taxa de transferência.
Baixa latência.
A latência de ida e volta inferior a milisegundos medida a partir do ponto HiFREQ obtém um relatório de execução FIX ao ponto em que o HiFREQ conclui o envio de uma mensagem de ordem FIX.
Distribuído e escalável.
Para aumentar a eficiência e o desempenho das estratégias de negociação, seus componentes podem ser projetados para serem executados simultaneamente. Os componentes da estratégia também podem ser implantados em vários servidores que podem ser colocados em vários locais de execução.
Guia do Programador Java.
Outros produtos a serem considerados.
Servidor de estratégia InfoReach.
Poderosa Plataforma Algorítica para Negociação de Estratégia.
InfoReach FX Aggregator.
Poderosa Divisão de Liquidez Forex e Plataforma de Negociação Algorítmica.
InfoReach Eurex Low Latency Link.
Plataforma algorítmica de baixa latência para negociação com a Eurex.
Artigos relacionados.
Guia de Melhor Execução para Latência Baixa 2010.
Você nunca pode ficar parado porque não importa quantos milhares ou milhões de dólares você gasta criando a infra-estrutura.
Traders Magazine. InfoReach obtém os comerciantes indo rapidamente de alta velocidade.
InfoReach quer dar às lojas menores as ferramentas para serem comerciantes de alta freqüência.
WIRED. Investigação: O negócio de negociação de alta freqüência.
InfoReach, uma empresa especializada em tecnologia de negociação, tem plataformas capazes de lidar com mais de 10k pedidos por segundo.
InfoReach apresenta módulo de negociação de alta freqüência na FIA Expo.
A última adição à plataforma de negociação do InfoReach TMS permite que as empresas empregem estratégias de negociação algorítmicas de alta freqüência.
Mercados Mídia: Qualidade do Software de Negociação sob Microscópio.
O InfoReach possui limites de risco incorporados nos seus sistemas de negociação multi-corretores, cobrindo ordens originadas manualmente, algorítmica, via API ou via FIX.
Condução de negociação de alta freqüência com computação em memória.
Um Livro Branco de Computação em Memória em GridGain Systems.
Com as negociações de alta freqüência, algorítmicas e quantitativas tornando-se a norma para as empresas de serviços financeiros de hoje, todos estão procurando uma vantagem técnica. As empresas estão correndo para bater em latência, desempenho e complexidade analítica. Ao mesmo tempo, eles precisam manter controles de conformidade e controles de risco a nível transacional. Como resultado desses requisitos, as empresas envolvidas em negociações de alta freqüência enfrentam desafios técnicos sem precedentes - e eles estão olhando para a computação em memória para obter respostas.
Este artigo analisa o estado atual do comércio de alta freqüência - por que é popular e quais tipos de estratégias e tecnologias estão sendo usadas - e depois explora como a computação na memória pode atender aos desafios tecnológicos e aumentar os lucros nesse segmento de mercado.
Comunicados de imprensa.
Próximos eventos.
Últimas postagens de blog.
CONTATE-NOS.
1065 East Hillsdale Blvd, Suite 220.
Foster City, CA 94404.
© 2018 GridGain Systems, Inc. Todos os direitos reservados.
Condução de negociação de alta freqüência com computação em memória - Novo Livro Branco.
Quando os preços dos títulos se movem, as empresas comerciais podem ganhar mais dinheiro, mais rápido eles reagem. A negociação de títulos de alta freqüência é agora a norma e as empresas de serviços financeiros são incentivadas para maximizar o desempenho de sua infra-estrutura de negociação de alta freqüência. O desempenho desempenha um papel crítico em cada etapa básica da negociação de títulos de alta freqüência, incluindo a obtenção de informações de mercado, o processamento da informação através de algoritmos de previsão e a execução de negociações com base na informação - tudo intensivo em transações. Ajustar os algoritmos de previsão com base na forma como eles executam é uma tarefa relacionada com análise intensiva.
Para alcançar o melhor desempenho, as empresas estão implementando uma variedade de tecnologias e estratégias, muitas vezes em combinação. Por exemplo:
O cabeamento de fibra escura é uma infra-estrutura de fibra óptica que conecta diretamente o mecanismo de decisão à espinha dorsal da co-localização Exchange Exchange coloca o computador comercial com o mecanismo de decisão no mesmo centro de dados que o mecanismo correspondente A lógica de programação baseada em hardware coloca a decisão lógica em hardware através de FPGAs e GPUs O Hadoop com MapReduce facilita a transferência rápida de dados entre nós e divide aplicativos em vários pequenos blocos que podem ser executados em qualquer nodo Processamento de eventos complexos (CEP) processa vários fluxos de dados ao mesmo tempo Clusters de processamento paralelo distribuem processamento em vários nós em um cluster.
Computação em memória para negociação de alta freqüência.
Uma das tecnologias mais poderosas para o comércio de alta freqüência é a computação em memória. Mais acessível do que nunca, a computação em memória mantém dados na memória em vez de no disco para fornecer melhorias maciças no desempenho e escalabilidade para lidar com conjuntos de dados maciços. As soluções de computação em memória operam milhares de vezes mais rápidas que as plataformas tradicionais baseadas em disco e podem ser facilmente dimensionadas pela adição de novos nós ao cluster de computação distribuída.
Comércio de alta freqüência com o Livro Branco de computação em memória.
Se a sua organização estiver desenvolvendo ou tentando melhorar uma infra-estrutura de negociação de alta freqüência, baixe o download da Conversão de alta freqüência com computação em memória, um novo documento técnico da GridGain que analise detalhadamente o estado atual do comércio de alta freqüência e revela mais especificamente, como a computação em memória pode ajudar as empresas de serviços financeiros a enfrentar esse desafio tecnológico.
Como sempre, se você tiver dúvidas ou comentários, informe-nos!
Dezembro 2017 (9) novembro 2017 (12) outubro 2017 (13) setembro 2017 (12) agosto 2017 (12) julho 2017 (9) junho 2017 (11) maio 2017 (17) abril 2017 (8) março 2017 (10) Fevereiro de 2017 (9) janeiro de 2017 (11)
Dezembro de 2016 (9) novembro de 2016 (10) outubro de 2016 (5) setembro de 2016 (4) agosto de 2016 (2) julho de 2016 (1) junho de 2016 (4) maio de 2016 (5) abril de 2016 (3) março de 2016 (4) Fevereiro de 2016 (3) janeiro de 2016 (4)
Dezembro 2015 (1) julho 2015 (1) maio 2015 (1) abril 2015 (3) março 2015 (1)
Novembro 2014 (1) setembro 2014 (4) agosto 2014 (1) julho 2014 (1) junho 2014 (3) maio 2014 (3) abril 2014 (3) março 2014 (5) janeiro 2014 (1)
Dezembro 2013 (1) novembro 2013 (2) outubro 2013 (2) setembro 2013 (1) agosto 2013 (4) julho 2013 (1) abril 2013 (1) fevereiro 2013 (1) janeiro 2013 (1)
Novembro de 2012 (5) outubro de 2012 (3) setembro de 2012 (3) agosto de 2012 (7) julho de 2012 (8) junho de 2012 (5) maio de 2012 (3) abril de 2012 (3) março de 2012 (2) fevereiro de 2012 (1) Janeiro de 2012 (1)
Novembro de 2011 (2) outubro de 2011 (1) julho de 2011 (2) maio de 2011 (6) março de 2011 (2) janeiro de 2011 (4)
Dezembro de 2010 (5) novembro de 2010 (3) outubro de 2010 (4) setembro de 2010 (1) agosto de 2010 (1) julho de 2010 (1) junho de 2010 (1) maio de 2010 (1) abril de 2010 (1) fevereiro de 2010 (1)
Novembro de 2009 (1) Agosto de 2009 (1) Julho de 2009 (1) Junho de 2009 (1) Maio de 2009 (1) Abril de 2009 (2) Março de 2009 (2) Fevereiro de 2009 (2) Janeiro de 2009 (2)
Novembro de 2008 (4) Outubro de 2008 (2) Setembro de 2008 (1) Agosto de 2008 (4) Junho de 2008 (3) Maio de 2008 (3) Abril de 2008 (2) Março de 2008 (5) Fevereiro de 2008 (3) Janeiro de 2008 (1)
Dezembro de 2007 (1) outubro de 2007 (1) setembro de 2007 (2) agosto de 2007 (3) julho de 2007 (1) maio de 2007 (1)
Outubro de 2006 (1) julho de 2006 (1) junho de 2006 (1) maio de 2006 (3)
Comunicados de imprensa.
Próximos eventos.
Últimas postagens de blog.
CONTATE-NOS.
1065 East Hillsdale Blvd, Suite 220.
Foster City, CA 94404.
© 2018 GridGain Systems, Inc. Todos os direitos reservados.
Ripple's Distributed Exchange e High Frequency Trading Arms Race.
Os mercados financeiros negociados na bolsa são freqüentemente caracterizados como uma corrida de armamentos entre os comerciantes para reduzir a latência. Muitas estratégias de negociação de alta freqüência (HFT) são pensadas para serem estratégias de "vencer-levar-tudo" que recompensam os participantes mais rápidos à custa daqueles que são relativamente mais lentos. A sabedoria convencional é que os comerciantes podem aproveitar essas dinâmicas ao serem os mais rápidos no mercado ou perder alguns retornos para aqueles que são.
Este pode ser um pano de fundo frustrante para os investidores focados nos fundamentos em vez de acelerar seus sistemas de negociação.
Uma vantagem de velocidade HFT comum envolve a localização conjunta do seu hardware o mais próximo possível das trocas, geralmente em um armário do centro de dados que a própria troca aluga. Não há uma tonelada de dados públicos sobre preços de co-localização, mas várias fontes indicam uma faixa de US $ 5.000 e # 8211; US $ 15.000 ou mais por mês para hospedar um servidor nos data centers. É como uma propriedade à beira-mar e # 8212; Quanto mais perto você quer estar com a água, mais caro será o aluguel.
Isso se tornou um enorme fluxo de receita para as trocas, com alguns dos maiores jogadores ganhando mais de 30% de suas receitas de "Dados / Acesso", que inclui taxas de co-localização e taxas de fornecimento de dados. (Fonte: GS Equity Research)
Há prós e contras relacionados ao HFT, mas os críticos têm razão em dizer que essa estrutura cria um mercado "de duas camadas". Isso cria assimetria de informação. Se você não tem os recursos para co-localizar e comprar hardware especializado, então você provavelmente pagará um pedágio quando você troca para quem faz. E se a maioria dos investidores institucionais não puderem competir, os investidores de varejo estão lamentavelmente perdidos aqui.
A arquitetura de troca distribuída de Ripple é uma nova idéia refrescante nesta paisagem poluída.
Como a troca de Ripple é distribuída em oposição ao centralizado, todo o conceito de co-localização torna-se fundamentalmente diferente. Simplesmente não há uma localização central perto da qual você co-localize para uma vantagem de velocidade. Ripple existe em servidores em todo o mundo, e qualquer pessoa pode facilmente rootear sua própria cópia de um servidor Ripple gratuitamente. (O código é de código aberto.)
Os servidores Ripple gerenciam coletivamente a funcionalidade de troca mantendo o controle de um livro de contas, saldos e ordens para comprar e vender ativos. Um comércio na rede Ripple é apenas uma mudança autorizada no razão. E para fazer uma mudança no razão, os servidores Ripple devem chegar a um consenso sobre a mudança, o que significa que quase todos tiveram a chance de ver e verificar o comércio antes que ele seja executado.
Este processo de consenso global demora cerca de 2-5 segundos a ser concluído, ou seja, existem alguns segundos entre as atualizações do razão em Ripple. Isso pode parecer uma eternidade para os comerciantes acostumados a medir a latência das transações em milissegundos ou microssegundos, no entanto, uma vez que você remove a vantagem de velocidade que outros podem usar para se engajar em estratégias comerciais favoráveis, a grande aversão à latência que as pessoas habitam desaparece. Qual é a utilidade social real de poder trocar em incrementos de milissegundos?
Aqui está uma citação pungente de um comerciante HFT no PCMag:
& # 8220; acho que é a coisa mais louca que quantidades maciças de capital - bilhões de dólares - estão sendo colocadas em milisegundos de corte dos tempos de transmissão entre os sites [de troca]. Encontre alguém que possa explicar a utilidade social que está sendo criada reduzindo os tempos de trânsito de Nova York / Chicago em dois milissegundos. Ou Nova York para Londres. Não existe. Mas ainda há dinheiro a ser feito, e essa é a desconexão econômica fundamental no comércio de alta freqüência, o que me leva a classificá-lo como uma empresa poluente, porque se eles estão fazendo dinheiro com isso , há uma externalidade negativa em algum lugar que está dirigindo esse dinheiro para eles. É um custo socializado. & # 8221;
A maioria das decisões de investimento humano não ocorre em uma escala de milissegundos. Para muitos participantes no mercado, alguns segundos de latência são um compromisso bem-vindo para uma estrutura de mercado mais justa e democratizada.
A estrutura de troca distribuída de Ripple obriga os comerciantes a repensar a forma como o tempo é definido. Uma vez que o consenso é um processo distribuído que ocorre em servidores ao redor do mundo, nem sempre é necessário articular o comércio que foi submetido "primeiro". Ao contrário das trocas tradicionais, na rede Ripple não há uma localização central para onde as mensagens devem correr para obter timestamped.
As encomendas enviadas para livros públicos anteriores obtêm uma prioridade de preço / hora clara, uma vez que possuem um carimbo de data / hora concreto baseado em uma atualização do razão maior. No entanto, se várias ordens com o mesmo preço estiverem incluídas na mesma atualização do razão, elas são aplicadas no livro de contas de Ripple com base em um hash da transação, em uma ordem determinista, mas imprevisível, de equidade. Por outras palavras, o tempo entre as atualizações do razão maior é randomizado até alguns segundos de granularidade.
Curiosamente, EBS & # 8212; uma das maiores plataformas de negociação de moeda existentes e # 8212; recentemente começou a testar uma ideia semelhante:
EBS introduziu um chamado piso de latência # 8220; & # 8221; & # 8230; em negociações no dólar australiano / EUA. par de moedas do dólar, a quarta cruzada mais comercializada.
Sob o movimento, as mensagens que transportam ordens na cruz de Aussie serão empacotadas em lotes e depois serão executadas por um processo que aleatoriza seu lugar na fila. Isso poderia ajudar a nivelar o campo de jogo porque a primeira mensagem para acessar o sistema não será necessariamente a primeira ordem processada. A velocidade do processo de randomização é entre um e três milissegundos, disse EBS.
Isso realmente parece muito com o processo de Ripple. Um a três milisegundos provavelmente ajuda a proteger as empresas HFT de se canibalizar, mas ainda deixa muitos comerciantes institucionais e certamente a maioria dos comerciantes varejistas em desvantagem. Isso ajuda a aliviar a corrida armamentista, mas na verdade não eleva o campo de jogo.
Claro, a Ripple é projetada principalmente para ser uma rede de pagamento e não substituir a arquitetura de câmbio global. Este post não pretende sugerir o último. Mas é uma questão filosófica interessante a considerar & # 8212; Qual é o piso de latência ideal para equilibrar a utilidade e a equidade?
A mensagem de Ripple é de inclusão, acesso universal e descentralização de finanças em sistemas de código aberto. Acreditamos que a estrutura de câmbio única e inovadora da Ripple permite que os investidores de varejo acessem o mercado FX global de forma justa e lhes permita mover dinheiro sem taxas / spreads punitivos. Pensamos que é uma ideia emocionante e intelectualmente interessante, e esperamos que você se junte ao movimento.
Artigos recomendados.
Boletim informativo Ripple.
Boletim informativo Ripple.
Sobre Insights.
Ripple Insights apresenta atualizações do setor, perspectivas privilegiadas e análise de mercado aprofundada. As visualizações expressas por autores terceirizados são deles sozinhas.
Jesse Spaulding.
Como fiz $ 500k com aprendizado de máquina e HFT (negociação de alta freqüência)
Esta publicação detalhará o que fiz para fazer aprox. 500k de negociação de alta freqüência de 2009 a 2010. Desde que eu estava negociando completamente de forma independente e não estou mais executando meu programa, eu estou feliz em contar tudo. Minha negociação foi principalmente em contratos de futuros Russel 2000 e DAX.
A chave para o meu sucesso, eu acredito, não estava em uma equação financeira sofisticada, mas sim no projeto de algoritmo geral que uniu muitos componentes simples e a aprendizagem de máquinas usadas para otimizar a máxima rentabilidade. Você ganhou não precisa conhecer qualquer terminologia sofisticada aqui porque, quando eu configurei meu programa, tudo foi baseado na intuição. (O curso de aprendizado de máquina incrível da Andrew Ng não estava ainda disponível - por favor, se você clicar nesse link, você será levado ao meu projeto atual: CourseTalk, um site de revisão para MOOCs)
Primeiro, eu só quero demonstrar que o meu sucesso não foi simplesmente o resultado da sorte. Meu programa fez 1000-4000 negociações por dia (meio e meio, curto) e nunca entrou em posições de mais de alguns contratos por vez. Isso significava que a sorte aleatória de qualquer comércio em particular era muito rápida. O resultado foi que nunca perdi mais de US $ 2000 em um dia e nunca tive um mês perdedor:
(EDITAR: estes números são depois de pagar comissões)
E aqui é um gráfico para dar uma sensação de variação diária. Observe que isso exclui os últimos 7 meses porque - à medida que os números pararam de subir - eu perdi minha motivação para inseri-los.
Antes de configurar meu programa de negociação automatizado I & rsquo; d tinha 2 anos de experiência como um & ldquo; manual & rdquo; comerciante do dia. Isso foi de volta em 2001 - foram os primeiros dias do comércio eletrônico e houve oportunidades para & ldquo; scalpers & rdquo; para ganhar dinheiro. Eu só posso descrever o que eu estava fazendo como semelhante a jogar um jogo de vídeo / jogo com uma suposta vantagem. Ser bem-sucedido significou ser rápido, ser disciplinado e possuir boas habilidades de reconhecimento de padrões intuitivas. Eu consegui fazer cerca de US $ 250 mil, pagar meus empréstimos estudantis e ter dinheiro restante. Ganhar!
Nos próximos cinco anos, eu lançaria duas startups, pegando algumas habilidades de programação ao longo do caminho. Não seria até o final de 2008 que eu voltaria a negociar. Com o dinheiro escorrendo da venda da minha primeira inicialização, a negociação ofereceu esperanças de algum dinheiro rápido enquanto eu descobri minha próxima jogada.
Em 2008 eu estava & ldquo; manualmente & rdquo; dia comercializando futuros usando o software chamado T4. Eu estava desejando algumas teclas de atalho de entrada de pedidos personalizadas, então, depois de descobrir que a T4 tinha uma API, assumi o desafio de aprender C # (a linguagem de programação necessária para usar a API) e segui adiante e me criei algumas teclas rápidas.
Depois de ficar com os pés molhados com a API, logo tive aspirações maiores: queria ensinar o computador a trocar por mim. A API forneceu um fluxo de dados de mercado e uma maneira fácil de enviar ordens para a troca - tudo o que eu tinha que fazer era criar a lógica no meio.
Abaixo está uma captura de tela de uma janela de negociação T4. O que foi legal é que, quando trabalhei, consegui assistir o comércio de computadores nesta mesma interface. Ver as ordens reais que aparecem dentro e fora (por si com meu dinheiro real) foram emocionantes e assustadoras.
O design do meu algoritmo.
Desde o início, meu objetivo era configurar um sistema de forma que eu pudesse estar razoavelmente confiante. Eu ganharei dinheiro antes de fazer qualquer transação ao vivo. Para realizar isso, eu precisava construir uma estrutura de simulação de negociação que, com a maior precisão possível, simulasse a negociação ao vivo.
Embora a negociação no modo ao vivo exigisse o processamento de atualizações de mercado transmitidas através da API, o modo de simulação exigia a leitura de atualizações de mercado a partir de um arquivo de dados. Para coletar esses dados, configurei a primeira versão do meu programa para simplesmente conectar-se à API e registrar as atualizações do mercado com timestamps. Acabei usando 4 semanas de dados de mercado recentes para treinar e testar meu sistema.
Com um quadro básico no local, eu ainda tinha a tarefa de descobrir como criar um sistema comercial lucrativo. Como se verifica, meu algoritmo seria dividido em dois componentes distintos, que eu explorarei por sua vez:
Previsão de movimentos de preços; e fazer negócios lucrativos.
Previsão de movimentos de preços.
Talvez um componente óbvio de qualquer sistema comercial seja capaz de prever onde os preços se moverão. E o meu não foi exceção. Eu definei o preço atual como a média da oferta interna e oferta interna e eu estabeleci o objetivo de prever onde o preço seria nos próximos 10 segundos. Meu algoritmo precisaria apresentar esta previsão momento a momento ao longo do dia de negociação.
Criando & amp; indicadores de otimização.
Eu criei um punhado de indicadores que provaram ter uma habilidade significativa para prever movimentos de preços de curto prazo. Cada indicador produziu um número que era positivo ou negativo. Um indicador era útil se, com maior frequência, um número positivo correspondesse com o mercado subindo e um número negativo correspondia ao mercado descer.
Meu sistema me permitiu determinar rapidamente a capacidade preditiva de qualquer indicador, então eu consegui experimentar muitos indicadores diferentes para ver o que funcionou. Muitos dos indicadores tinham variáveis nas fórmulas que os produziam e consegui encontrar os valores ótimos para essas variáveis, fazendo comparações lado a lado dos resultados obtidos com valores variáveis.
Os indicadores que foram mais úteis foram todos relativamente simples e foram baseados em eventos recentes no mercado que negociei, bem como os mercados de títulos correlacionados.
Fazendo previsões de movimento de preço exato.
Ter indicadores que simplesmente previam um movimento de preços para cima ou para baixo não era suficiente. Eu precisava saber exatamente quanto o movimento do preço era previsto por cada valor possível de cada indicador. Eu precisava de uma fórmula que convertesse um valor indicador para uma previsão de preços.
Para realizar isso, rastreei os movimentos de preços previstos em 50 baldes que dependiam do alcance em que o valor do indicador caiu. Isso produziu previsões únicas para cada balde que eu então consegui representar no Excel. Como você pode ver, a variação esperada do preço aumenta à medida que o valor do indicador aumenta.
Com base em um gráfico como esse, consegui fazer uma fórmula para ajustar a curva. No começo eu fiz isso & ldquo; curve fitting & rdquo; manualmente, mas logo escrevi algum código para automatizar esse processo.
Observe que nem todas as curvas indicadoras tiveram a mesma forma. Observe também que os baldes foram distribuídos logaritticamente de modo a espalhar os dados de forma uniforme. Finalmente, note que os valores de indicadores negativos (e as respectivas previsões de preços descendentes correspondentes) foram invertidos e combinados com os valores positivos. (Meu algoritmo tratado de forma ascendente e exata exatamente o mesmo.)
Combinando indicadores para uma única previsão.
Uma coisa importante a considerar era que cada indicador não era totalmente independente. Eu não poderia simplesmente resumir todas as previsões que cada indicador faz individualmente. A chave era descobrir o valor preditivo adicional que cada indicador tinha além do que já estava previsto. Isso não era muito difícil de implementar, mas isso significava que se eu fosse & ldquo; curve fitting & rdquo; vários indicadores ao mesmo tempo eu tive que ter cuidado; mudar um afetaria as previsões de outro.
A fim de & ldquo; curve fit & rdquo; Todos os indicadores ao mesmo tempo eu configurei o otimizador para passar apenas 30% do caminho para as novas curvas de previsão com cada passagem. Com este salto de 30%, descobri que as curvas de previsão se estabilizariam dentro de algumas passagens.
Com cada indicador agora nos dando a previsão de preço adicional de ñsquo; eu poderia simplesmente adicioná-los para produzir uma previsão única de onde o mercado seria em 10 segundos.
Por que a previsão de preços não é suficiente.
Você pode pensar que com essa vantagem no mercado eu estava dourado. Mas você precisa ter em mente que o mercado é composto por lances e ofertas - não é apenas um preço de mercado. O sucesso na negociação de alta freqüência se resume a obter bons preços e não é tão fácil.
Os seguintes fatores tornam difícil a criação de um sistema lucrativo:
Com cada troca eu tinha que pagar comissões para o meu corretor e a troca. O spread (diferença entre oferta mais alta e oferta mais baixa) significava que, se eu fosse simplesmente comprar e vender aleatoriamente, eu estaria perdendo uma tonelada de dinheiro. A maior parte do volume do mercado eram outros bots que só executariam um comércio comigo se achassem que tinham alguma vantagem estatística. Ver uma oferta não garantiu que eu pudesse comprá-la. No momento em que minha ordem de compra chegou ao intercâmbio, era muito possível que essa oferta tivesse sido cancelada. Como um pequeno jogador do mercado, não havia nenhuma maneira de eu competir sozinho na velocidade.
Construindo uma simulação de negociação completa.
Então eu tive uma estrutura que me permitiu backtest e otimizar indicadores. Mas eu tinha que ir além disso - eu precisava de uma estrutura que me permitisse fazer backtest e otimizar um sistema comercial completo; um onde eu estava mandando ordens e entrando em posições. Neste caso, I & rsquo; d seja otimizado para P & amp; L total e, em certa medida, P & amp; L médio por comércio.
Isso seria mais complicado e, de certa forma, impossível modelar exatamente, mas eu fiz o melhor que pude. Aqui estão algumas das questões que eu tive que lidar com:
Quando um pedido foi enviado ao mercado em simulação, tive que modelar o tempo de atraso. O fato de meu sistema ter visto uma oferta não significava que pudesse comprá-lo imediatamente. O sistema enviaria o pedido, espere aproximadamente 20 milissegundos e, em seguida, apenas se a oferta ainda fosse considerada como um comércio executado. Isso foi inexato porque o tempo de atraso real foi inconsistente e não relatado. Quando eu coloquei lances ou ofertas, tive que olhar para o fluxo de execução comercial (fornecido pela API) e usá-los para avaliar quando minha ordem teria sido executada contra. Para fazer isso, tive que rastrear a posição do meu pedido na fila. (É um sistema de primeira saída em primeiro lugar). Mais uma vez, não consegui fazer isso perfeitamente, mas fiz uma melhor aproximação.
Para refinar a simulação de execução do meu pedido, fiz os meus arquivos de log da negociação ao vivo através da API e comparei-os aos arquivos de log produzidos por negociação simulada do mesmo período. Eu consegui minha simulação até o ponto de ser bastante preciso e, para as partes que eram impossíveis de modelar exatamente, me assegurei pelo menos de produzir resultados estatisticamente similares (nas métricas que achava importantes).
Faz negócios lucrativos.
Com um modelo de simulação de ordem no local, agora eu poderia enviar ordens no modo de simulação e ver uma P & amp; L simulada. Mas como saberia o meu sistema quando e onde comprar e vender?
As previsões de movimento de preços foram um ponto de partida, mas não toda a história. O que eu fiz foi criar um sistema de pontuação para cada um dos 5 níveis de preço na oferta e oferta. Estes incluíram um nível acima da oferta interna (para um pedido de compra) e um nível abaixo da oferta interna (para uma ordem de venda).
Se a pontuação em qualquer nível de preço fosse superior a um certo limite que significaria que meu sistema deveria ter uma oferta / oferta ativa - abaixo do limite, então todas as ordens ativas deveriam ser canceladas. Com base nisso, não era incomum que meu sistema iria mostrar uma oferta no mercado e, em seguida, cancelá-lo imediatamente. (Embora eu tentei minimizar isso, como é irritante, como diabos para quem olha a tela com olhos humanos - inclusive eu.)
Os escores do nível de preços foram calculados com base nos seguintes fatores:
A previsão do movimento do preço (que discutimos anteriormente). O nível de preços em questão. (Os níveis internos significaram que foram necessárias maiores previsões de movimento de preços). O número de contratos na frente do meu pedido na fila. (Menos foi melhor.) O número de contratos por trás do meu pedido na fila. (Mais foi melhor.)
Essencialmente, esses fatores serviram para identificar & ldquo; safe & rdquo; lugares para oferecer / oferecer. A previsão de movimento de preço por si só não era adequada porque não explicava o fato de que ao colocar uma oferta eu não estava preenchido automaticamente - eu só cheguei se alguém me vendesse lá. A realidade era que o simples fato de alguém me vender a um certo preço alterou as probabilidades estatísticas do comércio.
As variáveis utilizadas nesta etapa estavam todas sujeitas a otimização. Isso foi feito exatamente da mesma maneira que otimizei variáveis nos indicadores de movimento de preços, exceto neste caso eu estava otimizando a linha de fundo P & amp; L.
Ao negociar como seres humanos, muitas vezes temos poderosas emoções e desvios que podem levar a decisões menos do que ótimas. Claramente, não queria codificar esses preconceitos. Aqui estão alguns fatores que meu sistema ignorou:
O preço que uma posição foi inserida - Em um escritório de negociação, é muito comum ouvir a conversa sobre o preço no qual alguém é longo ou curto, como se isso pudesse afetar a futura tomada de decisões. Embora isso tenha alguma validade como parte de uma estratégia de redução de risco, ele realmente não tem influência no futuro dos eventos no mercado. Portanto, meu programa ignorou completamente essa informação. É o mesmo conceito que ignorar custos irrecuperáveis. Ir a curto vs. sair de uma posição longa - Normalmente, um comerciante teria critérios diferentes que determinam onde vender uma posição longa versus onde ficar curto. No entanto, da minha perspectiva de algoritmos não havia motivo para fazer uma distinção. Se o meu algoritmo esperava que uma venda de movimento descendente fosse uma boa idéia, independentemente de ser atualmente longa, curta ou plana. A & ldquo; dobrando para cima & rdquo; estratégia - Esta é uma estratégia comum em que os comerciantes comprarão mais ações no caso de o comércio original ir contra elas. Isso resulta em um preço de compra médio menor e significa que quando (ou se) o estoque se virar, você estará configurado para fazer o seu dinheiro de volta em nenhum momento. Na minha opinião, esta é realmente uma estratégia horrível, a menos que você seja o Warren Buffet. Você está enganado para pensar que você está indo bem porque a maioria de seus negócios serão vencedores. O problema é quando você perde você perder grande. O outro efeito é que dificilmente julgar se você realmente tem uma vantagem no mercado ou está apenas tendo sorte. Ser capaz de monitorar e confirmar que o meu programa de fato teve uma vantagem foi um objetivo importante.
Uma vez que meu algoritmo tomou decisões do mesmo modo, independentemente de onde ele entrou em um comércio ou se fosse atualmente longo ou curto, ocasionalmente sentava-se (e aceitou) alguns grandes negócios perdidos (além de alguns grandes negócios vencedores). Mas, você não deveria pensar que não havia nenhum gerenciamento de riscos.
Para gerenciar o risco, apliquei um tamanho máximo de posição de 2 contratos por vez, ocasionalmente acumulado em dias de alto volume. Eu também tive um limite máximo de perda diária para proteger contra quaisquer condições de mercado inesperadas ou um erro no meu software. Esses limites foram aplicados no meu código, mas também no backend através do meu corretor. Como aconteceu, nunca encontrei problemas significativos.
Desde o momento em que comecei a trabalhar no meu programa, demorei cerca de 6 meses antes de chegar ao ponto de rentabilidade e começar a executá-lo ao vivo. Embora seja justo, uma quantidade significativa de tempo foi aprender uma nova linguagem de programação. Enquanto trabalhava para melhorar o programa, vi maiores lucros para cada um dos próximos quatro meses.
Todas as semanas, eu treinaria o sistema com base nas 4 semanas anteriores de dados. Eu achei que isso atingiu o equilíbrio certo entre a captura de tendências comportamentais recentes do mercado e garantir que meu algoritmo tivesse dados suficientes para estabelecer padrões significativos. À medida que o treinamento começou a tomar mais e mais tempo, eu o separei para que ele possa ser executado por 8 máquinas virtuais usando o Amazon EC2. Os resultados foram então agrupados na minha máquina local.
O ponto alto da minha negociação foi outubro de 2009, quando eu fiz quase 100k. Depois disso, continuei a gastar os próximos quatro meses tentando melhorar meu programa, apesar da diminuição do lucro a cada mês. Infelizmente, neste ponto, acho que eu implementei todas as minhas melhores idéias, porque nada que tentei pareceu ajudar muito.
Com a frustração de não poder fazer melhorias e não ter um senso de crescimento, comecei a pensar em uma nova direção. Eu enviei 6 empresas de comércio de alta freqüência diferentes para ver se eles estavam interessados em comprar meu software e me contratar para trabalhar para eles. Ninguém respondeu. Eu tive algumas idéias de inicialização novas que queria trabalhar, então eu nunca segui.
UPDATE - Posteci isso no Hacker News e tem tido muita atenção. Eu só quero dizer que não defendo ninguém tentando fazer algo assim agora. Você precisaria de uma equipe de pessoas realmente inteligentes com uma variedade de experiências para ter alguma esperança de competir. Mesmo quando eu estava fazendo isso, eu acreditava que era muito raro que os indivíduos conseguissem sucesso (embora eu tivesse ouvido falar de outros).
Há um comentário no topo da página que menciona "estatísticas manipuladas" e se refere a mim como um investidor de varejo & ldquo; rdquo; que os quants gostariam de escolher com entusiasmo & rdquo ;. Este é um comentário bastante infeliz que simplesmente não é baseado na realidade. Configurando isso de lado há alguns comentários interessantes: news. ycombinator / item? Id = 4748624.
UPDATE # 2 - I & rsquo; postou um FAQ de seguimento que responde algumas perguntas comuns que eu recebi dos comerciantes sobre esta publicação.
Delhideviant gostou disto.
Oi, sou Jesse, fundador da Thinklab. Eu vivo e toco em São Francisco. Você encontrou minha casa na web ... Bem-vindo!
No comments:
Post a Comment