Building models for high frequency algorithmic trading strategies using matlab

Finanças Computacionais Matlab Não é um segredo que eu uso o Matlab quase diariamente, e é a minha principal ferramenta para preparar análises que você vê no meu blog. É por isso que estou tão feliz em aprender sobre uma conferência virtual sobre aplicativos Matlab para financiar que acontecerá no dia 9 de junho. Alguns dos destaques entre as apresentações: Construindo Modelos para Estratégias de Negociação Algorítmica de Alta Freqüência Usando o MATLAB Esta apresentação fornece uma visão geral de como o MATLAB é usado no Deutsche Bank para pesquisa, desenvolvimento, calibração e monitoramento de modelos quantitativos que informam estratégias de negociação de alta frequência. usado no mais recente conjunto de algoritmos Autobahn Equity. Eu não sei muito sobre DBs algos, como eu uso Knight para execuções no trabalho, mas algumas das pesquisas de DBs em algos que me deparei foi super MATLAB: uma ferramenta de desenvolvimento corporativo no Banc Sabadell Nesta apresentação, mostramos como Banc Sabadell usa Produtos MathWorks nas operações day8208to8208day da mesa de operações. Nós nos concentramos no ambiente de implantação do Banc Sabadells e como o MATLAB CompilerTM nos permite alcançar e atender às necessidades específicas de mais de mil usuários. Em particular, examinamos a noção de implantação paralela com o MATLAB e como aceleramos algumas de nossas funções críticas de desempenho executando-as em paralelo. O compilador Matlab foi muito melhorado na v 2011a, e gostaria de saber mais sobre como outras ferramentas de mesa de negociação usam as ferramentas matlab. Finalmente, há uma apresentação de Attilo Meucci que parece não fazer nada com o Matlab, mas sim sobre diferentes etapas desde a estimação do modelo até a execução, até a análise pós-negociação. Seu artigo sobre este tema está disponível no Guia do SSRN. Beginner de Quantitative Trading Neste artigo vou apresentar-lhe alguns dos conceitos básicos que acompanham um sistema de negociação quantitativa fim-de-final. Espera-se que este post atenda a dois públicos-alvo. O primeiro será indivíduos tentando obter um emprego em um fundo como um comerciante quantitativo. A segunda será pessoas que desejam tentar montar seu próprio negócio de comércio algorítmico de varejo. A negociação quantitativa é uma área extremamente sofisticada de finanças quânticas. Pode levar uma quantidade significativa de tempo para obter o conhecimento necessário para passar uma entrevista ou construir suas próprias estratégias de negociação. Não só isso, mas requer extensa experiência em programação, pelo menos em uma linguagem como MATLAB, R ou Python. No entanto, à medida que a frequência de negociação da estratégia aumenta, os aspectos tecnológicos tornam-se muito mais relevantes. Assim, estar familiarizado com C / C será de suma importância. Um sistema de negociação quantitativo consiste em quatro componentes principais: Identificação da Estratégia - Encontrar uma estratégia, explorar uma vantagem e decidir sobre a frequência de negociação Backtesting de Estratégia - Obter dados, analisar o desempenho da estratégia e remover vieses Sistema de Execução - Vinculando a uma corretora, automatizando a negociação e minimizando Custos de transação Gerenciamento de risco - Alocação ótima de capital, tamanho da aposta / critério de Kelly e psicologia de negociação Comece por dar uma olhada em como identificar uma estratégia de negociação. Identificação da estratégia Todos os processos de negociação quantitativa começam com um período inicial de pesquisa. Este processo de pesquisa engloba encontrar uma estratégia, verificando se a estratégia se encaixa em um portfólio de outras estratégias que você pode estar executando, obtendo quaisquer dados necessários para testar a estratégia e tentando otimizar a estratégia para retornos mais altos e / ou menor risco. Você precisará levar em conta suas próprias necessidades de capital se administrar a estratégia como um comerciante de varejo e como os custos de transação afetarão a estratégia. Ao contrário da crença popular, é bastante simples encontrar estratégias lucrativas através de várias fontes públicas. Os acadêmicos publicam regularmente resultados teóricos de negociação (embora, em sua maioria, sejam brutos dos custos de transação). Os blogs de finanças quantitativas discutirão as estratégias em detalhes. Os jornais de comércio delinearão algumas das estratégias empregadas pelos fundos. Você pode questionar por que os indivíduos e as empresas estão interessados ​​em discutir suas estratégias lucrativas, especialmente quando sabem que outros que estão se aglomerando no comércio podem impedir que a estratégia funcione a longo prazo. A razão está no fato de que eles não costumam discutir os parâmetros exatos e os métodos de ajuste que eles realizaram. Essas otimizações são a chave para transformar uma estratégia relativamente medíocre em uma altamente lucrativa. Na verdade, uma das melhores maneiras de criar suas próprias estratégias únicas é encontrar métodos semelhantes e, em seguida, realizar seu próprio procedimento de otimização. Aqui está uma pequena lista de lugares para começar a procurar por ideias estratégicas: Muitas das estratégias que você irá ver se encaixarão nas categorias de reversão à média e tendência / momento. Uma estratégia de reversão à média é aquela que tenta explorar o fato de que existe uma média de longo prazo em uma série de preços (como o spread entre dois ativos correlatos) e que os desvios de curto prazo dessa média acabarão sendo revertidos. Uma estratégia de momentum tenta explorar tanto a psicologia do investidor quanto a grande estrutura de fundos, aproveitando uma tendência de mercado, que pode ganhar impulso em uma direção e seguir a tendência até que ela se reverta. Outro aspecto extremamente importante da negociação quantitativa é a frequência da estratégia de negociação. A negociação de baixa frequência (LFT) geralmente se refere a qualquer estratégia que detenha ativos por mais de um dia de negociação. Correspondentemente, a negociação de alta frequência (HFT) geralmente se refere a uma estratégia que mantém ativos intraday. Negociação de frequência ultra-alta (UHFT) refere-se a estratégias que mantêm ativos na ordem de segundos e milissegundos. Como profissionais de varejo, HFT e UHFT certamente são possíveis, mas apenas com conhecimento detalhado da pilha de tecnologia de negociação e da dinâmica do livro de pedidos. Nós não vamos discutir esses aspectos em grande medida neste artigo introdutório. Uma vez que uma estratégia, ou conjunto de estratégias, tenha sido identificada, ela agora precisa ser testada quanto à lucratividade nos dados históricos. Esse é o domínio do backtesting. Backtesting de estratégia O objetivo do backtesting é fornecer evidências de que a estratégia identificada por meio do processo acima é lucrativa quando aplicada a dados históricos e fora da amostra. Isso define a expectativa de como a estratégia funcionará no mundo real. No entanto, backtesting não é garantia de sucesso, por várias razões. É talvez a área mais sutil do comércio quantitativo, uma vez que implica inúmeros vieses, que devem ser cuidadosamente considerados e eliminados, tanto quanto possível. Vamos discutir os tipos comuns de preconceito, incluindo o viés de look-ahead. viés de sobrevivência e viés de otimização (também conhecido como viés de snooping de dados). Outras áreas de importância dentro do backtesting incluem a disponibilidade e a limpeza de dados históricos, levando em consideração custos de transação realistas e decidindo sobre uma plataforma robusta de backtesting. Bem, discuta os custos de transação na seção Sistemas de Execução abaixo. Uma vez que uma estratégia tenha sido identificada, é necessário obter os dados históricos através dos quais realizar testes e, talvez, refinamento. Há um número significativo de fornecedores de dados em todas as classes de ativos. Seus custos geralmente variam de acordo com a qualidade, profundidade e pontualidade dos dados. O ponto de partida tradicional para os comerciantes de quantia iniciais (pelo menos no nível de varejo) é usar o conjunto de dados gratuito do Yahoo Finance. Eu não vou me debruçar muito sobre provedores aqui, ao invés disso, eu gostaria de me concentrar nas questões gerais ao lidar com conjuntos de dados históricos. As principais preocupações com os dados históricos incluem exatidão / limpeza, viés de sobrevivência e ajuste para ações corporativas, como dividendos e desdobramentos: a precisão diz respeito à qualidade geral dos dados - se contém algum erro. Às vezes, os erros podem ser fáceis de identificar, como com um filtro de pico. que selecionará picos incorretos nos dados de séries temporais e os corrigirá. Em outras ocasiões, podem ser muito difíceis de detectar. Muitas vezes é necessário ter dois ou mais provedores e, em seguida, verificar todos os seus dados uns contra os outros. O viés de sobrevivência é muitas vezes uma característica de conjuntos de dados gratuitos ou baratos. Um conjunto de dados com viés de sobrevivência significa que ele não contém ativos que não estão mais sendo negociados. No caso de ações, isso significa ações excluídas / falidas. Esse viés significa que qualquer estratégia de negociação de ações testada em tal conjunto de dados provavelmente terá um desempenho melhor do que no mundo real, já que os vencedores históricos já foram pré-selecionados. As ações corporativas incluem atividades logísticas realizadas pela empresa que geralmente causam uma mudança na função de etapa do preço bruto, que não devem ser incluídas no cálculo de retornos do preço. Ajustes para dividendos e desdobramentos são os culpados comuns. Um processo conhecido como ajuste de costas é necessário para ser realizado em cada uma dessas ações. É preciso ter muito cuidado para não confundir um desdobramento de ações com um verdadeiro ajuste de retorno. Muitos comerciantes foram surpreendidos por uma ação corporativa Para realizar um procedimento de backtest, é necessário usar uma plataforma de software. Você tem a escolha entre software backtest dedicado, como Tradestation, uma plataforma numérica como Excel ou MATLAB ou uma implementação personalizada completa em uma linguagem de programação como Python ou C. Eu não vou me demorar muito em Tradestation (ou similar), Excel ou MATLAB, como acredito na criação de uma pilha completa de tecnologia interna (pelas razões descritas abaixo). Um dos benefícios disso é que o software de backtest e o sistema de execução podem ser totalmente integrados, mesmo com estratégias estatísticas extremamente avançadas. Para as estratégias de HFT, em particular, é essencial usar uma implementação personalizada. Ao fazer o backtest de um sistema, é preciso ser capaz de quantificar o desempenho do mesmo. As métricas padrão da indústria para estratégias quantitativas são o rebaixamento máximo e o índice de Sharpe. O rebaixamento máximo caracteriza a maior queda de ponta a ponta na curva de patrimônio da conta em um determinado período de tempo (geralmente anual). Isso é mais frequentemente citado como uma porcentagem. As estratégias de LFT tenderão a ter rebaixamentos maiores do que as estratégias de HFT, devido a vários fatores estatísticos. Um backtest histórico mostrará o último drawdown máximo, que é um bom guia para o futuro desempenho de drawdown da estratégia. A segunda medida é o Índice de Sharpe, que é definido heuristicamente como a média dos retornos excedentes dividida pelo desvio padrão desses retornos excedentes. Aqui, os retornos excedentes referem-se ao retorno da estratégia acima de um benchmark pré-determinado. como o SP500 ou um Tesouro de 3 meses. Note que o retorno anualizado não é uma medida normalmente utilizada, pois não leva em conta a volatilidade da estratégia (diferentemente do Índice de Sharpe). Uma vez que uma estratégia tenha sido backtested e seja considerada livre de vieses (na medida em que isso seja possível), com um bom Sharpe e rebaixamentos minimizados, é hora de construir um sistema de execução. Sistemas de Execução Um sistema de execução é o meio pelo qual a lista de negociações geradas pela estratégia é enviada e executada pelo intermediário. Apesar do fato de que a geração de comércio pode ser semi ou totalmente automatizada, o mecanismo de execução pode ser manual, semi-manual (ou seja, um clique) ou totalmente automatizado. Para estratégias de LFT, técnicas manuais e semi-manuais são comuns. Para as estratégias de HFT, é necessário criar um mecanismo de execução totalmente automatizado, que muitas vezes será fortemente acoplado ao gerador de comércio (devido à interdependência entre estratégia e tecnologia). As principais considerações ao criar um sistema de execução são a interface para a corretora. minimização dos custos de transação (incluindo comissão, derrapagem e spread) e divergência de desempenho do sistema live a partir do desempenho do backtested. Há muitas maneiras de interagir com uma corretora. Eles variam de chamar seu corretor por telefone até uma Application Programming Interface (API) de alto desempenho totalmente automatizada. O ideal é que você queira automatizar a execução de seus negócios o máximo possível. Isso libera você para se concentrar em mais pesquisas, bem como permitir que você execute várias estratégias ou mesmo estratégias de maior frequência (na verdade, HFT é essencialmente impossível sem execução automatizada). O software comum de backtesting descrito acima, como MATLAB, Excel e Tradestation, é bom para estratégias mais simples e de menor frequência. No entanto, será necessário construir um sistema de execução interno escrito em uma linguagem de alto desempenho, como C, a fim de fazer qualquer HFT real. Como uma anedota, no fundo em que eu costumava trabalhar, tínhamos um ciclo de negociação de 10 minutos, onde baixávamos novos dados de mercado a cada 10 minutos e depois executávamos negociações com base nessas informações no mesmo período de tempo. Isso estava usando um script Python otimizado. Para qualquer coisa que se aproxime de dados de frequência de minutos ou segundos, acredito que C / C seria mais ideal. Em um fundo maior, muitas vezes não é o domínio do comerciante de quantificação para otimizar a execução. No entanto, em pequenas lojas ou empresas de HFT, os comerciantes são os executores e, portanto, um conjunto de habilidades muito mais amplo é geralmente desejável. Tenha isso em mente se você deseja ser empregado por um fundo. Suas habilidades de programação serão tão importantes, se não mais, do que suas estatísticas e talentos da econometria Outra questão importante que cai sob a bandeira da execução é a minimização dos custos de transação. Em geral, há três componentes nos custos de transação: Comissões (ou impostos), que são as taxas cobradas pela corretora, pela bolsa e pelo desvio da SEC (ou órgão regulador governamental semelhante), que é a diferença entre o que você pretendia preenchido em versus o que foi realmente preenchido no spread, que é a diferença entre o preço de compra / venda do título que está sendo negociado. Observe que o spread NÃO é constante e depende da liquidez atual (ou seja, disponibilidade de ordens de compra / venda) no mercado. Os custos de transação podem fazer a diferença entre uma estratégia extremamente lucrativa com um bom índice de Sharpe e uma estratégia extremamente não lucrativa com um índice de Sharpe terrível. Pode ser um desafio prever corretamente os custos de transação de um backtest. Dependendo da frequência da estratégia, você precisará acessar os dados históricos do câmbio, que incluirão dados de ticks para preços de compra / venda. Equipes inteiras de quantos são dedicadas à otimização da execução nos fundos maiores, por esses motivos. Considere o cenário em que um fundo precisa descarregar uma quantidade substancial de negócios (dos quais as razões para isso são muitas e variadas). Ao despejar tantas ações no mercado, elas rapidamente deprimirão o preço e podem não obter uma execução ideal. Portanto, os algoritmos que gotejam pedidos de alimentação no mercado existem, embora o fundo corra o risco de derrapagem. Além disso, outras estratégias atacam essas necessidades e podem explorar as ineficiências. Este é o domínio da arbitragem da estrutura do fundo. A última grande questão para os sistemas de execução diz respeito à divergência de desempenho da estratégia do desempenho do backtested. Isso pode acontecer por vários motivos. Já discutimos o viés de antecipação e o viés de otimização em profundidade, ao considerar os backtests. No entanto, algumas estratégias não facilitam o teste desses vieses antes da implantação. Isso ocorre em HFT mais predominantemente. Pode haver bugs no sistema de execução, bem como a própria estratégia de negociação que não aparece em um backtest, mas aparece no live trading. O mercado pode ter sido sujeito a uma mudança de regime após a implementação da sua estratégia. Novos ambientes regulatórios, mudanças no sentimento do investidor e fenômenos macroeconômicos podem levar a divergências na forma como o mercado se comporta e, portanto, na rentabilidade de sua estratégia. Gerenciamento de risco A peça final do quebra-cabeça de negociação quantitativa é o processo de gerenciamento de risco. O risco inclui todos os vieses anteriores que discutimos. Isso inclui risco de tecnologia, como servidores co-localizados na central de repente desenvolvendo um mau funcionamento do disco rígido. Inclui o risco de corretagem, como o corretor estar falido (não tão louco quanto parece, dado o recente susto com a MF Global). Em suma, abrange quase tudo o que poderia interferir com a implementação comercial, dos quais existem muitas fontes. Livros inteiros são dedicados à gestão de risco para estratégias quantitativas, então eu não tentarei elucidar todas as possíveis fontes de risco aqui. A gestão de risco também abrange o que é conhecido como alocação ótima de capital. que é um ramo da teoria da carteira. Esse é o meio pelo qual o capital é alocado a um conjunto de estratégias diferentes e aos negócios dentro dessas estratégias. É uma área complexa e depende de algumas matemáticas não triviais. O padrão da indústria pelo qual a alocação ótima de capital e a alavancagem das estratégias estão relacionadas é chamado de critério de Kelly. Desde que este é um artigo introdutório, eu não me demorarei em seu cálculo. O critério de Kelly faz algumas suposições sobre a natureza estatística dos retornos, que muitas vezes não são verdadeiros nos mercados financeiros, de modo que os operadores geralmente são conservadores quando se trata da implementação. Outro componente importante do gerenciamento de riscos é lidar com o próprio perfil psicológico. Existem muitos vieses cognitivos que podem surgir na negociação. Embora isto seja reconhecidamente menos problemático com negociação algorítmica se a estratégia for deixada em paz Um viés comum é o da aversão à perda em que uma posição perdedora não será fechada devido à dor de ter que realizar uma perda. Da mesma forma, os lucros podem ser tomados muito cedo porque o medo de perder um lucro já ganho pode ser muito grande. Outro viés comum é conhecido como viés de recência. Isso se manifesta quando os operadores enfatizam demais os eventos recentes e não a longo prazo. Então, é claro, há o par clássico de preconceitos emocionais - medo e ganância. Estes podem muitas vezes levar a sub ou sobre-alavancagem, o que pode causar blow-up (ou seja, o título da conta para zero ou pior) ou lucros reduzidos. Como pode ser visto, o comércio quantitativo é uma área extremamente complexa, embora muito interessante, de financiamento quantitativo. Eu literalmente arranhei a superfície do tópico neste artigo e ele já está ficando um tanto longo. Livros e artigos inteiros foram escritos sobre questões que eu só dei uma frase ou duas para. Por essa razão, antes de se candidatar a cargos quantitativos de negociação de fundos, é necessário realizar uma quantidade significativa de estudo de base. No mínimo, você precisará de um extenso conhecimento em estatística e econometria, com muita experiência em implementação, por meio de uma linguagem de programação como MATLAB, Python ou R. Para estratégias mais sofisticadas no final de frequência mais alta, seu conjunto de habilidades é provável para incluir a modificação do kernel do Linux, C / C, programação de montagem e otimização de latência de rede. Se você estiver interessado em tentar criar suas próprias estratégias de negociação algorítmica, minha primeira sugestão seria se programar bem. Minha preferência é construir o máximo possível de dados capturados, backtester de estratégia e sistema de execução. Se o seu próprio capital está em jogo, você não dormiria melhor à noite sabendo que testou totalmente o seu sistema e está ciente de suas armadilhas e problemas específicos. Terceirizar isso para um fornecedor, enquanto potencialmente economiza tempo a curto prazo, pode ser extremamente difícil. caro no longo prazo. Artigos de Software Revistas sobre Algorithmic Trading Artigos e Insights Financeiros MTS BondsPro API: Abrindo Novas Portas A MTS Markets International Inc. é a subsidiária americana do MTS Group. No espaço de títulos corporativos dos EUA, eles gerenciam um ATS chamado BondsPro (anteriormente conhecido como Bonds). Embora uma versão baseada em tela do MTS BondsPro esteja disponível há algum tempo, uma inovação mais recente foi a introdução de uma API. Aly Kassam, CEO da Quantitative Support Services, e Andy Webb, fundador da revista Automated Trader, deram uma olhada. Negociação de alta frequência, feita rapidamente APENAS PARA SUBSCRITORES As bibliotecas de software de negociação da Agora, da Energeia Associates Ltd., prometem colmatar as lacunas em dados de baixo nível, APIs de corretagem e ferramentas de modelagem de alto nível. Se bem-sucedido, isso pouparia os operadores de frequência mais alta do trabalho de lidar com processamento de dados, gerenciamento de pedidos e registros, liberando-os para se concentrar na estratégia e no desempenho do modelo. Andy Webb, Automated Traders Founder e Wrecking Crew deram uma olhada em uma versão alfa do Agora para verificar se ele faz o que diz na lata. SOMENTE SUBSCRIBERS Plataforma de construção e backtesting de estratégia quantitativa Usando uma linguagem de programação acessível, popular mas poderosa Comércio de papel, mais (no devido tempo) implementação ao vivo de estratégias Grátis. O fundador da Automated Traders, Andy Webb, e a Wrecking Crew conferem se o Quantopian realmente é tudo o que parece. Todos os dados APENAS PARA ASSINANTES Uma das certezas ao construir modelos automatizados ou algorítmicos é que você precisará de dados históricos, provavelmente muitos deles. Portanto, nesta edição, Andy Webb, o fundador da Automated Traders, e a Wrecking Crew analisam uma possível fonte - Thomson Reuters Tick History. ASSINATURAS SOMENTE Esta edição, em um ponto de partida de nosso formato usual de revisão, nós damos uma olhada em algo que o Wrecking Crew encontra freqüentemente ao revisar o software de análise de arbitragem - teste de cointegração. Usado apropriadamente, os testes de cointegração podem agregar valor, mas aplicam-se mal e a única reversão que você verá é o seu patrimônio de negociação na direção de zero. Os membros da tripulação Aly Kassam e Michael Weidman, do Quantitative Support Services, explicam como realmente entender o que você está fazendo e apreciar as limitações dos testes de cointegração é fundamental para a implantação bem-sucedida. Revisão de Software: ILNumerics - números mais rápidos SOMENTE PARA ASSINANTES Para a maioria dos leitores do Automated Trader, código mais rápido é implicitamente um código melhor. Ao realizar uma pesquisa, qualquer coisa que reduza o tempo de execução das simulações ou otimizações frequentemente vastas que estão sendo realizadas é uma coisa boa. Mesmo para aqueles que não estão na ponta do HFT, o mesmo se aplica ao tempo de execução do código em negociação ao vivo. É por isso que, nesta edição, a revisão de software estava dando uma rápida olhada na biblioteca de matemática do ILNumerics. ASSINANTES APENAS Conectar planilhas a outros aplicativos em tempo real é uma área em que as coisas melhoraram drasticamente nos últimos anos. No entanto, ainda é uma tarefa que desvia tempo e recursos do desenvolvimento das estratégias de negociação que realmente capturam o alfa. Qual é um subestimo magistral que nos levou a dar uma olhada no KaiTrades K2RTDKit. RTD Tango QUANT: Direto para o mercado ASSINANTES SOMENTE Em nossa última edição, o Wrecking Crew tentou complicar a vida conectando vários aplicativos separados para criar um ambiente de desenvolvimento e negociação de modelos. Nesta edição, eles fazem um retorno completo ao dar uma olhada no aplicativo RTSs RTD Tango QUANT, que fornece o mesmo ambiente em um único aplicativo. Mashup ASSINATURAS APENAS Bem, sim, OK, sabemos que esticamos bastante a definição de mashup aqui, mas ela tem muito mais impacto como título do que tentamos juntar alguns bits aleatórios de software em um aplicativo / modelo de negociação fazendo uma ) revendo ao longo do caminho. Embora isso seja, provavelmente, uma descrição mais precisa do que o Engodo da Wrecking Crew e da Automated Traders, Andy Webb, tem feito até o último mês ou dois. Dados sobre carrapatos: números que podem ser combinados ASSINATURAS SOMENTE Uma peça de conversação regular com nossos leitores são os dados. Não apenas o tópico mais rápido e mais rápido, mas também como minimizar a sobrecarga de gerenciamento dos dados históricos usados ​​para análise e modelagem. O que levou o fundador da Automated Traders, Andy Webb, e nossos amigos da Wrecking Crew a dar uma olhada no serviço de dados Tick Data e em seu aplicativo TickWrite. ASSINATURAS SOMENTE Como continuamos apontando, a negociação automatizada / algorítmica não implica automaticamente negociação de frequência ultra alta. Muitos traders do Automated Trader com quem falamos parecem fazer muito bem a implantação de modelos automatizados que mantêm posições por períodos que variam de segundos a dias. Ao mesmo tempo, muitos deles parecem usar o MATLAB e mais do que alguns usam o Interactive Brokers. Tudo isso inevitavelmente levou o Wrecking Crew e o Automated Traderquos Founder, Andy Webb, a dar uma olhada no IB-MATLAB. APIs: Real World Modeling ASSINANTES SOMENTE Algo de uma mudança nesta revisão do software issuersquos, com um ex-Automated Trader First Person (consulte a página 5 da edição do terceiro trimestre de 2010) e membro anónimo do Wrecking Crew tomando o centro do palco. Yang Wang usa várias APIs para programar modelos de negociação e ferramentas para uso interno na Chiron Investment LLP e para distribuição aos clientes da Financial Software Engineering Ltd, onde atualmente é o Head de R amp D. Como resultado, ele está idealmente posicionado para dar a sua opinião a partir das extremidades afiadas das APIs eSignal, CQG e STS. Deltix QuantOffice: Produtividade de baixa latência ASSINANTES APENAS Se o usuário ouviu uma vez dos leitores, o wresquove ouviu centenas de vezes. Como desenvolvo e implanto meus modelos comerciais maiores / melhores / mais inteligentes / sofisticados de forma rápida e eficiente? Andy Webb, fundador da Automated Traderquos, analisa uma possibilidade - o Deltix QuantOffice. ASSINATURAS SOMENTE Um dos problemas com a revisão de software em um mercado tão rápido quanto a negociação de auto / algoritmo é que, no momento em que a revisão é publicada no Automated Trader, uma nova versão do produto já foi lançada. Como resultado, a maleta de tecnologia da Editorrsquos tem, ultimamente, se enchido de cartas de leitores pedindo para que possamos espiar o horizonte tecnológico e dar uma olhada em um produto antes que ele seja realmente lançado. Então pensamos que seria melhor. Portanto, em uma mudança da prática usual de revisão de um software de produção, nesta edição, damos uma revisão de uma nova versão pendente do produto AlgoEngine da DMZ Trading Solution. Como o Automated Traderquos Founder, Andy Webb e o Wrecking Crew rapidamente descobriram que simplicidade e funcionalidade não são mutuamente exclusivas. Gratificação instantânea. Bloomberg Tradebook API SOMENTE OS SUBSCRITORES Em vista do título desta revista, provavelmente é seguro supor que uma porcentagem decente de nossos leitores já é expoente da negociação de API, portanto, pareceu bom para nós levarmos uma API de negociação para dar uma volta. Portanto, temos Andy Webb, Automated Traderrsquos Founder e Wrecking Crew treinando seu handbrake na API da Bloomberg Tradebook. ASSINATURAS SOMENTE Por último, analisamos o RTSrsquos RTD Tango em nossa edição do primeiro trimestre de 2007 em seu disfarce Tango Client. Desde então, a RTS fez uma série de mudanças no Tango, com uma das mais significativas sendo a integração dos recursos de negociação automatizada Tango Clientrsquos com seu novo produto Tango Trader. Automatizado Traderrsquos O fundador, Andy Webb, e sua equipe de confiáveis ​​pilotos de pneus levam este muscle car híbrido para dar uma volta no bloco. MATLABs Racing Jacket ASSINATURAS SOMENTE Para aqueles que realizam cálculos intensivos em grandes conjuntos de dados, os recentes avanços na computação por GPU têm sido pouco mais que uma revelação, não mais dias de espera por resultados ou ter que investir em seu próprio cluster gigante ou supercomputador. Nessa base, a computação com GPU parece um ajuste natural com o MATLAB favorito, o que provavelmente explica por que as pessoas da Accelereyes criaram seu aplicativo Jacket para o MATLAB com habilitação para GPU. Andy Webb leva-o a um passo à volta da pista do Automated Trader. Cópia dos direitos autorais Automated Trader Ltd 2016 - Estratégias Conformidade Tecnologia Política de Cookies Política de Privacidade Mapa do Site Desenvolvimento Web: Johnny Vibrant