Arquitetura Do Sistema De Comércio On Line

Característica especial: infra-estrutura de negociação on-line Uma arquitetura de negociação bem-sucedida As trocas on-line facilitam transações mais rápidas, proporcionando facilidades e flexibilidade de portais de negociação on-line e casas de corretagem. Aqui, olha a infraestrutura central da NSE, BSE e alguns portais comerciais. Por Soutiman Das Gupta Como prometido por visionários tecnológicos e grupos de previsão na última década, a Internet realmente abriu novas vias para a realização de negócios. As bolsas de valores em todo o mundo agora conduzem uma grande parte de seus negócios on-line através de seus corretores e parceiros, uma mudança importante do método tradicional. Nos países desenvolvidos, quase todas as transações de câmbio são realizadas on-line. A tendência diminuiu lentamente na Índia e em duas das maiores bolsas, a Bolsa Nacional de Valores (NSE) ea Bolsa de Valores de Bombaim (BSE) estão conduzindo o comércio on-line com sucesso há algum tempo. Por que as trocas indianas e as casas de corretagem já foram lentas para mover suas transações on-line. Isso deveu-se principalmente aos regulamentos governamentais. Houve atraso inicial ao estabelecer especificações para a criação de grupos de usuários fechados (CUGs). A questão foi resolvida entre o DoT e o Ministério das Finanças em 1998 e, em breve, os portais de comércio como ICICIDirect, motilaloswal e smartjones surgiram. A conectividade foi talvez o fator tecnológico mais importante. O custo das linhas alugadas e dos links VSAT tem sido tradicionalmente muito alto e a confiabilidade dos links foi baixa. Também demorou muito para encomendar os links, uma vez que teve que fazer um aplicativo e aguardar algumas semanas para que o link esteja funcionando. Outras questões como a segurança e os custos processuais de recuperação e recuperação também foram dissuasivas. Felizmente, juntamente com a resolução de questões regulatórias, a Índia já não tem nenhuma conectividade premente e problemas de largura de banda. Com a entrada de jogadores privados no cenário da banda larga e o governo que abre o setor de telecomunicações, essas questões são quase inexistentes. Soluções de segurança e serviços disponíveis no mercado amadureceram e não custa mais um pacote bonito para colocar uma solução de backup simples no lugar. Anatomia de uma troca on-line O comércio on-line envolve grandes volumes de dados que estão sendo processados ​​todos os dias. Como exemplo, na BSE, o volume de negócios diário médio em 2001-2002 (abril-março) foi de Rs 1244,10 crore e o número de trades diários médios foi de Rs 5,17 lakh. Além disso, há regulamentos RBI rigorosos que tornam obrigatório que as empresas armazenem pelo menos 7 anos de dados transacionais e financeiros. Design Precisa ser sempre seguro, seguro, redundante e ter processos adequados de backup e recuperação. Armazenamento Para tais quantidades elevadas de dados críticos é natural implantar armazenamento baseado em rede como NAS ou SAN. Segurança A segurança é uma parte vital e integral da arquitetura de design. Os elementos de hardware e software devem ser construídos em torno de uma arquitetura de segurança em camadas e devem ser mantidos no local com uma política de segurança bem documentada. Disponibilidade Idealmente, os intercâmbios on-line devem ter disponibilidade de cinco nove. Aplicações É difícil implementar aplicativos inéditos nas trocas, pois cada uma possui uma arquitetura única baseada em fatores como fluxo de operações, volumes de negociação, número de membros, número de usuários e número de locais. Arquiteturas A NSE implementou o NIBIS (NSEs Internet Based Information System) para a divulgação em tempo real de informações comerciais pela Internet e NEAT, uma aplicação baseada em servidor cliente para ajudar suas operações. A BSE implantou um sistema OnLine Trading (BOLT) em uma plataforma Tandem que possui uma arquitetura de duas camadas. Ele afirma ser capaz de suportar até 2 milhões de negócios por dia. Intercâmbios indianos O NSE e a BSE estão entre as maiores trocas no país. Eles lidam com volumes de negociação diários muito grandes, suportam grandes quantidades de tráfego de dados e possuem uma rede nacional muito grande. Os números do volume de negócios em ambos os intercâmbios são enormes. O volume de negócios diário médio no segmento de mercados de capitais da NSE é de cerca de Rs 2300 crore e no segmento de derivativos, em torno de Rs 1300 crore. O volume médio de tráfego diário é de cerca de um milhão de negócios por dia no segmento de mercados de capitais e cerca de 50 mil transações por dia no segmento de derivativos. Existem cerca de 13.000 usuários registrados em ambos os segmentos e uma média de cerca de 9500 usuários são logados de cada vez. Na BSE, o volume de negócios diário médio em 2001-2002 (abril-março) foi de Rs 1244,10 crore e o número de trades diários médios foi de Rs 5,17 lakh. Design de rede Desnecessário dizer que qualquer troca on-line precisa ser sempre, segura, redundante e ter processos adequados de backup e recuperação. G. M Shenoy, VP, NSE-IT, fala sobre a filosofia de design de sua troca on-line. O objetivo básico do projeto era proporcionar acesso justo, igual e transparente em todos os nossos locais em todo o país. Um aspecto importante foi proporcionar conectividade aos nossos membros comerciais o quanto antes. O setor de telecomunicações é bastante liberal hoje. Em 1993, a tecnologia estava em maturação e era dispendiosa. As linhas alugadas custam quase dez vezes mais do que hoje. A tecnologia de satélite foi um benefício, pois permitiu uma implantação mais rápida do que as linhas alugadas. NSE agora tem a maior rede VSAT do país com mais de 3000 VSATs e espera crescer para mais de 4000 VSATs em breve. Elementos da rede Um olhar sobre os volumes de negociação maciços e volume de tráfego é prova suficiente da natureza crítica dos sistemas. Faz um estremecimento pensar nas perdas esperadas em caso de um tempo de inatividade de dez minutos quando o comércio diário cruza Rs 3000 crore. Elementos de rede como armazenamento, segurança, backup e processos de recuperação, disponibilidade e as diferentes aplicações devem ser cuidadosamente planejados e encomendados. Então, é necessário seguir regulamentos rigorosos do RBI para armazenar pelo menos 7 anos de dados financeiros e transacionais. Armazenamento Para tais quantidades elevadas de dados críticos é natural implantar armazenamento baseado em rede como NAS ou SAN. A NSE está implementando uma SAN, pois considera que seus volumes de dados cresceram fenomenalmente. Segurança Esta deve ser uma parte vital e integral da arquitetura de design. Os elementos de hardware e software devem ser construídos em torno de uma arquitetura de segurança em camadas. E deve ser mantida em vigor com uma política de segurança bem documentada. Shenoy diz quotSecurity é o elemento mais importante na rede. Todas as aplicações foram construídas com uma abordagem consciente em direção à segurança. As políticas de segurança são bem integradas e regularmente examinadas para não deixar espaço para compromissos. Todos os aplicativos e sistemas operacionais são endurecidos periodicamente por segurança. Backup e recuperação Isso surgiu como um dos aspectos vitais da continuidade do negócio. Quando os intercâmbios on-line foram projetados há alguns anos atrás, talvez muita ênfase não tenha sido colocada sobre esse aspecto, como é hoje. No entanto, não é difícil adicionar processos de continuidade de negócios a uma rede existente. Shenoy diz, como um backup na nossa rede VSAT, uma rede comercial baseada em terra foi implantada em meados de 2000. Temos mais de 850 linhas alugadas que conectam nossos locais em todo o país. Nós somos a única bolsa de valores no país a ter um site de continuidade de negócios totalmente redundante em Chennai. Disponibilidade Idealmente, os intercâmbios on-line devem ter disponibilidade de cinco nove. Os intercâmbios geralmente preferem hospedar sua infraestrutura internamente e não usar os serviços de um data center externo. A NSE afirma conquistar tempo de atividade superior a 99,9. Isto é principalmente devido a procedimentos formulados internamente e revisão contínua de SLAs com fornecedores de hardware, diz Shenoy. Aplicações É difícil implementar aplicativos inéditos nas trocas, pois cada uma possui uma arquitetura única baseada em fatores como fluxo de operações, volumes de negociação, número de membros, número de usuários e número de locais. As aplicações como comércio, compensação, gerenciamento de riscos, vigilância, computação de índice, listagem, associação e contas podem ser desenvolvidas internamente ou por desenvolvedores de software externos. As duas grandes arquiteturas NSE e BSE, as duas grandes bolsas acreditam na atualização e atualização de seus sistemas de tecnologia para manter a entrega de acordo com compromissos e promessas feitas aos seus membros, parceiros e clientes. Arquitetura NSE - A NEAT NSE implantou o NIBIS (Sistema de Informações Baseado na Internet NSEs) para a disseminação em tempo real de informações comerciais pela Internet e NEAT, uma aplicação baseada em servidor cliente para ajudar suas operações. O NEAT armazena todas as informações de negociação em um banco de dados na memória no final do servidor para alcançar o tempo mínimo de resposta e a disponibilidade máxima do sistema para os usuários. O software do servidor de negociação é executado em um mainframe STRATUS tolerante a falhas e o software cliente é executado em PCs Windows. A rede de telecomunicações usa o protocolo X.25 e é a espinha dorsal do sistema de negociação automatizado. Cada membro comercial é negociado no NSE com outros membros através de um PC localizado no escritório de membros comerciais. Os membros comerciais no segmento de mercado de dívida por atacado estão ligados ao computador central na NSE através de linhas alugadas dedicadas de 64 Kbps e terminais VSAT. Essas linhas alugadas são multiplexadas usando links dedicados de fibra óptica de 2 MB. Os participantes do WDM se conectam ao sistema de negociação através de links dial-up. A troca usa servidores Unix baseados em RISC da Digital e HP para processamento de backoffice. Aplicações como front-ends Oracle 7 e SQLOracle Forms 4.5 são usadas para as funções de troca. Arquitetura BSE - BOLT BSE implantou um sistema OnLine Trading (BOLT) em 14 de março de 1995. Ele funciona em uma plataforma Tandem S74016 com 16 CPUs. As máquinas Tandem Himalaya S74016 atuam como backend para mais de 8000 estações de trabalho Trader em rede Ethernet, VSAT e Managed Leased Data Network (MLDN). Os sistemas afirmam lidar com até dois milhões de trades por dia. BOLT tem uma arquitetura de duas camadas. As estações de trabalho do comerciante estão conectadas diretamente ao servidor backend que atua como um servidor de comunicação e um Central Trading Engine (CTE). Outros serviços, como disseminação de informações, computação de índice e monitoramento de posição também são fornecidos pelo sistema. Uma facilidade de monitoramento de transações na arquitetura Tandem ajuda a manter a integridade dos dados através de SQL não-interrompido. Com a ajuda da MTNL, a BSE configurou uma rede MLDN que compreende 300 linhas de 2 Mbps e 1500 linhas de 64 Kbps que conectam todas as bolsas de valores regionais e escritórios em Mumbai. O acesso a informações relacionadas ao mercado através das estações de trabalho do comerciante é essencial para que os participantes do mercado atuem em tempo real e tomem decisões instantâneas. BOLT foi interagido com vários fornecedores de informações como Bloomberg, Bridge e Reuters. A informação do mercado é alimentada em agências de notícias em tempo real. Os planos de intercâmbio para aprimorar os recursos para além de ter um fluxo integrado de informação bidirecional. Portais de comércio on-line O comércio on-line é a atividade de investimento que ocorre na Internet sem a inclusão física do corretor. Um usuário final (investidor) deve se registrar com um portal de negociação on-line como ICICdirect, motilaloswal, smartjones e sharekhan. O investidor consegue um acordo com a empresa para negociar diferentes valores mobiliários de acordo com os termos e condições listados no contrato. Uma vez que os servidores do portal de negociação on-line estão conectados o tempo todo às bolsas de valores e bancos designados, o processamento de pedidos é feito em tempo real. Os investidores também podem obter atualizações na negociação e verificar o status de seus pedidos, seja por e-mail ou através da interface. Projeto de portal Harish Malhotra, diretor de tecnologia da Motilal Oswal Securities Limited, diz que o portal de quotthe deve ser simples de navegar, cheio de informações úteis e relevantes, disponível com o menor número de cliques, e deve ser personalizado. quot No entanto, um aspecto muito importante É que os sistemas devem ser capazes de se interagir diretamente com os intercâmbios online sem problemas de incompatibilidade. ICICIdirect usa criptografia de 128 bits habilitada Secure Socket Layer (SSL) para garantir que as informações transmitidas pela Internet sejam seguras e não possam ser acessadas por terceiros. Normalmente, os usuários oferecem opções para vincular suas contas bancárias, contas Demat e contas de corretagem em uma única interface. Há também uma única janela para todas as trocas e uma única tela para o mecanismo de roteamento de pedidos completo. O hardware utilizado inclui servidores de internet e de aplicativos, switches, roteadores, firewalls e dispositivos de segurança e aparelhos especializados. Motilaloswal usa servidores Compaq para aplicativos e banco de dados, roteadores Cisco e firewalls Checkpoint. Os sistemas foram personalizados pela sua equipe interna. As aplicações comerciais são terceirizadas. Nós também temos armazenamento off-line que é copiado periodicamente em locais separados, diz Harish. Sucesso do portal O sucesso de um portal de negócios definitivamente dependerá de seu buquê de serviços para um usuário final. A maioria dos portais cobra uma pequena taxa de registro e corretagem baseada em várias condições. No entanto, é importante que a organização se concentre em serviços centrados no cliente e modelos de entrega para realmente aproveitar a maior atenção. Sistemas de exibição: projetando seu sistema - Parte 1 A seção anterior deste tutorial analisou os elementos que compõem um sistema de negociação e Discutiu as vantagens e desvantagens de usar esse sistema em um ambiente comercial real. Nesta seção, construímos esse conhecimento examinando quais mercados são especialmente adequados para o comércio de sistemas. Em seguida, analisaremos mais detalhadamente os diferentes gêneros dos sistemas de negociação. Negociação em Mercados de Mercados de Mercados Diferentes O mercado de ações é provavelmente o mercado mais comum para o comércio, especialmente entre os novatos. Nesta arena, grandes jogadores como Warren Buffett e Merrill Lynch dominam, e as estratégias tradicionais de investimento em crescimento e valor são, de longe, as mais comuns. No entanto, muitas instituições investiram significativamente na concepção, desenvolvimento e implementação de sistemas de negociação. Investidores individuais estão se juntando a essa tendência, embora lentamente. Aqui estão alguns fatores importantes a ter em mente ao usar sistemas de negociação em mercados de ações: 13 A grande quantidade de ações disponíveis permite que os comerciantes testem sistemas em vários tipos de ações diferentes - tudo, desde estoques extraterrestre extremamente voláteis (OTC) até Chips azuis não voláteis. A eficácia dos sistemas de negociação pode ser limitada pela baixa liquidez de algumas ações, especialmente questões de OTC e folhas cor-de-rosa. As comissões podem comer em lucros gerados por negócios bem-sucedidos e podem aumentar as perdas. As ações de folha de balcão OTC e rosa geralmente incorrem em taxas de comissão adicionais. Os principais sistemas de negociação utilizados são aqueles que procuram valor - isto é, sistemas que usam parâmetros diferentes para determinar se uma segurança está subavaliada em comparação com o desempenho passado, seus pares ou o mercado em geral. Mercado de câmbio O mercado de câmbio, ou forex. É o maior e mais líquido mercado do mundo. Os governos mundiais, bancos e outras grandes instituições trocam trilhões de dólares no mercado forex todos os dias. A maioria dos comerciantes institucionais no forex conta com sistemas de negociação. O mesmo vale para os indivíduos no forex, mas alguns comerciais com base em relatórios econômicos ou pagamentos de juros. Há alguns fatores importantes a ter em mente ao usar sistemas de negociação no mercado cambial: a liquidez neste mercado - devido ao enorme volume - Torna os sistemas de negociação mais precisos e eficazes. Não há comissões neste mercado, apenas se espalha. Portanto, é muito mais fácil fazer muitas transações sem aumentar os custos. Em comparação com o valor das ações ou commodities disponíveis, o número de moedas para o comércio é limitado. Mas, devido à disponibilidade de pares de moedas exóticas - ou seja, moedas de países mais pequenos - o alcance em termos de volatilidade não é necessariamente limitado. Os principais sistemas de negociação utilizados no forex são aqueles que seguem as tendências (um ditado popular no mercado é a tendência é o seu amigo), ou sistemas que compram ou vendem em breakouts. Isso ocorre porque os indicadores econômicos geralmente causam grandes movimentos de preços ao mesmo tempo. Futures Equity, Forex e mercados de commodities oferecem negociação de futuros. Este é um veículo popular para o comércio de sistemas devido ao maior valor de alavancagem disponível e ao aumento da liquidez e da volatilidade. No entanto, esses fatores podem cortar as duas formas: podem amplificar seus ganhos ou amplificar suas perdas. Por esta razão, o uso de futuros é geralmente reservado para comerciantes avançados de sistemas individuais e institucionais. Isso ocorre porque os sistemas de negociação capazes de capitalizar o mercado de futuros exigem uma personalização muito maior, usam indicadores mais avançados e levam muito mais tempo para desenvolver. Então, o que é melhor é o investidor individual para decidir qual mercado é mais adequado ao comércio de sistemas - cada um tem suas próprias vantagens e desvantagens. A maioria das pessoas está mais familiarizada com os mercados de ações, e essa familiaridade facilita o desenvolvimento de um sistema de negociação. No entanto, forex é normalmente pensado para ser a plataforma superior para operar sistemas de negociação - especialmente entre os comerciantes mais experientes. Além disso, se um comerciante decide capitalizar o aumento de alavancagem e volatilidade, a alternativa de futuros está sempre aberta. Em última análise, a escolha está nas mãos do desenvolvedor do sistema. Tipos de Sistemas de Negociação Trend-Following Systems O método mais comum de negociação de sistema é o sistema de seguimento de tendência. Na sua forma mais fundamental, este sistema simplesmente espera um movimento de preço significativo, então compra ou vende nessa direção. Este tipo de bancos de sistemas na esperança de que esses movimentos de preços mantenham a tendência. Sistemas médios móveis Usado com freqüência na análise técnica. Uma média móvel é um indicador que mostra simplesmente o preço médio de uma ação em um período de tempo. A essência das tendências é derivada dessa medida. A maneira mais comum de determinar a entrada e a saída é um cruzamento. A lógica por trás disso é simples: uma nova tendência é estabelecida quando o preço cai acima ou abaixo da média do preço histórico (tendência). Aqui está um gráfico que traça tanto o preço (linha azul) quanto o Mestre de 20 dias (linha vermelha) da IBM: Breakout Systems O conceito fundamental por trás desse tipo de sistema é semelhante ao de um sistema de média móvel. A idéia é que quando um novo alto ou baixo é estabelecido, o movimento do preço provavelmente continuará na direção da fuga. Um indicador que pode ser usado na determinação de breakouts é uma simples sobreposição da Bollinger Band. Bandas de Bollinger mostram médias de preços altos e baixos, e os breakouts ocorrem quando o preço encontra as bordas das bandas. Aqui está um gráfico que traça o preço (linha azul) e as Bandas de Bollinger (linhas cinza) da Microsoft: Desvantagens dos sistemas de tendências: Requisição de decisão empírica necessária - Ao determinar as tendências, há sempre um elemento empírico a considerar: a duração de A tendência histórica. Por exemplo, a média móvel pode ser nos últimos 20 dias ou nos últimos cinco anos, então o desenvolvedor deve determinar qual é o melhor para o sistema. Outros fatores a serem determinados são os altos e baixos médios em sistemas de breakout. Lagging Nature - As médias móveis e os sistemas de breakout estarão sempre atrasados. Em outras palavras, eles nunca podem atingir o topo ou a parte inferior de uma tendência. Isso inevitavelmente resulta em uma perda de lucros potenciais, o que às vezes pode ser significativo. Efeito Whipsaw - Entre as forças de mercado que são prejudiciais ao sucesso dos sistemas de tendência, este é um dos mais comuns. O efeito whipsaw ocorre quando a média móvel gera um sinal falso - isto é, quando a média cai apenas para o alcance, de repente, reverte a direção. Isso pode levar a perdas maciças, a menos que sejam utilizadas efetivas perdas e técnicas de gerenciamento de risco. Sideways Markets - Os sistemas que seguem a tendência são, por natureza, capazes de ganhar dinheiro apenas em mercados que realmente fazem tendências. No entanto, os mercados também se movem para os lados. Permanecendo dentro de um certo intervalo por um longo período de tempo. Pode ocorrer volatilidade extrema - Ocasionalmente, os sistemas que seguem a tendência podem experimentar alguma volatilidade extrema, mas o comerciante deve manter seu sistema. A incapacidade de fazê-lo resultará em falhas garantidas. Countertrend Systems Basicamente, o objetivo com o sistema contra-tendência é comprar no menor baixo e vender ao mais alto. A principal diferença entre este e o sistema de tendência seguinte é que o sistema contra-tendência não é auto-corretivo. Em outras palavras, não há tempo definido para sair de posições, e isso resulta em um potencial de downside ilimitado. Tipos de sistemas contratrarrescentes Muitos tipos diferentes de sistemas são considerados sistemas de contra-tendência. A idéia aqui é comprar quando o impulso em uma direção começa a desaparecer. Isso geralmente é calculado usando osciladores. Por exemplo, um sinal pode ser gerado quando os estocásticos ou outros indicadores de força relativa caem abaixo de certos pontos. Existem outros tipos de sistemas de negociação contra tendência, mas todos eles compartilham o mesmo objetivo fundamental - comprar baixo e vender alto. Desvantagens dos Sistemas de Contra-Tendência: Requisição de Decisão Míbrica - Por exemplo, um dos fatores que o desenvolvedor do sistema deve decidir é os pontos nos quais os indicadores de força relativa se desvanecem. Pode ocorrer volatilidade extrema - esses sistemas também podem experimentar alguma volatilidade extrema e uma incapacidade de manter o sistema apesar dessa volatilidade resultará em falhas garantidas. Desvantagem ilimitada - Como mencionado anteriormente, há potencial de downside ilimitado porque o sistema não é auto-corretivo (não há tempo definido para sair de posições). Conclusão Os principais mercados para os quais os sistemas de negociação são adequados são os mercados de ações, divisas e futuros. Cada um desses mercados tem suas vantagens e desvantagens. Os dois principais gêneros dos sistemas de negociação são os sistemas de tendência e de contra-tendência. Apesar de suas diferenças, ambos os tipos de sistemas, em seus estágios de desenvolvimento, requerem uma tomada de decisão empírica por parte do desenvolvedor. Além disso, esses sistemas estão sujeitos a extrema volatilidade e isso pode exigir algum vigor - é essencial que o comerciante do sistema fique com seu sistema durante esses tempos. Na próxima parcela, considere bem como projetar um sistema comercial e discutir alguns dos softwares que os comerciantes do sistema usam para facilitar sua vida. Sistemas de negociação: projetando seu sistema - Parte 2Best Linguagem de programação para sistemas de negociação algorítmica Uma das perguntas mais freqüentes que recebo no QS mailbag é qual a melhor linguagem de programação para negociação algorítmica. A resposta curta é que não há melhor linguagem. Parâmetros de estratégia, desempenho, modularidade, desenvolvimento, resiliência e custo devem ser considerados. Este artigo descreve os componentes necessários de uma arquitetura de sistema de negociação algorítmica e como as decisões relativas à implementação afetam a escolha do idioma. Em primeiro lugar, os principais componentes de um sistema de negociação algorítmica serão considerados, como ferramentas de pesquisa, otimizador de portfólio, gerenciador de riscos e motor de execução. Posteriormente, serão examinadas diferentes estratégias de negociação e como elas afetam o design do sistema. Em particular, a freqüência de negociação e o provável volume de negociação serão discutidos. Uma vez que a estratégia de negociação foi selecionada, é necessário arquitetar todo o sistema. Isso inclui a escolha de hardware, o (s) sistema (s) operacional (is) e a resiliência do sistema contra eventos raros e potencialmente catastróficos. Enquanto a arquitetura está sendo considerada, deve-se ter em conta o desempenho, tanto para as ferramentas de pesquisa como para o ambiente de execução ao vivo. O que é o Sistema de Negociação Tentando Fazer Antes de decidir sobre o melhor idioma com o qual escrever um sistema de negociação automatizado, é necessário definir os requisitos. O sistema vai ser puramente baseado em execução Será que o sistema exigirá um módulo de gerenciamento de risco ou construção de portfólio O sistema exigirá um backtester de alto desempenho. Para a maioria das estratégias, o sistema de negociação pode ser dividido em duas categorias: Pesquisa e geração de sinal. A pesquisa está preocupada com a avaliação de um desempenho de estratégia em relação aos dados históricos. O processo de avaliação de uma estratégia de negociação em relação aos dados anteriores do mercado é conhecido como backtesting. O tamanho dos dados e a complexidade algorítmica terão um grande impacto na intensidade computacional do backtester. A velocidade e a concorrência do CPU são muitas vezes os fatores limitantes na otimização da velocidade de execução da pesquisa. A geração de sinal está preocupada com a geração de um conjunto de sinais de negociação de um algoritmo e o envio de tais pedidos para o mercado, geralmente através de uma corretora. Para determinadas estratégias, é necessário um alto nível de desempenho. As questões de IO, como a largura de banda da rede e a latência, muitas vezes são fatores limitantes na otimização de sistemas de execução. Assim, a escolha de idiomas para cada componente de todo o seu sistema pode ser bastante diferente. Tipo, Frequência e Volume de Estratégia O tipo de estratégia algorítmica empregada terá um impacto substancial no design do sistema. Será necessário considerar os mercados comercializados, a conectividade com os fornecedores de dados externos, a frequência e o volume da estratégia, o trade-off entre facilidade de desenvolvimento e otimização de desempenho, bem como qualquer hardware personalizado, incluindo customizado Servidores, GPUs ou FPGAs que possam ser necessários. As opções de tecnologia para uma estratégia de ações de baixa freqüência dos EUA serão muito diferentes das de uma negociação de estratégias de arbitragem estatística de alta freqüência no mercado de futuros. Antes da escolha do idioma, muitos fornecedores de dados devem ser avaliados de acordo com a estratégia em questão. Será necessário considerar a conectividade com o fornecedor, a estrutura de todas as APIs, a pontualidade dos dados, os requisitos de armazenamento e a resiliência em face de um fornecedor que está offline. Também é aconselhável possuir acesso rápido a vários fornecedores. Diversos instrumentos possuem todos os seus peculiaridades de armazenamento, exemplos dos quais incluem múltiplos símbolos de ticker para ações e datas de validade para futuros (para não mencionar nenhum dado OTC específico). Isso precisa ser incorporado ao design da plataforma. A frequência da estratégia provavelmente será um dos maiores drivers de como a pilha de tecnologia será definida. As estratégias que empregam dados com mais freqüência do que minuciosamente ou em segundo lugar, requerem uma consideração significativa em relação ao desempenho. Uma estratégia que exceda as barras segundo (isto é, dados de marca) leva a um design orientado a desempenho como o principal requisito. Para estratégias de alta freqüência, uma quantidade substancial de dados do mercado precisará ser armazenada e avaliada. Software como HDF5 ou kdb são comumente usados ​​para essas funções. Para processar os extensos volumes de dados necessários para aplicações HFT, um sistema de backtester e execução extensivamente otimizado deve ser usado. CC (possivelmente com algum montador) é provável para o candidato a linguagem mais forte. As estratégias de ultra-alta freqüência certamente exigirão hardware personalizado, como FPGAs, troca de co-localização e ajuste de interface de kernalnetwork. Os sistemas de pesquisa de sistemas de pesquisa geralmente envolvem uma mistura de desenvolvimento interativo e script automatizado. O primeiro geralmente ocorre dentro de um IDE, como Visual Studio, MatLab ou R Studio. O último envolve cálculos numéricos extensos em vários parâmetros e pontos de dados. Isso leva a uma escolha de idioma que fornece um ambiente direto para testar código, mas também fornece desempenho suficiente para avaliar estratégias em várias dimensões de parâmetros. Os IDE típicos neste espaço incluem Microsoft Visual CC, que contém extensos utilitários de depuração, capacidades de conclusão de código (via Intellisense) e visões gerais diretas de toda a pilha do projeto (via o banco de dados ORM, LINQ) MatLab. Que é projetado para uma grande variedade de álgebra linear numérica e operações vectorizadas, mas em uma maneira de console interativo R Studio. Que envolve o console de linguagem estatística R em um IDE Eclipse IDE de pleno direito para Linux Java e C e IDE semi-proprietários, como Enthought Canopy para Python, que incluem bibliotecas de análise de dados, como NumPy. SciPy. Scikit-learn e pandas em um único ambiente interativo (console). Para backtesting numérico, todos os idiomas acima são adequados, embora não seja necessário utilizar uma GUIIDE, pois o código será executado em segundo plano. A principal consideração nesta fase é a velocidade de execução. Um idioma compilado (como C) geralmente é útil se as dimensões dos parâmetros do backtesting forem grandes. Lembre-se de que é necessário desconfiar de tais sistemas, se esse for o caso. As linguagens interpretadas, como Python, costumam fazer uso de bibliotecas de alto desempenho, como NumPypandas para a etapa de teste, para manter um grau razoável de competitividade com equivalentes compilados. Em última análise, o idioma escolhido para o backtesting será determinado por necessidades algorítmicas específicas, bem como o alcance das bibliotecas disponíveis no idioma (mais sobre isso abaixo). No entanto, o idioma usado para o backtester e ambientes de pesquisa pode ser completamente independente dos usados ​​na construção de portfólio, gerenciamento de riscos e componentes de execução, como será visto. Construção de carteiras e gerenciamento de riscos A construção de portfólio e os componentes de gerenciamento de risco são muitas vezes ignorados pelos comerciantes algorítmicos de varejo. Isso é quase sempre um erro. Essas ferramentas fornecem o mecanismo pelo qual o capital será preservado. Eles não só tentam aliviar o número de apostas arriscadas, mas também minimizam o efeito de churn dos próprios negócios, reduzindo os custos de transação. Versões sofisticadas desses componentes podem ter um efeito significativo na qualidade e consistência da lucratividade. É direto criar um estável de estratégias, pois o mecanismo de construção do portfólio e o gerenciador de riscos podem ser facilmente modificados para lidar com vários sistemas. Assim, eles devem ser considerados componentes essenciais no início do projeto de um sistema de comércio algorítmico. O trabalho do sistema de construção de carteira é levar um conjunto de trades desejados e produzir o conjunto de negócios reais que minimizam o churn, manter exposições a vários fatores (como setores, classes de ativos, volatilidade, etc.) e otimizar a alocação de capital para vários Estratégias em um portfólio. A construção do portfólio geralmente se reduz a um problema de álgebra linear (como uma fatoração da matriz) e, portanto, o desempenho é altamente dependente da eficácia da implementação de álgebra linear numérica disponível. Bibliotecas comuns incluem uBLAS. LAPACK e NAG para C. MatLab também possuem operações de matriz amplamente otimizadas. Python utiliza NumPySciPy para tais cálculos. Um portfólio freqüentemente reequilibrado exigirá uma biblioteca de matriz compilada (e bem otimizada) para levar a cabo esta etapa, de modo a não engarrafar o sistema de comércio. O gerenciamento de riscos é outra parte extremamente importante de um sistema de comércio algorítmico. O risco pode vir de várias formas: maior volatilidade (embora isso possa ser visto como desejável para certas estratégias), o aumento das correlações entre as classes de ativos, o defeito do contraparte, as interrupções do servidor, os eventos de cisnes negros e os erros não detectados no código comercial, para nomear um poucos. Os componentes de gerenciamento de risco tentam antecipar os efeitos da volatilidade excessiva e a correlação entre classes de ativos e seus efeitos subsequentes sobre o capital de negociação. Muitas vezes isso se reduz a um conjunto de cálculos estatísticos, como os testes de esforço de Monte Carlo. Isso é muito semelhante às necessidades computacionais de um mecanismo de precificação de derivados e, como tal, será vinculado à CPU. Essas simulações são altamente paralelizáveis ​​(veja abaixo) e, até certo ponto, é possível lançar hardware no problema. Sistemas de execução O trabalho do sistema de execução é receber sinais de negociação filtrados dos componentes de construção de portfólio e gerenciamento de riscos e enviá-los para uma corretora ou outros meios de acesso ao mercado. Para a maioria das estratégias de negociação algorítmica de varejo, isso envolve uma conexão API ou FIX para uma corretora, como Interactive Brokers. As considerações primárias ao decidir sobre um idioma incluem a qualidade da API, a disponibilidade do idioma para uma API, a freqüência de execução e o deslizamento antecipado. A qualidade da API refere-se ao quão bem documentado é, qual o tipo de desempenho que ele fornece, se ele precisa de um software autônomo para ser acessado ou se um gateway pode ser estabelecido de forma sem cabeça (ou seja, sem GUI). No caso dos Interactive Brokers, a ferramenta Trader WorkStation precisa ser executada em um ambiente GUI para acessar sua API. Uma vez, tive que instalar uma edição Desktop Ubuntu em um servidor da nuvem Amazon para acessar intermediários interativos de forma remota, apenas por esse motivo, a maioria das API fornecerá uma interface C andor Java. Geralmente, é para a comunidade o desenvolvimento de wrappers específicos do idioma para C, Python, R, Excel e MatLab. Observe que, com cada plugin adicional utilizado (especialmente wrappers da API), há possibilidades de insetos no sistema. Sempre testar plugins desse tipo e garantir que eles sejam ativamente mantidos. Um indicador valioso é ver quantas novas atualizações de uma base de código foram feitas nos últimos meses. A frequência de execução é de extrema importância no algoritmo de execução. Observe que centenas de pedidos podem ser enviados a cada minuto e, como tal, o desempenho é crítico. Slippage será incorrido através de um sistema de execução mal executado e isso terá um impacto dramático sobre a rentabilidade. Os idiomas estaticamente digitados (veja abaixo), como o CJava, geralmente são ótimos para execução, mas há um trade-off em tempo de desenvolvimento, testes e facilidade de manutenção. Idiomas dinamicamente digitados, como Python e Perl agora são geralmente suficientemente rápidos. Certifique-se sempre de que os componentes foram projetados de forma modular (veja abaixo) para que possam ser trocados para fora à medida que o sistema se equilibra. Processo de planejamento e desenvolvimento arquitetônico Os componentes de um sistema comercial, seus requisitos de freqüência e volume foram discutidos acima, mas a infraestrutura do sistema ainda não foi coberta. Aqueles que atuam como comerciante de varejo ou que trabalham em um fundo pequeno provavelmente estarão usando muitos chapéus. Será necessário cobrir o modelo alfa, o gerenciamento de riscos e os parâmetros de execução, bem como a implementação final do sistema. Antes de aprofundar linguagens específicas, o projeto de uma arquitetura de sistema ideal será discutido. Separação de preocupações Uma das decisões mais importantes que devem ser tomadas no início é como separar as preocupações de um sistema comercial. No desenvolvimento de software, isso significa essencialmente como dividir os diferentes aspectos do sistema de negociação em componentes modulares separados. Ao expor as interfaces em cada um dos componentes, é fácil trocar partes do sistema por outras versões que ajudem o desempenho, confiabilidade ou manutenção, sem modificar nenhum código de dependência externo. Esta é a melhor prática para esses sistemas. Para estratégias em frequências mais baixas, tais práticas são aconselhadas. Para a comercialização de ultra alta frequência, o livro de regras pode ser ignorado à custa de ajustar o sistema para ainda mais desempenho. Um sistema mais acoplado pode ser desejável. Criar um mapa de componentes de um sistema de negociação algorítmico vale um artigo em si. No entanto, uma abordagem ótima é garantir que haja componentes separados para as entradas de dados de mercado históricos e em tempo real, armazenamento de dados, API de acesso a dados, backtester, parâmetros de estratégia, gerenciamento de portfólio, gerenciamento de riscos e sistemas de execução automatizada. Por exemplo, se o armazenamento de dados em uso estiver atualmente em baixa performance, mesmo em níveis significativos de otimização, ele pode ser trocado com reescrituras mínimas para a ingesta de dados ou API de acesso a dados. Até o ponto em que o backtester e os componentes subsequentes estão em causa, não há diferença. Outro benefício dos componentes separados é que permite que uma variedade de linguagens de programação sejam usadas no sistema geral. Não é necessário restringir a um único idioma se o método de comunicação dos componentes for independente do idioma. Este será o caso se estiverem se comunicando via TCPIP, ZeroMQ ou algum outro protocolo independente de linguagem. Como um exemplo concreto, considere o caso de um sistema de backtesting escrito em C para o desempenho de crunching numérico, enquanto o gerenciador de portfólio e os sistemas de execução são escritos em Python usando SciPy e IBPy. Considerações sobre o desempenho O desempenho é uma consideração significativa para a maioria das estratégias comerciais. Para estratégias de maior frequência, é o fator mais importante. O desempenho abrange uma ampla gama de problemas, como velocidade de execução algorítmica, latência de rede, largura de banda, IO de dados, paralelismo de simultaneidade e dimensionamento. Cada uma dessas áreas é coberta individualmente por grandes livros didáticos, portanto este artigo apenas arranhará a superfície de cada tópico. A escolha da arquitetura e da linguagem agora será discutida em termos de seus efeitos sobre o desempenho. A sabedoria predominante, como afirmou Donald Knuth. Um dos pais da Ciência da Computação, é que a otimização prematura é a raiz de todo o mal. Este é quase sempre o caso - exceto ao construir um algoritmo de negociação de alta freqüência Para aqueles que estão interessados ​​em estratégias de baixa freqüência, uma abordagem comum é construir um sistema da maneira mais simples possível e apenas otimizar à medida que os estrangulamentos começam a aparecer. As ferramentas de criação de perfil são usadas para determinar onde surgem os estrangulamentos. Perfis podem ser feitos para todos os fatores listados acima, em um ambiente MS Windows ou Linux. Existem muitas ferramentas de sistema operacional e linguagem disponíveis para isso, bem como utilitários de terceiros. A escolha da linguagem será agora discutida no contexto da performance. C, Java, Python, R e MatLab contêm bibliotecas de alto desempenho (como parte do padrão ou externo) para estrutura básica de dados e trabalho algorítmico. C é fornecido com a Biblioteca de modelos padrão, enquanto o Python contém NumPySciPy. Tarefas matemáticas comuns são encontradas nessas bibliotecas e raramente é benéfico escrever uma nova implementação. Uma exceção é se uma arquitetura de hardware altamente personalizada for necessária e um algoritmo está fazendo uso extensivo de extensões proprietárias (como caches personalizados). No entanto, muitas vezes a reinvenção da roda desperdiça o tempo que poderia ser melhor gasto desenvolvendo e otimizando outras partes da infra-estrutura de negociação. O tempo de desenvolvimento é extremamente precioso especialmente no contexto dos únicos desenvolvedores. A latência é muitas vezes uma questão do sistema de execução, pois as ferramentas de pesquisa geralmente estão localizadas na mesma máquina. Para o primeiro, a latência pode ocorrer em vários pontos ao longo do caminho de execução. Os bancos de dados devem ser consultados (latência da rede de disco), os sinais devem ser gerados (sistema operacional, latência de mensagens do kernal), sinais comerciais enviados (latência NIC) e pedidos processados ​​(latência interna dos sistemas de troca). Para operações de maior freqüência, é necessário familiarizar-se intimamente com a otimização do kernal, além de otimizar a transmissão da rede. Esta é uma área profunda e está significativamente além do escopo do artigo, mas se um algoritmo UHFT é desejado, então, esteja ciente da profundidade do conhecimento necessário. O cache é muito útil no conjunto de ferramentas de um desenvolvedor de negociação quantitativo. O armazenamento em cache refere-se ao conceito de armazenar dados freqüentemente acessados ​​de forma que permita um acesso de alto desempenho, em detrimento do potencial estancamento dos dados. Um caso de uso comum ocorre no desenvolvimento da web ao tirar dados de um banco de dados relacional com respaldo de disco e colocá-lo na memória. Quaisquer pedidos subseqüentes para os dados não precisam acertar o banco de dados e, portanto, os ganhos de desempenho podem ser significativos. Para situações de negociação, o cache pode ser extremamente benéfico. Por exemplo, o estado atual de um portfólio de estratégia pode ser armazenado em um cache até que seja reequilibrado, de modo que a lista não precisa ser regenerada em cada ciclo do algoritmo de negociação. Essa regeneração provavelmente será uma alta operação de CPU ou disco IO. No entanto, o armazenamento em cache não está sem seus próprios problemas. A regeneração de dados de cache de uma só vez, devido à natureza volátil do armazenamento de cache, pode colocar uma demanda significativa na infraestrutura. Outra questão é o empilhamento de cães. Onde múltiplas gerações de uma nova cópia de cache são realizadas com uma carga extremamente alta, o que leva a uma falha em cascata. A alocação de memória dinâmica é uma operação cara na execução de software. Assim, é imperativo que os aplicativos de maior desempenho comercial sejam conscientes de como a memória está sendo alocada e desalocada durante o fluxo do programa. Novos padrões de linguagem, como Java, C e Python, todos realizam coleta automática de lixo. Que se refere à desalocação da memória alocada dinamicamente quando os objetos ficam fora do escopo. A coleta de lixo é extremamente útil durante o desenvolvimento, pois reduz erros e ajuda a legibilidade. No entanto, muitas vezes é sub óptimo para certas estratégias de negociação de alta freqüência. A coleta de lixo personalizada é muitas vezes desejada para esses casos. Em Java, por exemplo, ao ajustar a configuração do coletor de lixo e do heap, é possível obter alto desempenho para as estratégias de HFT. C não fornece um coletor de lixo nativo e, portanto, é necessário lidar com todas as alocações de alocação de memória como parte de uma implementação de objetos. Embora potencialmente propenso a erros (potencialmente levando a ponteiros pendurados), é extremamente útil ter controle fino de como os objetos aparecem no heap para determinadas aplicações. Ao escolher um idioma, certifique-se de estudar como o coletor de lixo funciona e se ele pode ser modificado para otimizar um caso de uso particular. Muitas operações em sistemas de negociação algorítmica são favoráveis ​​à paralelização. Isso se refere ao conceito de realização de múltiplas operações programáticas ao mesmo tempo, ou seja, em paralelo. Os algoritmos denominados algoritmos paralisantes incluem etapas que podem ser computadas totalmente independentemente de outras etapas. Certas operações estatísticas, como as simulações de Monte Carlo, são um bom exemplo de algoritmos embarassingly paralelos, pois cada sorteio aleatório e subseqüente operação do caminho podem ser computados sem o conhecimento de outros caminhos. Outros algoritmos são apenas parcialmente paralelizados. As simulações de dinâmica de fluidos são um exemplo, onde o domínio da computação pode ser subdividido, mas, em última análise, esses domínios devem se comunicar entre si e, portanto, as operações são parcialmente seqüenciais. Os algoritmos paralisáveis ​​estão sujeitos à Lei Amdahls. Que fornece um limite superior teórico para o aumento de desempenho de um algoritmo paralelizado quando sujeito a N processos separados (por exemplo, em um núcleo ou fio de CPU). A paralelização tornou-se cada vez mais importante como um meio de otimização, uma vez que as velocidades do clock do processador estagnaram, já que os processadores mais novos contêm muitos núcleos com os quais realizar cálculos paralelos. O aumento do hardware de gráficos do consumidor (predominantemente para videogames) levou ao desenvolvimento de Unidades de Processamento Gráfico (GPUs), que contêm centenas de núcleos para operações altamente concorrentes. Tais GPUs são agora muito acessíveis. Os quadros de alto nível, como o Nvidias CUDA, levaram à adoção generalizada na academia e nas finanças. Esse hardware de GPU geralmente é apenas adequado para o aspecto de pesquisa de financiamento quantitativo, enquanto outros equipamentos mais especializados (incluindo matrizes de portas programáveis ​​em campo - FPGAs) são usados ​​para (U) HFT. Atualmente, a maioria dos langauges modernos suporta um grau de reprodução simultânea. Assim, é direto otimizar um backtester, uma vez que todos os cálculos são geralmente independentes dos outros. O dimensionamento em engenharia de software e operações refere-se à capacidade do sistema de lidar consistentemente com o aumento de cargas sob a forma de solicitações maiores, maior uso do processador e maior alocação de memória. Na negociação algorítmica, uma estratégia pode escalar se pode aceitar quantidades maiores de capital e ainda produzir retornos consistentes. A pilha de tecnologia de negociação escala se pode suportar maiores volumes de comércio e latência aumentada, sem gargalo. Enquanto os sistemas devem ser projetados para dimensionar, muitas vezes é difícil prever de antemão, onde um gargalo irá ocorrer. O registro, o teste, o perfil e o monitoramento rigorosos ajudarão grandemente em permitir um sistema a escala. Os próprios idiomas são muitas vezes descritos como inesquecíveis. Isso geralmente é o resultado de uma desinformação, e não de um fato difícil. É a pilha de tecnologia total que deve ser verificada quanto à escalabilidade, e não ao idioma. Claramente, certas linguagens têm maior desempenho do que outras em casos de uso específicos, mas um idioma nunca é melhor do que outro em todos os sentidos. Um meio de gerenciar escala é separar as preocupações, como afirmado acima. A fim de introduzir ainda a capacidade de lidar com picos no sistema (isto é, volatilidade súbita que desencadeia uma série de trades), é útil criar uma arquitetura de filas de mensagens. Isso simplesmente significa colocar um sistema de fila de mensagens entre os componentes para que as encomendas sejam empilhadas se um determinado componente não conseguir processar muitos pedidos. Em vez de pedidos de perda, eles simplesmente são mantidos em uma pilha até que a mensagem seja tratada. Isso é particularmente útil para enviar trocas para um mecanismo de execução. Se o motor está sofrendo sob latência intensa, ele irá fazer backup de trades. Uma fila entre o gerador de sinal comercial e a API de execução aliviará essa questão à custa do possível deslizamento comercial. Um bem respeitado corretor de fila de mensagens de código aberto é RabbitMQ. Hardware e sistemas operacionais O hardware que gerencia sua estratégia pode ter um impacto significativo na rentabilidade do seu algoritmo. Esta não é uma questão restrita aos comerciantes de alta freqüência. Uma má escolha no hardware e no sistema operacional pode levar a uma falha da máquina ou reiniciar no momento mais inoportuno. Assim, é necessário considerar onde sua candidatura irá residir. A escolha é geralmente entre uma máquina de mesa pessoal, um servidor remoto, um provedor de nuvem ou um servidor co-localizado em troca. As máquinas de mesa são simples de instalar e administrar, especialmente com sistemas operacionais mais novos e amigáveis ​​como Windows 78, Mac OSX e Ubuntu. Os sistemas de desktop possuem algumas desvantagens significativas, no entanto. O principal é que as versões dos sistemas operacionais projetados para máquinas de mesa provavelmente irão requerer o reinício (e muitas vezes no pior dos tempos). Eles também usam mais recursos computacionais pela virtude de exigir uma interface gráfica de usuário (GUI). Utilizar hardware em um ambiente doméstico (ou escritório local) pode levar à conectividade com a internet e aos problemas de tempo de atividade. O principal benefício de um sistema de desktop é que a potência computacional significativa pode ser comprada pela fração do custo de um servidor dedicado remoto (ou sistema baseado em nuvem) de velocidade comparável. Um servidor dedicado ou uma máquina baseada em nuvem, muitas vezes mais caro do que uma opção de área de trabalho, permite uma infra-estrutura de redundância mais significativa, como backups de dados automatizados, a capacidade de garantir de forma mais direta o tempo de atividade e monitoramento remoto. Eles são mais difíceis de administrar, pois exigem a capacidade de usar recursos de logon remoto do sistema operacional. No Windows, isto é geralmente através do GUI Remote Desktop Protocol (RDP). Em sistemas baseados em Unix, a linha de comando Secure SHell (SSH) é usada. A infraestrutura de servidor baseada em Unix é quase sempre baseada em linha de comando, o que imediatamente faz com que as ferramentas de programação baseadas em GUI (como MatLab ou Excel) sejam inutilizáveis. Um servidor co-localizado, como a frase é usada nos mercados de capitais, é simplesmente um servidor dedicado que reside dentro de uma troca para reduzir a latência do algoritmo de negociação. Isso é absolutamente necessário para certas estratégias de negociação de alta freqüência, que dependem de baixa latência para gerar alfa. O aspecto final para a escolha do hardware e a escolha da linguagem de programação é a independência da plataforma. Existe a necessidade de o código ser executado em vários sistemas operacionais diferentes. O código projetado para ser executado em um tipo particular de arquitetura de processador, como o Intel x86x64 ou será possível executar em processadores RISC, como os fabricados pela ARM Essas questões serão altamente dependentes da frequência e do tipo de estratégia implementada. Resiliência e Teste Uma das melhores maneiras de perder muito dinheiro na negociação algorítmica é criar um sistema sem resiliência. Isso se refere à durabilidade do sistema quando sujeito a eventos raros, como falências de corretagem, volatilidade súbita em excesso, tempo de inatividade em toda a região para um provedor de servidor em nuvem ou a exclusão acidental de um banco de dados de negociação inteiro. Anos de lucro podem ser eliminados em segundos com uma arquitetura mal projetada. É absolutamente essencial considerar questões como debugging, testes, logging, backups, alta disponibilidade e monitoramento como componentes principais do seu sistema. É provável que, em qualquer aplicativo de negociação quantitativo personalizado razoavelmente complicado, pelo menos 50 de tempo de desenvolvimento serão gastos em depuração, teste e manutenção. Quase todas as linguagens de programação são enviadas com um depurador associado ou possuem alternativas de terceiros bem respeitadas. Em essência, um depurador permite a execução de um programa com inserção de pontos de interrupção arbitrários no caminho do código, que interrompe temporariamente a execução para investigar o estado do sistema. O principal benefício da depuração é que é possível investigar o comportamento do código antes de um ponto de falha conhecido. A depuração é um componente essencial na caixa de ferramentas para analisar erros de programação. No entanto, eles são mais amplamente utilizados em linguagens compiladas, como C ou Java, pois linguagens interpretadas, como Python, geralmente são mais fáceis de depurar devido a menos declarações LOC e menos verbosas. Apesar desta tendência, o Python é enviado com o pdb. Que é uma ferramenta de depuração sofisticada. O Microsoft Visual C IDE possui amplos utilitários de depuração de GUI, enquanto que para o programador de linha de comando Linux C, o depurador gdb existe. O teste no desenvolvimento de software refere-se ao processo de aplicação de parâmetros e resultados conhecidos a funções, métodos e objetos específicos dentro de uma base de código, para simular o comportamento e avaliar múltiplos caminhos de código, ajudando a garantir que um sistema se comporta como deveria. Um paradigma mais recente é conhecido como Test Driven Development (TDD), onde o código de teste é desenvolvido contra uma interface especificada sem implementação. Antes da conclusão da base de código real, todos os testes falharão. À medida que o código é escrito para preencher os espaços em branco, os testes acabarão por passar, momento em que o desenvolvimento deve cessar. O TDD exige um amplo design de especificação antecipada, bem como um grau de disciplina saudável para realizar com sucesso. Em C, o Boost fornece uma estrutura de teste de unidade. Em Java, a biblioteca JUnit existe para cumprir a mesma finalidade. Python também possui o módulo unittest como parte da biblioteca padrão. Muitas outras línguas possuem estruturas de teste de unidade e muitas vezes existem várias opções. Em um ambiente de produção, o log sofisticado é absolutamente essencial. O registro refere-se ao processo de saída de mensagens, com vários graus de gravidade, em relação ao comportamento de execução de um sistema em um arquivo ou banco de dados plano. Os logs são uma primeira linha de ataque ao procurar o comportamento inesperado do tempo de execução do programa. Infelizmente, as deficiências de um sistema de registro tendem a ser descobertas somente após o fato de como os backups discutidos abaixo, um sistema de registro deve ser devidamente considerado ANTES de projetar um sistema. Tanto o Microsoft Windows como o Linux vêm com extensa capacidade de registro do sistema e as linguagens de programação tendem a ser enviadas com bibliotecas de registro padrão que cobrem a maioria dos casos de uso. Muitas vezes, é aconselhável centralizar as informações de registro para analisá-lo posteriormente, uma vez que muitas vezes pode levar a ideias sobre como melhorar o desempenho ou a redução de erros, o que quase certamente terá um impacto positivo em seus retornos comerciais. Enquanto o registro de um sistema fornecerá informações sobre o que aconteceu no passado, o monitoramento de um aplicativo fornecerá uma visão do que está acontecendo no momento. Todos os aspectos do sistema devem ser considerados para monitoramento. As métricas do nível do sistema, como o uso do disco, a memória disponível, a largura de banda da rede e o uso da CPU fornecem informações básicas de carga. As métricas de negociação, como volume de preços anormal, levantamentos rápidos bruscos e exposição à conta para diferentes setores também devem ser monitoradas continuamente. Além disso, deve ser instigado um sistema de limiar que forneça notificação quando certas métricas são violadas, elevando o método de notificação (e-mail, SMS, atendimento automatizado), dependendo da gravidade da métrica. O monitoramento do sistema geralmente é o domínio do administrador do sistema ou do gerente de operações. No entanto, como um único desenvolvedor comercial, essas métricas devem ser estabelecidas como parte do design maior. Existem muitas soluções para monitoramento: proprietárias, hospedadas e de código aberto, que permitem uma ampla personalização de métricas para um caso de uso particular. Os backups e a alta disponibilidade devem ser as principais preocupações de um sistema comercial. Consider the following two questions: 1) If an entire production database of market data and trading history was deleted (without backups) how would the research and execution algorithm be affected 2) If the trading system suffers an outage for an extended period (with open positions) how would account equity and ongoing profitability be affected The answers to both of these questions are often sobering It is imperative to put in place a system for backing up data and also for testing the restoration of such data. Many individuals do not test a restore strategy. If recovery from a crash has not been tested in a safe environment, what guarantees exist that restoration will be available at the worst possible moment Similarly, high availability needs to be baked in from the start. Redundant infrastructure (even at additional expense) must always be considered, as the cost of downtime is likely to far outweigh the ongoing maintenance cost of such systems. I wont delve too deeply into this topic as it is a large area, but make sure it is one of the first considerations given to your trading system. Choosing a Language Considerable detail has now been provided on the various factors that arise when developing a custom high-performance algorithmic trading system. The next stage is to discuss how programming languages are generally categorised. Type Systems When choosing a language for a trading stack it is necessary to consider the type system . The languages which are of interest for algorithmic trading are either statically - or dynamically-typed . A statically-typed language performs checks of the types (e. g. integers, floats, custom classes etc) during the compilation process. Such languages include C and Java. A dynamically-typed language performs the majority of its type-checking at runtime. Such languages include Python, Perl and JavaScript. For a highly numerical system such as an algorithmic trading engine, type-checking at compile time can be extremely beneficial, as it can eliminate many bugs that would otherwise lead to numerical errors. However, type-checking doesnt catch everything, and this is where exception handling comes in due to the necessity of having to handle unexpected operations. Dynamic languages (i. e. those that are dynamically-typed) can often lead to run-time errors that would otherwise be caught with a compilation-time type-check. For this reason, the concept of TDD (see above) and unit testing arose which, when carried out correctly, often provides more safety than compile-time checking alone. Another benefit of statically-typed languages is that the compiler is able to make many optimisations that are otherwise unavailable to the dynamically - typed language, simply because the type (and thus memory requirements) are known at compile-time. In fact, part of the inefficiency of many dynamically-typed languages stems from the fact that certain objects must be type-inspected at run-time and this carries a performance hit. Libraries for dynamic languages, such as NumPySciPy alleviate this issue due to enforcing a type within arrays. Open Source or Proprietary One of the biggest choices available to an algorithmic trading developer is whether to use proprietary (commercial) or open source technologies. There are advantages and disadvantages to both approaches. It is necessary to consider how well a language is supported, the activity of the community surrounding a language, ease of installation and maintenance, quality of the documentation and any licensingmaintenance costs. The Microsoft. NET stack (including Visual C, Visual C) and MathWorks MatLab are two of the larger proprietary choices for developing custom algorithmic trading software. Both tools have had significant battle testing in the financial space, with the former making up the predominant software stack for investment banking trading infrastructure and the latter being heavily used for quantitative trading research within investment funds. Microsoft and MathWorks both provide extensive high quality documentation for their products. Further, the communities surrounding each tool are very large with active web forums for both. The. NET software allows cohesive integration with multiple languages such as C, C and VB, as well as easy linkage to other Microsoft products such as the SQL Server database via LINQ. MatLab also has many pluginslibraries (some free, some commercial) for nearly any quantitative research domain. There are also drawbacks. With either piece of software the costs are not insignificant for a lone trader (although Microsoft does provide entry-level version of Visual Studio for free). Microsoft tools play well with each other, but integrate less well with external code. Visual Studio must also be executed on Microsoft Windows, which is arguably far less performant than an equivalent Linux server which is optimally tuned. MatLab also lacks a few key plugins such as a good wrapper around the Interactive Brokers API, one of the few brokers amenable to high-performance algorithmic trading. The main issue with proprietary products is the lack of availability of the source code. This means that if ultra performance is truly required, both of these tools will be far less attractive. Open source tools have been industry grade for sometime. Much of the alternative asset space makes extensive use of open-source Linux, MySQLPostgreSQL, Python, R, C and Java in high-performance production roles. However, they are far from restricted to this domain. Python and R, in particular, contain a wealth of extensive numerical libraries for performing nearly any type of data analysis imaginable, often at execution speeds comparable to compiled languages, with certain caveats. The main benefit of using interpreted languages is the speed of development time. Python and R require far fewer lines of code (LOC) to achieve similar functionality, principally due to the extensive libraries. Further, they often allow interactive console based development, rapidly reducing the iterative development process. Given that time as a developer is extremely valuable, and execution speed often less so (unless in the HFT space), it is worth giving extensive consideration to an open source technology stack. Python and R possess significant development communities and are extremely well supported, due to their popularity. Documentation is excellent and bugs (at least for core libraries) remain scarce. Open source tools often suffer from a lack of a dedicated commercial support contract and run optimally on systems with less-forgiving user interfaces. A typical Linux server (such as Ubuntu) will often be fully command-line oriented. In addition, Python and R can be slow for certain execution tasks. There are mechanisms for integrating with C in order to improve execution speeds, but it requires some experience in multi-language programming. While proprietary software is not immune from dependencyversioning issues it is far less common to have to deal with incorrect library versions in such environments. Open source operating systems such as Linux can be trickier to administer. I will venture my personal opinion here and state that I build all of my trading tools with open source technologies. In particular I use: Ubuntu, MySQL, Python, C and R. The maturity, community size, ability to dig deep if problems occur and lower total cost ownership (TCO) far outweigh the simplicity of proprietary GUIs and easier installations. Having said that, Microsoft Visual Studio (especially for C) is a fantastic Integrated Development Environment (IDE) which I would also highly recommend. Batteries Included The header of this section refers to the out of the box capabilities of the language - what libraries does it contain and how good are they This is where mature languages have an advantage over newer variants. C, Java and Python all now possess extensive libraries for network programming, HTTP, operating system interaction, GUIs, regular expressions (regex), iteration and basic algorithms. C is famed for its Standard Template Library (STL) which contains a wealth of high performance data structures and algorithms for free. Python is known for being able to communicate with nearly any other type of systemprotocol (especially the web), mostly through its own standard library. R has a wealth of statistical and econometric tools built in, while MatLab is extremely optimised for any numerical linear algebra code (which can be found in portfolio optimisation and derivatives pricing, for instance). Outside of the standard libraries, C makes use of the Boost library, which fills in the missing parts of the standard library. In fact, many parts of Boost made it into the TR1 standard and subsequently are available in the C11 spec, including native support for lambda expressions and concurrency. Python has the high performance NumPySciPyPandas data analysis library combination, which has gained widespread acceptance for algorithmic trading research. Further, high-performance plugins exist for access to the main relational databases, such as MySQL (MySQLC), JDBC (JavaMatLab), MySQLdb (MySQLPython) and psychopg2 (PostgreSQLPython). Python can even communicate with R via the RPy plugin An often overlooked aspect of a trading system while in the initial research and design stage is the connectivity to a broker API. Most APIs natively support C and Java, but some also support C and Python, either directly or with community-provided wrapper code to the C APIs. In particular, Interactive Brokers can be connected to via the IBPy plugin. If high-performance is required, brokerages will support the FIX protocol . Conclusion As is now evident, the choice of programming language(s) for an algorithmic trading system is not straightforward and requires deep thought. The main considerations are performance, ease of development, resiliency and testing, separation of concerns, familiarity, maintenance, source code availability, licensing costs and maturity of libraries. The benefit of a separated architecture is that it allows languages to be plugged in for different aspects of a trading stack, as and when requirements change. A trading system is an evolving tool and it is likely that any language choices will evolve along with it.