Pertama, komponen-komponen utama sistem dagangan beralgoritma akan dipertimbangkan, seperti alat-alat penyelidikan, portfolio optimiser, risiko pengurus dan pelaksanaan enjin. dan sistem daya tahan terhadap peristiwa-peristiwa yang jarang berlaku, berpotensi bencana. kedua-duanya untuk alat-alat penyelidikan serta alam sekitar secara langsung pelaksanaan. Khususnya frekuensi perdagangan dan jumlah dagangan dijangka akan kedua-duanya akan dibincangkan. tidak sama sekali dilarang untuk menggunakan wang ini kadang-kadang untuk perdagangan hari, tetapi kemungkinan perlu sangat tinggi memihak kepada anda. Apa yang merupakan sistem perdagangan cuba To Do? Sistem ini akan menjadi semata-mata berdasarkan pelaksanaan?
Bahasa yang menulis sistem perdagangan automatik adalah perlu untuk menentukan syarat-syarat. Sistem ini memerlukan risiko portfolio atau pengurusan pembinaan modul? Untuk kebanyakan strategi dilakukan dengan sistem dagangan boleh dibahagikan kepada dua kategori: penyelidikan dan isyarat generasi. Penyelidikan yang berkaitan dengan penilaian prestasi strategi melalui data sejarah. Proses penilaian strategi dagangan ke atas data pasaran terlebih dahulu dikenali sebagai backtesting. Saiz data dan algorithmic kerumitan akan mempunyai impak yang besar pada keamatan pengiraan backtester ini.
Kelajuan CPU dan keserempakan selalunya adalah faktor penghad dalam meningkatkan kelajuan pelaksanaan penyelidikan. Untuk sesetengah strategi tahap prestasi yang tinggi adalah diperlukan. Penjanaan isyarat berkenaan dengan penjanaan satu set dagangan isyarat daripada suatu algoritma dan menghantar pesanan tersebut ke pasaran, biasanya melalui seorang broker.
isu-isu seperti rangkaian jalur lebar dan kependaman selalunya adalah faktor penghad dalam mengoptimumkan sistem pelaksanaan. Oleh itu pemilihan bahasa bagi setiap komponen keseluruhan sistem anda mungkin agak berbeza. Terletak adat pelayan, GPUs atau FPGAs yang mungkin perlu. Jenis beralgoritma strategi yang diambil akan memberi impak yang besar pada reka bentuk sistem.
strategi arbitraj statistik frekuensi perdagangan di pasaran niaga hadapan. Ini perlu dapat mengambil kepada Reka bentuk platform. Sebelum pemilihan bahasa yang ramai pembekal data mesti dinilai yang berkaitan dengan strategi yang di tangan. Kekerapan strategi ini mungkin menjadi salah satu pemacu yang terbesar daripada bagaimana tindanan teknologi akan ditakrifkan. Ia adalah perlu untuk mempertimbangkan sambungan kepada penjual, struktur api mana-mana, ketepatan masa data, keperluan penyimpanan dan daya tahan dalam menghadapi sebuah syarikat penjual ke luar talian. Strategi menggunakan data lebih kerap daripada minutely atau kedua Bar memerlukan pertimbangan yang ketara dari segi prestasi. Untuk strategi frekuensi tinggi sejumlah besar data pasaran perlu disimpan dan dinilai.
biasanya digunakan untuk peranan ini. ini mungkin calon Bahasa paling kuat. Bagi tujuan memproses volum yang banyak data yang diperlukan untuk aplikasi HFT, sistem backtester dan pelaksanaan yang dioptimumkan secara meluas hendaklah digunakan. membawa kepada pencapaian yang didorong oleh Reka bentuk sebagai keperluan utama. Sistem penyelidikan biasanya melibatkan campuran pembangunan interaktif dan skrip secara automatik.
Ianya juga bijak untuk memiliki akses pantas kepada beberapa vendor! Yang kedua melibatkan pengiraan berangka yang menyeluruh ke atas pelbagai parameter dan capaian data. Ini membawa kepada pilihan bahasa menyediakan persekitaran yang jelas dan mudah untuk menguji kod, tetapi juga menyediakan prestasi yang mencukupi untuk menilai strategi ke atas pelbagai parameter dimensi. Bekas sering mengambil tempat dalam IDE yang seperti Visual Studio, MatLab atau P Studio. Faktor utama pada peringkat ini ialah pelaksanaan kelajuan. Ia sering kali berguna jika backtesting parameter dimensi adalah besar.
pandas untuk langkah backtesting, untuk mengekalkan tahap daya-saing dengan tersusun setara yang munasabah. Ingat bahawa ia adalah perlu untuk berwaspada dengan sistem-sistem tersebut jika berlaku sedemikian! Walau bagaimanapun, bahasa yang digunakan untuk persekitaran yang backtester dan penyelidikan boleh menjadi benar-benar bebas daripada yang digunakan dalam pembinaan portfolio, risiko pengurusan dan pelaksanaan komponen, seperti yang akan dilihat. Hampir selalu, ini adalah satu kesilapan. Alat ini menyediakan mekanisme yang modal akan dikekalkan. Portfolio pembinaan dan risiko pengurusan komponen yang sering diabaikan oleh peniaga-peniaga runcit beralgoritma.
taruhan ke, tetapi juga meminimumkan churn perdagangan sendiri, mengurangkan kos transaksi. Versi yang canggih bagi komponen-komponen tersebut boleh mempunyai kesan yang ketara terhadap kualiti dan consistentcy keuntungan. Ia sangat mudah untuk mencipta yang stabil strategi serta pembinaan portfolio dan Pengurus risiko dengan mudah boleh diubahsuai untuk mengendalikan sistem berbilang.
Oleh itu mereka hendaklah dianggap komponen penting pada permulaan rekabentuk sistem dagangan beralgoritma. dan mengoptimumkan peruntukan modal pelbagai strategi dalam portfolio. dan dengan itu prestasi adalah sangat bergantung kepada keberkesanan pelaksanaan berangka linear algebra yang disediakan. SciPy bagi pengiraan tersebut. MatLab juga mempunyai operasi meluas mengoptimakan matriks. matriks Perpustakaan untuk melakukan langkah ini, jadi tidak untuk bottleneck dilakukan dengan sistem dagangan. Pengurusan risiko ialah bahagian penting sangat lain dari sistem dagangan beralgoritma.
Walaupun ini mungkin dilihat sebagai wajar untuk strategi tertentu! acara dan tidak dapat dikesan bug dalam Kod perdagangan, untuk menamakan beberapa. ketersediaan selubung API, kekerapan pelaksanaan dan gelinciran yang dijangka. Bagi kebanyakan strategi perdagangan runcit beralgoritma ini melibatkan sambungan API atau Baiki untuk broker seperti broker yang interaktif.
Sistem pelaksanaan kerja adalah untuk menerima isyarat dagangan yang ditapis dari pembinaan portfolio dan risiko pengurusan komponen dan menghantarnya ke sebuah broker atau cara lain untuk akses pasaran. Python, R, Excel dan MatLab. Dalam kes interaktif broker, alat stesyen kerja peniaga perlu akan dijalankan dalam persekitaran GUI untuk mengakses API mereka.
sekali terpaksa pasang sebuah Desktop Ubuntu edisi ke pelayan awan Amazon untuk mengakses broker interaktif dari jauh, semata-mata sebab ini! Terdapat skop bug ke rayap ke dalam sistem. Sentiasa menguji plugin seperti ini dan memastikan mereka aktif dikekalkan. tolok berbaloi adalah untuk melihat berapa banyak pengemaskinian baru untuk pangkalan kod yang telah dibuat dalam beberapa bulan kebelakangan.
Kekerapan pelaksanaan adalah amat penting dalam pelaksanaan algoritma. Ambil perhatian bahawa beratus-ratus pesanan boleh dihantar setiap minit dan oleh itu prestasi adalah kritikal. luar dalam tempoh pembangunan, pengujian dan tahap pemeliharaan yang mudah. Keluar sebagai sistem skala. Komponen-komponen sistem dagangan, syarat-syarat kekerapan dan jumlah telah dibincangkan di atas, tetapi sistem masih belum ingin dilindungi. Ia adalah perlu untuk meliputi alpha model, parameter risiko pengurusan dan pelaksanaan dan juga pelaksanaan sistem akhir.
Sebelum menyelami Bahasa khusus Reka bentuk sistem yang optimum seni bina akan dibincangkan. sistem perdagangan. Dalam pembangunan perisian, ini pada asasnya bermakna bagaimana untuk memecahkan aspek berbeza dilakukan dengan sistem dagangan ke dalam komponen modular yang berasingan.
sistem yang lebih ketat serta mungkin wajar. Untuk ultra tinggi frekuensi perdagangan yang rulebook mungkin perlu diabaikan pada perbelanjaan menyesuaikan sistem untuk prestasi yang lebih. Mencipta peta komponen sistem dagangan beralgoritma adalah bernilai satu artikel itu sendiri.
Amalan-amalan tersebut adalah dinasihatkan untuk strategi pada frekuensi-frekuensi yang lebih rendah. melaksanakan sistem pelaksanaan dan ini akan mempunyai kesan yang dramatik pada keuntungan. masa pasaran data input, storan data, akses data API, backtester, strategi parameter, pembinaan portfolio, pengurusan risiko dan sistem pelaksanaan secara automatik. Sebagai jauh itu sebagai backtester dan seterusnya komponen berkenaan, tiada bezanya. Sebagai contoh, jika stor data yang digunakan adalah underperforming pada masa ini, walaupun pada tahap pengoptimuman, ia boleh menjadi perisian ditukar keluar dengan minimum menulisnya semula dalam data ditelan atau data Access API. Satu lagi faedah dipisahkan adalah bahawa ia membolehkan pelbagai bahasa pengaturcaraan yang akan digunakan dalam keseluruhan sistem.
Ada tidak perlu dihadkan kepada Bahasa tunggal jika kaedah komunikasi bagi komponen-komponen bahasa yang bebas. prestasi, manakala portfolio Pengurus dan pelaksanaan sistem tersebut akan ditulis di Python menggunakan SciPy dan IBPy. Prestasi merupakan pertimbangan penting bagi strategi Tempahan perdagangan.
Bagi strategi-strategi kekerapan yang tinggi adalah faktor yang paling penting. Setiap satu daripada kawasan-kawasan ini secara individu adalah dilindungi oleh besar seperti buku teks, jadi artikel ini hanya akan mencalarkan permukaan setiap topik. kecuali apabila bangunan kekerapan tinggi dagangan algoritma!
Pilihan bahasa dan seni bina sekarang akan dibincangkan dari segi kesan ke atas prestasi mereka. Profil alat digunakan untuk menentukan di mana sebagaimana yang terpapar timbul. Bagi mereka yang berminat dalam strategi-strategi kekerapan yang lebih rendah, pendekatan yang biasa adalah untuk membina satu sistem dengan cara yang paling mudah dan mengoptimumkan hanya kerana sebagaimana yang terpapar mula muncul. Profil boleh dibuat untuk semua faktor-faktor yang disenaraikan di atas, sama ada dalam persekitaran MS Windows atau Linux.
atas struktur data asas dan algorithmic kerja. Pilihan bahasa sekarang akan dibincangkan dalam konteks prestasi.
