System handlu w c #

Systemy transakcyjne Co to jest system handlowy? System obrotu jest po prostu grupą konkretnych reguł lub parametrów, które określają punkty wejścia i wyjścia dla danego kapitału Te punkty, znane jako sygnały, są często oznaczane na wykresie w czasie rzeczywistym i monitują natychmiastowe wykonanie handlu. Oto niektóre z najczęstszych narzędzi analizy technicznej służących do konstruowania parametrów systemów obrotu. Średnia roczna MA. Stopowa siła. Bollinger Bands. Ostrzewa dwie lub więcej tych form wskaźników zostaną połączone utworzenie reguły Na przykład, system krzyżowy MA wykorzystuje dwa średnie ruchome parametry, długoterminowe i krótkoterminowe, aby utworzyć regułę kupna, gdy krótkoterminowa wartość przekracza długookresową wartość, a sprzedaję, gdy jest odwrotna true W innych przypadkach reguła używa tylko jednego wskaźnika Na przykład system może zawierać regułę, która zabrania kupowania, jeśli względna siła nie przekracza pewnego poziomu. Jest to kombinacja wszystkich tych zasad, które tworzą system handlu. MSFT Przenoszenie średniego systemu krzyżowego przy użyciu średnich kroczących 5 i 20. Ponieważ sukces całego systemu zależy od skuteczności reguł, handlowcy systemowi poświęcają czas na optymalizację, aby zarządzać ryzykiem zwiększyć ilość zdobytą na czas handlu i osiągnąć długoterminową stabilność Odbywa się to modyfikując różne parametry w każdej z reguł Na przykład, aby zoptymalizować system krzyżowy MA, przedsiębiorca przetestowałby, które ruchome średnie 10-dniowe, 30-dniowe itp. Działają najlepiej, a następnie je wdrażać Ale optymalizacja może poprawić wyniki tylko niewielki margines - to kombinacja używanych parametrów, które ostatecznie determinują sukces systemu. Adnotacje Więc po co mógłbyś przyjąć system handlu. Wymaga to od emocji emocji - emocja jest często cytowana jako jedna największych wad indywidualnych inwestorów Inwestorzy, którzy nie potrafią poradzić sobie z stratami, odgadują swoje decyzje i tracą pieniądze. Dokładnie śledząc system opracowany wcześniej, handlowcy systemu mogą odejść od potrzeb do podjęcia wszelkich decyzji, gdy system zostanie opracowany i ustanowiony, handel nie jest empiryczny, ponieważ jest on zautomatyzowany. Obniżając efektywność pracowników, handlowcy systemu mogą zwiększyć zyski. Może zaoszczędzić wiele czasu - gdy efektywny system zostanie opracowany i zoptymalizowany bez wysiłku jest wymagane przez przedsiębiorcę Komputery często są wykorzystywane do automatyzacji nie tylko generowania sygnału, ale również rzeczywistego handlu, więc przedsiębiorca jest wolny od spędzania czasu na analizie i handlu. Łatwo jest, jeśli pozwolisz innym na to Ty - Potrzebujesz całej pracy dla Ciebie Niektóre firmy sprzedają systemy handlowe, które opracowały Inne firmy otrzymują sygnały generowane przez ich wewnętrzne systemy obrotu za miesięczną opłatą Uważaj, chociaż wiele z tych firm jest fałszywe Zbierz się przyjrzyj się, kiedy wyniki pochwalić się zostały podjęte Po tym wszystkim, łatwo wygrać w przeszłości Znajdź firmy, które oferują próbę, która pozwala przetestować system w czasie rzeczywistym. We've spojrzał na główne zalety pracy z systemem handlowym, ale podejście ma również swoje wady. Trading systemów są złożone - jest to ich największa wada W fazie rozwoju, systemy handlowe wymagają solidnego zrozumienia analizy technicznej, zdolność do podejmować empiryczne decyzje i gruntowną wiedzę na temat funkcjonowania parametrów. Nawet jeśli nie opracujesz własnego systemu handlowego, ważne jest, aby zaznajomić się z parametrami, które tworzą ten, z którego korzystasz. Uzyskanie wszystkich tych umiejętności może stanowić wyzwanie. Musisz mieć realistyczne założenia i skutecznie korzystać z systemu - Podmioty gospodarcze systemowe muszą realistycznie założyć, że koszty transakcji będą się różnić kosztami prowizji - różnica między ceną wykonania a ceną wypełnienia jest częścią kosztów transakcji umysł jest często niemożliwy do prawidłowego testowania systemów, powodując stopień niepewności przy wprowadzaniu systemu do życia Problemy występujące kiedy symulowane rezultaty różnią się znacznie od rzeczywistych wyników są znane jako poślizg Skutecznie czynienie z poślizgiem może stanowić główny blokadę do wdrożenia udanego systemu. Rozwój może być czasochłonnym zadaniem - dużo czasu może przejść do opracowania systemu handlowego, aby go uruchomić i prawidłowego funkcjonowania Opracowanie koncepcji systemu i wdrożenie jej w praktyce wymaga dużo testów, co trwa pewien czas Historyczne testowanie danych trwa kilka minut, jednak sam testowanie wstecz nie jest wystarczające Systemy muszą być papierowe w czasie rzeczywistym w celu zapewnienia niezawodności Wreszcie , poślizg może spowodować, że przedsiębiorcy dokonują kilku zmian w swoich systemach nawet po wdrożeniu. Rej pracy Jest wiele oszustw internetowych związanych z handlem systemami, ale jest też wiele legalnych, udanych systemów Być może najbardziej znanym przykładem jest opracowany i wdrożony Richard Dennis i Bill Eckhardt, którzy są oryginalnymi sprzedawcami żółwi W 1983 roku obaj mieli spór o to, czy dobre urodził się lub zrobił Tak zabrali paru ludzi z ulicy i wyszkolili ich w oparciu o teraz znany system handlu żółwiami Zebrali 13 handlowców i skończyli 80 lat rocznie w ciągu najbliższych czterech lat, kiedy Bill Eckhardt powiedział kiedyś, każdy ze średnią inteligencją może nauczyć się handlu To nie jest nauka rakietowa Jednak o wiele łatwiej jest się nauczyć, co robić w handlu, niż robić to Systemy handlowe stają się coraz bardziej popularne wśród profesjonalnych przedsiębiorców, menedżerów funduszy i indywidualnych inwestorów - może to jest dowodzą, jak dobrze działają. Uderzenia z oszustwami Patrząc na zakup systemu handlowego, trudno jest znaleźć godną zaufania firmę Ale większość oszustw może być dostrzeżona przez zdrowe rozsądek Na przykład gwarancja 2500 rocznie jest zdecydowanie skandaliczna, jak obiecuje że w ciągu roku tylko 5000 osób mogło zarobić 125 000, a następnie przez pięć lat, 48,828 1255 Jeśli to prawda, czy twórca nie zmieniłby swojej tożsamości Jednak inne oferty są trudniejsze do rozszyfrowania, ale wspólnym sposobem uniknięcia oszustw jest szukanie systemów, które oferują bezpłatną próbę W ten sposób można przetestować system samodzielnie Nigdy nie ślepo ufaj, że firma szczyci się tym, że jest również dobry pomysł, aby skontaktować się z innymi, którzy skorzystali z systemu, aby sprawdzić, czy mogą potwierdzić jego niezawodność i rentowność. Zakończenie Opracowanie skutecznego systemu handlowego nie jest wcale łatwe. Wymaga solidnego zrozumienia wielu dostępnych parametrów, zdolności do tworzenia realistyczne założenia i czas i poświęcenie na rozwój systemu Jeśli jednak zostanie opracowany i wdrożony właściwie, system handlowy może przynieść wiele korzyści Może zwiększyć wydajność, wydłużyć czas, a co najważniejsze zwiększyć zyski. Systemy handlowe - projektowanie systemu - część 1. Poprzednia sekcja tego samouczka przyjrzała się elementom składającym się na system handlu i omówiła zalety i wady korzystania z takiego systemu w żywym tr ading environment W tej części opieramy się na tej wiedzy poprzez zbadanie, które rynki są szczególnie odpowiednie do handlu systemem Następnie przyjrzymy się pogłębionej analizie różnych systemów handlu. rynek jest prawdopodobnie najbardziej popularnym rynkiem handlu, zwłaszcza wśród nowicjuszy Na tej arenie dominują wielcy gracze, na przykład Warren Buffett i Merrill Lynch, a tradycyjne strategie inwestycyjne dotyczące wartości i wzrostu są zdecydowanie najczęściej jednak niemniej wiele instytucji zainwestowało znacząco projektowanie, rozwój i wdrażanie systemów handlu Indywidualni inwestorzy łączą się z tą tendencją, choć powoli. Oto kilka kluczowych czynników, o których warto pamiętać przy korzystaniu z systemów obrotu na rynkach kapitałowych. Duża ilość dostępnych akcji umożliwia przedsiębiorcom testowanie systemów na wiele różnych rodzaje akcji - wszystko z bardzo lotnych pozagiełdowych zapasów OTC do nieulotnych niebieskich chipów. Skuteczność systemy handlowe mogą być ograniczone przez niską płynność niektórych akcji, w szczególności kwestie związane z OTC i różowym arkuszem mogą spożytkować zyski generowane przez udane transakcje i mogą zwiększyć straty OTC i różowe papiery skarbowe często powodują dodatkowe prowizje. Głównymi systemami obrotu są te które szukają wartości - czyli systemów, które wykorzystują różne parametry w celu ustalenia, czy bezpieczeństwo jest niedowartościowane w porównaniu do wyników z przeszłości, rówieśników lub rynku w ogóle. Rynki walutowe Forex Rynek walutowy lub forex jest największy i najbardziej płynny rynek na świecie Światowe rządy, banki i inne duże instytucje sprzedają miliardy dolarów na rynku forex każdego dnia Większość instytucjonalnych przedsiębiorców na rynku forex polega na systemach handlowych To samo dotyczy jednostek na rynku forex, ale niektóre transakcje handlowe na raportach ekonomicznych lub wypłatach odsetek. Oto kilka kluczowych czynników, o których warto pamiętać, gdy stosuje się systemy transakcyjne na rynku walutowym. Płynność i n ten rynek - ze względu na ogromny wolumen - sprawia, że ​​systemy handlowe są dokładniejsze i skuteczne. Na tym rynku nie ma prowizji, tylko rozciąganie Dlatego znacznie łatwiej jest przeprowadzać wiele transakcji bez zwiększania kosztów na kwotę dostępnych akcji lub towarów, liczba walut do handlu jest ograniczona Z powodu dostępności egzotycznych par walutowych - czyli walut z mniejszych krajów - zakres zmienności niekoniecznie jest ograniczony. Głównymi systemami handlowymi stosowanymi w forex są takie, które są zgodne z trendami popularnym słowem na rynku jest tendencja do Twojego przyjaciela lub systemów, które kupują lub sprzedają na wypryskach Ze względu na to, że wskaźniki ekonomiczne często powodują duże ruchy cen na jednym etapie. Futures Kapitały na akcje, forex i surowce oferują transakcje terminowe Jest to popularny pojazd do handlu systemem z powodu większej dostępności dźwigni oraz zwiększonej płynności i zmienności Jednak czynniki te mogą obniżyć się zarówno w n zwiększają zyski lub zwiększają straty Z tego powodu wykorzystanie kontraktów terminowych jest zazwyczaj zarezerwowane dla zaawansowanych indywidualnych i instytucjonalnych podmiotów gospodarczych Ponieważ systemy handlowe zdolne do kapitalizacji na rynku terminowym wymagają znacznie większego dostosowania, używania bardziej zaawansowanych wskaźników i podejmowania o wiele dłużej rozwijać Tak, co jest najlepsze To do indywidualnego inwestora, aby zdecydować, który rynek najlepiej nadaje się do handlu systemem - każdy ma własne zalety i wady Większość ludzi jest bardziej zaznajomiona z rynkami akcji, a ta znajomość sprawia, że ​​rozwój łatwiejszy system handlu forex jest powszechnie uważany za doskonałą platformę do uruchamiania systemów handlowych - zwłaszcza wśród bardziej doświadczonych przedsiębiorców. Ponadto, jeśli przedsiębiorca zdecyduje się skorzystać z większej dźwigni i zmienności, alternatywa kontraktu terminowego jest zawsze otwarta. Ostatecznie wybór leży w rąk dewelopera systemów. Typy systemów transakcyjnych. Systemy najczęściej spotykane handlu systemowego jest systemem śledzenia trendów W najbardziej podstawowej formie system ten po prostu czeka na znaczny ruch cenowy, a potem kupuje lub sprzedaje w tym kierunku Ten typ banków systemowych z nadzieją, że te zmiany cen utrzymają tendencję. Średnie systemy Często stosowane w analizie technicznej średnia ruchoma jest wskaźnikiem, który po prostu pokazuje średnią cenę akcji w danym okresie Istotą tendencji jest ten pomiar Najpopularniejszy sposób określania wejścia i wyjścia jest krzyżem Logika za tym jest prosta nowa tendencja jest ustalona, ​​gdy cena spadnie powyżej lub poniżej jej historycznej średniej tendencji cenowej Oto wykres, który rzutuje zarówno na niebieską linię, jak i na 20-dniową czerwoną linię produkcyjną IBM. Systemy typu "wyrzutnie" Podstawową koncepcją tego typu systemu jest podobny do systemu średniej ruchomości Pomysł polega na tym, że gdy ustalono nowy wysoki lub niski poziom, ruch cen najprawdopodobniej będzie kontynuowany w kierunku mostka eakout Jeden wskaźnik, który może być użyty do określenia breakoutów jest prostym zespołem Bollinger Band Overling Bollinger Bands przedstawia średnie wysokie i niskie ceny, a wypadki pojawiają się, gdy cena spotyka się z krawędziami pasków Poniżej jest wykres, w którym wykresuje cenę niebieskiej linii i paski Bollingera linie Microsoftu. Wady Trend-Po Systems. Edpretatywne podejmowanie decyzji - Podczas określania trendów zawsze jest empiryczny element do rozważenia czasu trwania historycznej tendencji Przykładowo, średnia ruchoma może wynosić przez ostatnie 20 dni lub dla w ciągu ostatnich pięciu lat, więc deweloper musi określić, który system jest najlepszy dla systemu Inne czynniki, które należy określić to średnie poziomy i niski poziom w systemach breakout. Lagging Nature - średnie kroczące i systemy breakout zawsze będą opóźnione Innymi słowy, mogą one nigdy nie dotknij dokładnie górnej lub dolnej części trendu To nieuchronnie prowadzi do utraty potencjalnych zysków, które mogą czasem być znaczące. Efektowny efekt - wśród rynków siły, które są szkodliwe dla sukcesu systemów trendujących trendy, jest to jeden z najczęściej spotykanych zjawisk. Efekt nawiewu pojawia się, gdy średnia ruchoma generuje fałszywy sygnał - to jest, gdy średnia spadnie tylko do zakresu, a następnie nagle odwraca kierunek prowadzą do ogromnych strat, o ile nie zostaną zastosowane skuteczne stop-lossy i techniki zarządzania ryzykiem. Rynki na bokach - systemy z tendencją są ze swej natury zdolne zarabiać tylko na rynkach, które faktycznie prowadzą trend. Rynki również przemieszczają się na boki w pewnym zakresie przez dłuższy okres czasu. Może wystąpić największa niestabilność - w niektórych przypadkach systemy tendencji mogą występować w ekstremalnych zmiennych, ale przedsiębiorca musi trzymać się swojego systemu. Niezdolność do tego spowoduje awarię. celem systemu przeciwdziałania jest kupno na najniższym niskim poziomie i sprzedaż na najwyższym poziomie Główną różnicą między tym a systemem tendencji jest to, że współpraca system untertrend nie jest samopracowalny Innymi słowy, nie ma ustalonego czasu, aby wyjść ze stanowisk, a to prowadzi do nieograniczonego potencjału spadkowego Typy systemów kontrtrendowych Wiele różnych systemów uważa się za systemy kontrtrendowe Chodzi o to, aby kupić kiedy moment jeden kierunek zaczyna zacierać się Najczęściej oblicza się za pomocą oscylatorów Na przykład, sygnał może być wygenerowany, gdy stochastyka lub inne wskaźniki wytrzymałości względnej spada poniżej pewnych punktów Istnieją inne typy systemów handlu kontraten - tami, ale wszystkie mają ten sam zasadniczy cel - do kupuj niskie i sprzedaj wysokie. Wady przeciwdziałania Następujące procesy systemowe. Wymagane jest podjęcie decyzji mpirycznej - na przykład jednym z czynników, które musi zadecydować deweloper systemu, są punkty, w których spadają względne wskaźniki wytrzymałości. Może wystąpić największa niestabilność - te systemy mogą również doświadczać pewnych skrajnych wahań i niezdolności do trzymania się systemu pomimo tej niestabilności zapewnione porażki. Niewielkie pogorszenie - jak wspomniano wcześniej, istnieje nieograniczony potencjał spadku, ponieważ system samoczynnie koryguje nie ma ustalonego czasu, aby wyjść z sytuacji. Podsumowanie Główne rynki, dla których systemy handlowe są odpowiednie, są rynkami akcji, forex i futures Każdy z tych rynków ma swoje zalety i wady Dwa główne typy systemów handlowych są tendencją i systemami przeciwdziałającymi Pomimo różnic, oba typy systemów, w fazie rozwojowej, wymagają empirycznego podejmowania decyzji przez dewelopera , systemy te podlegają ekstremalnej zmienności, a to może wymagać pewnej wytrzymałości - ważne jest, aby przedsiębiorca systemowy trzymał się swojego systemu w tych godzinach W kolejnej odsłonie przyjrzymy się dokładniej jak zaprojektować system handlowy i omówić niektóre z oprogramowania, że ​​handlowcy system używać, aby ich życie łatwiejsze. Najlepszy język programowania dla systemów handlu algorytmicznego. najczęstsze pytania, jakie otrzymuję w torebce przesyłkowej QS Jaki jest najlepszy język programowania dla handlu algorytmicznego Krótka odpowiedź brzmi: że nie ma najlepszego języka Parametry strategiczne, wydajność, modułowość, rozwój, odporność i koszty muszą być brane pod uwagę niezbędne składniki architektury systemu handlu algorytmicznego i jak decyzje dotyczące wdrożenia wpływają na wybór języka. Przede wszystkim zostaną rozważone główne składniki algorytmicznego systemu handlu, takie jak narzędzia badawcze, optymalizator portfela, menedżer ryzyka i silnik wykonawczy. będą analizowane różne strategie handlowe i jak wpływają one na projekt systemu W szczególności zostanie omówiona częstotliwość obrotów i prawdopodobna wielkość obrotu. Po wybraniu strategii handlowej konieczne jest zaprojektowanie całego systemu. Obejmuje wybór sprzętu, systemu operacyjnego i odporności systemu przed rzadkim, potencjalnym ly katastrofalnych zdarzeń Podczas gdy architektura jest rozważana, należy zwrócić uwagę na wydajność - zarówno do narzędzi badawczych, jak i środowiskiem wykonawczym na żywo. Co to jest system handlowy próbujący zrobić. Przed podjęciem decyzji co do najlepszego języka, z którym można pisać zautomatyzowany system obrotu jest konieczny do zdefiniowania wymagań Czy system ma być czysto realizowany Czy system wymaga modułu zarządzania ryzykiem lub budowy portfela Czy system wymaga wysokowydajnego backtesteru W przypadku większości strategii system handlu można podzielić na dwie kategorie Badania i generowanie sygnałów. Badanie dotyczy oceny skuteczności strategii w odniesieniu do danych historycznych Proces oceny strategii handlowej nad wcześniejszymi danymi rynkowymi jest znany jako badanie wstępne Wielkość danych i złożoność algorytmiczna będą miały duży wpływ na intensywność obliczeniową szybkość procesora głównego i współbieżność są często czynnikami ograniczającymi optymalizację h. Szybkość realizacji. Generacja logiki dotyczy generowania zestawów sygnałów handlowych z algorytmu i wysyłania takich zamówień do rynku, zazwyczaj za pośrednictwem pośrednictwa. W niektórych strategiach wymagany jest wysoki poziom wydajności. IO, takie jak przepustowość sieci i czas oczekiwania są często czynnik ograniczający optymalizację systemów wykonawczych W związku z tym wybór języków dla każdego komponentu całego systemu może być zupełnie inny. Typy, częstotliwość i wielkość strategii. Rodzaj stosowanej strategii algorytmicznej będzie miał istotny wpływ na projekt systemu będzie konieczne rozważenie rynków będących przedmiotem obrotu, łączność z zewnętrznymi dostawcami danych, częstotliwość i wielkość strategii, kompromis między łatwością tworzenia i optymalizacją wydajności, a także dowolnym sprzętem niestandardowym, w tym współlokatorami niestandardowymi , GPU lub FPGA, które mogą być konieczne. Wybór technologii dla strategii o niskich częstotliwościach w USA będzie znacznie różnił się od tych strategia arbitrażu statystycznego o wysokiej częstotliwości na rynku kontraktów terminowych Przed wyborem języka wielu dostawców danych musi być oceniane, które odnoszą się do omawianej strategii. Należy rozważyć możliwość połączenia z dostawcą, strukturą dowolnych interfejsów API, terminowość danych, wymagania dotyczące przechowywania danych i odporność w stosunku do sprzedającego się w trybie offline Mądry jest również posiadanie szybkiego dostępu do wielu dostawców Różne instrumenty mają własne wady przechowywania, których przykłady zawierają wiele symboli symboli na akcje i daty wygaśnięcia futures, nie mówiąc już o konkretnych danych OTC To musi być uwzględnione w projekcie platformy. Częstotliwość strategii prawdopodobnie będzie jednym z największych czynników decydujących o stosowaniu technologii. Strategie wykorzystujące dane częściej niż drobne i drugorzędne paski wymagają znaczna uwagę w odniesieniu do osiągnięć. Strategia przekraczająca drugorzędne paski, tzn. dane o kłębkach, prowadzą do osiągnięcia perfekcyjnego wzornictwa jako główny wymóg W przypadku strategii wysokiej częstotliwości znaczna ilość danych rynkowych będzie musiała być przechowywana i oceniana Oprogramowanie takie jak HDF5 lub kdb jest powszechnie używane w tych rolach. Aby przetwarzać obszerne ilości danych potrzebnych do aplikacji HFT, zoptymalizowany backtester i system wykonawczy muszą być używane CC być może z pewnym asemblerem prawdopodobnie najsilniejszym kandydatem na język Ultra-wysokiej częstotliwości strategii prawie na pewno wymaga niestandardowych urządzeń, takich jak FPGA, wymiany co-location i tunelowania sieci kernal. Research Systemss. Research Systems zazwyczaj obejmują mieszankę interaktywnego rozwoju i zautomatyzowanego tworzenia skryptów Pierwsze miejsce często odbywa się w środowisku IDE, takim jak Visual Studio, MatLab czy R Studio. Wiąże się to z dużymi obliczeniami liczbowymi w odniesieniu do wielu parametrów i punktów danych. To prowadzi do wyboru języka, który zapewnia proste środowisko dla kod testowy, ale również zapewnia wystarczającą wydajność do ewaluacji te strategie w wielu wymiarach wymiarów. Niektóre IDE w tej przestrzeni to Microsoft Visual CC, zawierający rozbudowane narzędzia do debugowania, funkcje uzupełniania kodu przez Intellisense oraz proste przeglądy całego stosu projektów za pośrednictwem bazy danych ORM, LINQ MatLab, która jest przeznaczona do rozbudowanego numerycznego liniowego algebra i vectorizacja, ale w konsoli interaktywnej Studio R Studio, które otacza konsolę statystyczną R w w pełni rozwiniętym IDE IDE dla Eclipse IDE w środowisku Java oraz C i półprywatnymi IDEami, takimi jak Enthought Canopy for Python, które zawierają bibliotekę analizy danych takie jak Numpery SciPy scikit-learn i pandy w jednej interaktywnej konsoli. Na liczbowe testy wsteczne wszystkie powyższe języki są odpowiednie, chociaż nie jest konieczne użycie IDE dla grafiki, ponieważ kod będzie wykonywany w tle Główną kwestią na tym etapie jest szybkość wykonania Język skompilowany, taki jak C jest często użyteczny, jeśli ba cktesting Parametry wymiarów są duże Pamiętaj, że w takich sytuacjach należy uważać na takie systemy. Interpretowane języki takie jak Python często korzystają z bibliotek wysokiej wydajności, takich jak pandy NumPy dla etapu testowania wstecznego, w celu utrzymania rozsądnego stopień konkurencyjności ze skompilowanymi odpowiednikami Ostatecznie język wybrany do testu wstecznego będzie określony przez konkretne potrzeby algorytmiczne, a także zakres bibliotek dostępnych w języku bardziej niż ten poniżej. Jednak język używany do zaplecza badawczego i środowisk badawczych może być całkowicie niezależny tych, które są wykorzystywane w budowie portfela, elementach zarządzania ryzykiem i realizacji, jak będzie to widoczne. Portfolio struktury i zarządzanie ryzykiem. Elementy zarządzania portfelem i zarządzania ryzykiem są często pomijane przez detalicznych handlarzy algorytmicznych Jest to prawie zawsze błąd Te narzędzia zapewniają mechanizm przez co kapitał będzie zachowany Nie tylko starają się złagodzić jak również liczbę ryzykownych zakładów, ale również zminimalizować problemy z transakcjami, redukując koszty transakcji. Skomplikowane wersje tych elementów mogą mieć znaczący wpływ na jakość i spójność opłacalności. Łatwo jest stworzyć stabilną strategię, ponieważ budowa portfela mechanizm i menedżer ryzyka mogą być łatwo zmodyfikowane, aby obsługiwać wiele systemów Dlatego też powinny one zostać uznane za istotne elementy na początku projektu algorytmicznego systemu handlu. Zadaniem systemu budowy portfela jest podjęcie określonych wymagań i przygotowanie zestawu rzeczywistych transakcji, które minimalizują problemy, utrzymują ekspozycje na różne czynniki, takie jak sektory, klasy aktywów, zmienność itd. i optymalizują alokację kapitału do różnych strategii w portfolio. Portfolio struktury często redukuje do problemu algebry liniowej, np. matrycy, wydajność jest w dużej mierze zależna od skuteczności numerycznej liniowej algebry imp Dostępne biblioteki Biblioteki wspólne obejmują uBLAS LAPACK i NAG dla C MatLab posiada również bardzo zoptymalizowane operacje matematyczne Python wykorzystuje Numpery SciPy do takich obliczeń Często wyważone portfele wymagają skompilowanej i zoptymalizowanej biblioteki macierzy, aby wyeliminować ten krok, aby nie wąskie gardła system handlu. Zarządzanie ryzykiem to kolejna niezwykle ważna część systemu handlu algorytmicznego Ryzyko może przybierać wiele form Zwiększona zmienność, chociaż można to uznać za pożądane w przypadku niektórych strategii, zwiększone korelacje między klasami aktywów, domniemanie kontrahenta, awarie serwerów, czarny łabędź zdarzenia i niewykryte błędy w kodzie handlowym, aby wymienić tylko kilka elementów. Składniki zarządzania ryzykiem próbują przewidzieć skutki nadmiernej zmienności i korelacji pomiędzy klasami aktywów a ich późniejszymi skutkami dla kapitału handlowego Często zmniejsza to zestaw statystycznych obliczeń, takich jak Monte Testy stresu Carlo Jest to bardzo podobne do obliczeń potrzeby silników wyceny instrumentów pochodnych i jako takie będą powiązane z procesorem CPU Te symulacje są wysoce równoległe, jak poniżej, a do pewnego stopnia możliwe jest wyrzucenie sprzętu na problem. Systemy wykonawcze. Zadaniem systemu wykonawczego jest otrzymywanie filtrowane sygnały handlowe z elementów budowy portfela i zarządzania ryzykiem oraz przesyłają je do maklerskich lub innych sposobów dostępu do rynku W przypadku większości detalicznych algorytmicznych strategii handlowych, wiąże się to z połączeniem API lub FIX z brokerem, takim jak Interactive Brokers Podstawowe kwestie, decydując się na język obejmuje jakość interfejsu API, dostępność języka dla opakowania dla interfejsu API, częstotliwość wykonania i oczekiwany poślizg. Jakość interfejsu API odnosi się do tego, jak dobrze udokumentowana jest, jaki jest jej poziom wydajności, niezależnie od tego, czy wymaga to samodzielnego oprogramowania dostęp do niego oraz czy brama może zostać utworzona w sposób bezkresowy, tzn. nie ma GUI W przypadku Interaktywnych Brokerów, przedsiębiorca W narzędzie orkStation musi być uruchomione w środowisku GUI w celu uzyskania dostępu do ich interfejsu API Kiedyś musiałem zainstalować wersję na pulpicie Ubuntu na serwerze w chmurze Amazon, aby zdalnie uzyskać dostęp do interaktywnych brokerów, głównie z tego powodu. Większość interfejsów API dostarcza C i Java interfejs Z reguły do ​​społeczności tworzone są okładki dla języka C, Python, R, Excel i MatLab Należy zwrócić uwagę, że przy każdej dodatkowej wtyczce wykorzystywanej specjalnie do owijania API można zaobserwować błędy w pracy w systemie. Zawsze testuj wtyczki tego typu i upewnij się, że są one aktywnie utrzymywane Wartością wskaźnika jest sprawdzenie, ile nowych aktualizacji zostało utworzonych w ciągu ostatnich kilku miesięcy. Częstotliwość wykonywania jest niezwykle ważna w algorytmie wykonywania Zauważ, że setki zamówień mogą być wysyłane co minutę i jako takie wydajność jest krytyczna Poślizg zostanie poniesiony przez źle działający system wykonawczy, a to będzie miało dramatyczny wpływ na rentowność. h jako C Java są ogólnie optymalne do wykonania, ale jest kompromis w czasie projektowania, testowania i łatwości obsługi technicznej Dynamicznie wpisywane języki, takie jak Python i Perl są na ogół wystarczająco szybkie Zawsze upewnij się, że komponenty są zaprojektowane w modułowej jak pokazano poniżej, aby można je było zamienić na system. Proces planowania i rozwoju architektonicznego Elementy systemu handlu, jego częstotliwości i objętości zostały omówione powyżej, ale infrastruktura systemu nie została jeszcze uwzględniona przedsiębiorcy detaliczni lub pracujący w małym funduszu prawdopodobnie będą nosić wiele kapeluszy Musi być objęta modelem alfa, parametrami zarządzania ryzykiem i parametrami wykonawczymi, a także ostateczną implementacją systemu Przed przystąpieniem do konkretnych języków projekt optymalnego architektura systemu zostanie omówiona. Rozdzielenie obaw. Jednym z najważniejszych decyzji, które należy na wstępie podjąć, jest oddzielenie obaw system handlowy W rozwoju oprogramowania oznacza to, jak rozbić różne aspekty systemu handlowego na oddzielne elementy modułowe. Wystawiając interfejsy w każdym z elementów, łatwo wymienić części systemu na inne wersje, które pomagają osiągać wydajność , niezawodność lub konserwacja, bez konieczności modyfikowania żadnego zewnętrznego kodu zależności Jest to najlepsza praktyka dla takich systemów Dla strategii na niższych częstotliwościach zalecane jest takie praktyki W przypadku handlu o bardzo wysokiej częstotliwości reguła może zostać zignorowana kosztem lepszego dostosowania systemu wydajność Może być pożądany bardziej ściśle sprzężony system. Złożenie mapy składowej algorytmicznego systemu obrotu jest warte samego artykułu. Jednak optymalnym podejściem jest upewnienie się, że istnieją osobne składniki danych wejściowych danych rynkowych w czasie rzeczywistym i rzeczywistym, dane przechowywanie danych, API dostępu do danych, backtester, parametry strategii, budowa portfela, zarządzanie ryzykiem i zautomatyzowane wykonanie np. jeśli magazyn danych jest obecnie słabiej rozwinięty, nawet przy znacznym poziomie optymalizacji, może zostać zamieniony na minimalną liczbę powtórnych zapisów w celu zaabsorbowania danych lub API dostępu do danych Jak dotąd jest to backtester i kolejne składniki, nie ma różnicy. Inna korzyść z oddzielonych elementów to, że pozwala na użycie różnych języków programowania w całym systemie. Nie ma potrzeby ograniczania się do jednego języka, jeśli metoda komunikacji składników jest niezależna od języka w przypadku, gdy komunikują się za pośrednictwem protokołu TCP IP, ZeroMQ lub innego protokołu niezależnego od języka. Jako konkretny przykład, należy rozważyć przypadek, w którym system napisów testowych jest napisany w języku C, jeśli chodzi o wydajność zwielokrotniania liczb, podczas gdy menedżer portów i systemy wykonawcze są zapisywane Python przy użyciu SciPy i IBPy. Performance Considerations. Performance jest istotnym czynnikiem dla większości strategii handlowych gies jest najważniejszym czynnikiem Wydajność obejmuje szeroki zakres zagadnień, takich jak algorytmiczna szybkość wykonywania, opóźnienie sieci, szerokość pasma, dane IO, równoległość równoległości i skalowanie Każdy z tych obszarów jest indywidualnie uwzględniany w dużych podręcznikach, więc ten artykuł będzie tylko zerowy powierzchnia każdego tematu Architektura i wybór języka będą teraz omawiane pod kątem ich wpływu na wydajność. Dominująca mądrość, jak stwierdził Donald Knuth, jeden z ojców informatyki, jest to, że przedwczesna optymalizacja jest źródłem wszelkiego zła To prawie zawsze tak jest - z wyjątkiem budowy algorytmu handlu wysoką częstotliwością Dla tych, którzy interesują się strategiami o niższej częstotliwości, wspólne podejście polega na zbudowaniu systemu w najprostszy możliwy sposób i tylko zoptymalizowaniu w miarę pojawiania się wąskich gardeł. gdzie pojawiają się wąskie gardła Profile można tworzyć dla wszystkich wymienionych powyżej czynników, zarówno w środowisku MS Windows, jak i Linux Jest wiele dostępne w systemie operacyjnym i narzędziach językowych oraz narzędziach innych firm Wybór języka zostanie teraz omówiony w kontekście wydajności. C, Java, Python, R i MatLab zawierają biblioteki wysokiej wydajności jako część ich standardowych lub zewnętrznie dla podstawowej struktury danych i pracy algorytmicznej C przenosi się ze standardową biblioteką szablonów, podczas gdy Python zawiera NumPy SciPy Wspólne zadania matematyczne można znaleźć w tych bibliotekach i rzadko korzystne jest napisanie nowej implementacji. Jedynym wyjątkiem jest, jeśli bardzo dostosowana architektura sprzętowa jest wymagany i algorytm intensywnie korzysta z własnych rozszerzeń, takich jak niestandardowe pamięci podręczne Jednak często reinvention czasu odpadów kół, które mogłyby być lepiej wydawane na rozwój i optymalizację innych części infrastruktury handlowej Czas rozwoju jest niezwykle cenny szczególnie w kontekście podeszwy deweloperzy. Jest często kwestia systemu egzekwowania, ponieważ narzędzia badawcze są zazwyczaj umieszczane d na tej samej maszynie W przypadku wcześniejszego opóźnienia mogą wystąpić w wielu punktach wzdłuż ścieżki wykonywania Bazy danych muszą być sprawdzone w celu opóźnienia w sieci lokalnej, należy generować sygnały z systemów operacyjnych, opóźnienia przesyłania komunikatów kernal, sygnały handlowe wysyłane przez użytkownika z opóźnieniem NIC oraz zlecić przetworzone systemy wymiany wewnętrzne opóźnienia W przypadku operacji o wyższej częstotliwości konieczne jest dokładne zapoznanie się z optymalizacją kernal oraz optymalizacją transmisji sieciowej. Jest to obszar głęboki i znacznie poza zasięgiem artykułu, ale jeśli wymagany jest algorytm UHFT, należy pamiętać o głębokości wymagana znajomość. Komunikacja jest bardzo przydatna w zestawie narzędziowym dla ilościowego dewelopera Caching odnosi się do koncepcji przechowywania często używanych danych w sposób, który umożliwia dostęp do wyższej wydajności, kosztem potencjalnego niedostateczności danych. tworzenie stron WWW podczas pobierania danych z relacyjnej bazy danych i zapisywania jej w pamięci Każda kolejna żądania danych nie muszą trafiać w bazę danych, a zatem zyski z wydajności mogą być znaczące. W przypadku sytuacji w handlu może być bardzo korzystne buforowanie. Na przykład obecny stan portfela strategii można przechowywać w pamięci podręcznej, dopóki nie zostanie zrównoważony, lista nie musi być regenerowana w każdej pętli algorytmu handlowego Taka regeneracja może być wysoką operacją procesora lub dysku IO. Jednak buforowanie nie jest bez własnych problemów Regeneracja danych pamięci podręcznej na raz, ze względu na volatilie charakter przechowywania pamięci podręcznej, może powodować znaczne zapotrzebowanie na infrastrukturę Inną kwestią jest doganiecie, gdzie wiele pokoleń nowej kopii cache jest przeprowadzanych pod bardzo wysokim obciążeniem, co prowadzi do awarii kaskady. Dynamiczne przydzielanie pamięci jest kosztownym procesem w realizacji oprogramowania konieczne jest, aby aplikacje handlowe o wyższej sprawności były dobrze poinformowane, jak przydziela się pamięć i dezalizację podczas przepływu programu. Nowsze standardy językowe Jak Java, C i Python wykonują automatyczną kolekcję śmieci, która odnosi się do dealokacji dynamicznie przydzielonej pamięci, gdy obiekty wykraczają poza zasięg. Kolekcja Garbage jest niezwykle użyteczna podczas projektowania, redukuje błędy i ułatwia czytelność. Często jest to jednak nieoptymalne dla niektórych strategie handlowe wysokiej częstotliwości Niestandardowa kolekcja śmieci jest często wymagana dla tych przypadków W Javie, na przykład poprzez strojenie zbieracza śmieci i konfiguracji sterty, możliwe jest uzyskanie wysokiej wydajności w strategiach HFT. Nie dostarcza ona naturalnego kolektora śmieci, a więc jest niezbędna do obsługi wszystkich alokacji alokacji pamięci w ramach implementacji obiektu Podczas gdy potencjalnie błąd może powodować zwisające wskaźniki, bardzo przydatne jest precyzyjne sterowanie sposobem, w jaki obiekty pojawiają się na stercie dla niektórych aplikacji Przy wyborze języka upewnij się, zbadać jak działa garbage collector i czy można go zmodyfikować, aby zoptymalizować pod kątem konkretnego przypadku wielokrotnych zastosowań. W algorytmicznych systemach handlowych są dopuszczalne do równoległości Odnosi się to do koncepcji przeprowadzania wielu operacji programowych w tym samym czasie, tzn. równolegle tak zwanych algorytmów embarassingly równolegle obejmuje etapy, które można obliczyć w pełni niezależnie od innych kroków operacje statystyczne, takie jak symulacje Monte Carlo, są dobrym przykładem algorytmów wciągających równolegle, ponieważ każda losowa gra ciągła i kolejna operacja ścieżki mogą być obliczane bez wiedzy innych ścieżek. Inne algorytmy są tylko częściowo równoległe. Symulacje płynów dynamicznych są przykładem, gdzie dziedzina obliczeń może być dzielona, ​​ale ostatecznie te dziedziny muszą komunikować się ze sobą, a zatem operacje są częściowo sekwencyjne algorytmy równoległe podlegają prawu Amdahla, które zapewnia teoretyczną górną granicę do wzrostu wydajności algorytmu równoległego, gdy podlega N oddzielnemu procesy np. na rdzeniu procesora lub wątku. Proces porównywalności staje się coraz ważniejszy jako środek optymalizacyjny, ponieważ procesor zegara - prędkość stagnacji, ponieważ nowsze procesory zawierają wiele rdzeni, z którymi można wykonywać równoległe obliczenia Wzrost sprzętu graficznego konsumenckiego głównie dla gier wideo doprowadził do rozwoju grafiki Jednostki przetwarzania Jednostki GPU zawierające setki rdzeni dla bardzo równomiernych operacji Takie GPU są teraz bardzo przystępne Ramy wysokiego poziomu, takie jak CUDA firmy Nvidia doprowadziły do ​​powszechnego przyjęcia w środowiskach akademickich i finansów. Tego typu sprzęty GPU zasadniczo są odpowiednie tylko do badań of quantitative finance, whereas other more specialised hardware including Field-Programmable Gate Arrays - FPGAs are used for U HFT Nowadays, most modern langauges support a degree of concurrency multithreading Thus it is straightforward to optimise a backtester, since all calculations are generally independent of the others. Scaling in software engineering and operations refers to the ability of the system to handle consistently increasing loads in the form of greater requests, higher processor usage and more memory allocation In algorithmic trading a strategy is able to scale if it can accept larger quantities of capital and still produce consistent returns The trading technology stack scales if it can endure larger trade volumes and increased latency, without bottlenecking. While systems must be designed to scale, it is often hard to predict beforehand where a bottleneck will occur Rigourous logging, testing, profiling and monitoring will aid greatly in allowing a system to scale Languages themselves are often described as unscalable This is usually the result of misinformation, rather than hard fact It is the total technology stack that should be ascertained for scalability, not the language Clearly certain languages have greater performance than others in particular use cases, but one language is never better than another in every sense. One means of manag ing scale is to separate concerns, as stated above In order to further introduce the ability to handle spikes in the system i e sudden volatility which triggers a raft of trades , it is useful to create a message queuing architecture This simply means placing a message queue system between components so that orders are stacked up if a certain component is unable to process many requests. Rather than requests being lost they are simply kept in a stack until the message is handled This is particularly useful for sending trades to an execution engine If the engine is suffering under heavy latency then it will back up trades A queue between the trade signal generator and the execution API will alleviate this issue at the expense of potential trade slippage A well-respected open source message queue broker is RabbitMQ. Hardware and Operating Systems. The hardware running your strategy can have a significant impact on the profitability of your algorithm This is not an issue restricted to high f requency traders either A poor choice in hardware and operating system can lead to a machine crash or reboot at the most inopportune moment Thus it is necessary to consider where your application will reside The choice is generally between a personal desktop machine, a remote server, a cloud provider or an exchange co-located server. Desktop machines are simple to install and administer, especially with newer user friendly operating systems such as Windows 7 8, Mac OSX and Ubuntu Desktop systems do possess some significant drawbacks, however The foremost is that the versions of operating systems designed for desktop machines are likely to require reboots patching and often at the worst of times They also use up more computational resources by the virtue of requiring a graphical user interface GUI. Utilising hardware in a home or local office environment can lead to internet connectivity and power uptime problems The main benefit of a desktop system is that significant computational horse power can be purchased for the fraction of the cost of a remote dedicated server or cloud based system of comparable speed. A dedicated server or cloud-based machine, while often more expensive than a desktop option, allows for more significant redundancy infrastructure, such as automated data backups, the ability to more straightforwardly ensure uptime and remote monitoring They are harder to administer since they require the ability to use remote login capabilities of the operating system. In Windows this is generally via the GUI Remote Desktop Protocol RDP In Unix-based systems the command-line Secure SHell SSH is used Unix-based server infrastructure is almost always command-line based which immediately renders GUI-based programming tools such as MatLab or Excel to be unusable. A co-located server, as the phrase is used in the capital markets, is simply a dedicated server that resides within an exchange in order to reduce latency of the trading algorithm This is absolutely necessary f or certain high frequency trading strategies, which rely on low latency in order to generate alpha. The final aspect to hardware choice and the choice of programming language is platform-independence Is there a need for the code to run across multiple different operating systems Is the code designed to be run on a particular type of processor architecture, such as the Intel x86 x64 or will it be possible to execute on RISC processors such as those manufactured by ARM These issues will be highly dependent upon the frequency and type of strategy being implemented. Resilience and Testing. One of the best ways to lose a lot of money on algorithmic trading is to create a system with no resiliency This refers to the durability of the sytem when subject to rare events, such as brokerage bankruptcies, sudden excess volatility, region-wide downtime for a cloud server provider or the accidental deletion of an entire trading database Years of profits can be eliminated within seconds with a poorly-de signed architecture It is absolutely essential to consider issues such as debuggng, testing, logging, backups, high-availability and monitoring as core components of your system. It is likely that in any reasonably complicated custom quantitative trading application at least 50 of development time will be spent on debugging, testing and maintenance. Nearly all programming languages either ship with an associated debugger or possess well-respected third-party alternatives In essence, a debugger allows execution of a program with insertion of arbitrary break points in the code path, which temporarily halt execution in order to investigate the state of the system The main benefit of debugging is that it is possible to investigate the behaviour of code prior to a known crash point. Debugging is an essential component in the toolbox for analysing programming errors However, they are more widely used in compiled languages such as C or Java, as interpreted languages such as Python are often easi er to debug due to fewer LOC and less verbose statements Despite this tendency Python does ship with the pdb which is a sophisticated debugging tool The Microsoft Visual C IDE possesses extensive GUI debugging utilities, while for the command line Linux C programmer, the gdb debugger exists. Testing in software development refers to the process of applying known parameters and results to specific functions, methods and objects within a codebase, in order to simulate behaviour and evaluate multiple code-paths, helping to ensure that a system behaves as it should A more recent paradigm is known as Test Driven Development TDD , where test code is developed against a specified interface with no implementation Prior to the completion of the actual codebase all tests will fail As code is written to fill in the blanks , the tests will eventually all pass, at which point development should cease. TDD requires extensive upfront specification design as well as a healthy degree of discipline in ord er to carry out successfully In C , Boost provides a unit testing framework In Java, the JUnit library exists to fulfill the same purpose Python also has the unittest module as part of the standard library Many other languages possess unit testing frameworks and often there are multiple options. In a production environment, sophisticated logging is absolutely essential Logging refers to the process of outputting messages, with various degrees of severity, regarding execution behaviour of a system to a flat file or database Logs are a first line of attack when hunting for unexpected program runtime behaviour Unfortunately the shortcomings of a logging system tend only to be discovered after the fact As with backups discussed below, a logging system should be given due consideration BEFORE a system is designed. Both Microsoft Windows and Linux come with extensive system logging capability and programming languages tend to ship with standard logging libraries that cover most use cases It is often wise to centralise logging information in order to analyse it at a later date, since it can often lead to ideas about improving performance or error reduction, which will almost certainly have a positive impact on your trading returns. While logging of a system will provide information about what has transpired in the past, monitoring of an application will provide insight into what is happening right now All aspects of the system should be considered for monitoring System level metrics such as disk usage, available memory, network bandwidth and CPU usage provide basic load information. Trading metrics such as abnormal prices volume, sudden rapid drawdowns and account exposure for different sectors markets should also be continuously monitored Further, a threshold system should be instigated that provides notification when certain metrics are breached, elevating the notification method email, SMS, automated phone call depending upon the severity of the metric. System monitoring is often the domain of the system administrator or operations manager However, as a sole trading developer, these metrics must be established as part of the larger design Many solutions for monitoring exist proprietary, hosted and open source, which allow extensive customisation of metrics for a particular use case. Backups and high availability should be prime concerns of a trading system Consider the following two questions 1 If an entire production database of market data and trading history was deleted without backups how would the research and execution algorithm be affected 2 If the trading system suffers an outage for an extended period with open positions how would account equity and ongoing profitability be affected The answers to both of these questions are often sobering. It is imperative to put in place a system for backing up data and also for testing the restoration of such data Many individuals do not test a restore strategy If recovery from a crash has not been tested in a s afe 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 won t 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 doesn t catch everything, and this is where exception handling comes in due to the necessity of having to handle unexpected operations Dynamic languages i e those that are dynamically-typed can often lead to run-time errors that would otherwise be caught with a compilation-time type-check For this reason, the concept of TDD see above and unit testing arose which, when carried out correctly, often provides more safety than compile-time checking alone. Another benefit of statically-typed languages is that the compiler is able to make many optimisations that are otherwise unavailable to the dynamically - typed language, simply because the type and thus memory requirements are known at compile-time In fact, part of the inefficiency of many dynamically-typed languages stems from the fact that certain objects must be type-inspected at run-time and this carries a performance hit Libraries for dynamic languages, such as NumPy SciPy alleviate this issue due to enforcing a type within arrays. Open Source or Proprietary. One of the biggest choices available to an algorithmic trading developer is whether to use proprietary commercial or open source technologies There are advantages and disadvantages to both approaches It is necessary to consider how well a language is supported, the activity of the community surrounding a language, ease of installation and maintenance, quality of the documentation and any licensing maintenance costs. The Microsoft stack including Visual C , Visual C and MathWorks MatLab are two of the larger pro prietary choices for developing custom algorithmic trading software Both tools have had significant battle testing in the financial space, with the former making up the predominant software stack for investment banking trading infrastructure and the latter being heavily used for quantitative trading research within investment funds. Microsoft and MathWorks both provide extensive high quality documentation for their products Further, the communities surrounding each tool are very large with active web forums for both The software allows cohesive integration with multiple languages such as C , C and VB, as well as easy linkage to other Microsoft products such as the SQL Server database via LINQ MatLab also has many plugins libraries some free, some commercial for nearly any quantitative research domain. There are also drawbacks With either piece of software the costs are not insignificant for a lone trader although Microsoft does provide entry-level version of Visual Studio for free Micros oft tools play well with each other, but integrate less well with external code Visual Studio must also be executed on Microsoft Windows, which is arguably far less performant than an equivalent Linux server which is optimally tuned. MatLab also lacks a few key plugins such as a good wrapper around the Interactive Brokers API, one of the few brokers amenable to high-performance algorithmic trading The main issue with proprietary products is the lack of availability of the source code This means that if ultra performance is truly required, both of these tools will be far less attractive. Open source tools have been industry grade for sometime Much of the alternative asset space makes extensive use of open-source Linux, MySQL PostgreSQL, Python, R, C and Java in high-performance production roles However, they are far from restricted to this domain Python and R, in particular, contain a wealth of extensive numerical libraries for performing nearly any type of data analysis imaginable, often at execution speeds comparable to compiled languages, with certain caveats. The main benefit of using interpreted languages is the speed of development time Python and R require far fewer lines of code LOC to achieve similar functionality, principally due to the extensive libraries Further, they often allow interactive console based development, rapidly reducing the iterative development process. Given that time as a developer is extremely valuable, and execution speed often less so unless in the HFT space , it is worth giving extensive consideration to an open source technology stack Python and R possess significant development communities and are extremely well supported, due to their popularity Documentation is excellent and bugs at least for core libraries remain scarce. Open source tools often suffer from a lack of a dedicated commercial support contract and run optimally on systems with less-forgiving user interfaces A typical Linux server such as Ubuntu will often be fully command - line oriented In addition, Python and R can be slow for certain execution tasks There are mechanisms for integrating with C in order to improve execution speeds, but it requires some experience in multi-language programming. While proprietary software is not immune from dependency versioning issues it is far less common to have to deal with incorrect library versions in such environments Open source operating systems such as Linux can be trickier to administer. I will venture my personal opinion here and state that I build all of my trading tools with open source technologies In particular I use Ubuntu, MySQL, Python, C and R The maturity, community size, ability to dig deep if problems occur and lower total cost ownership TCO far outweigh the simplicity of proprietary GUIs and easier installations Having said that, Microsoft Visual Studio especially for C is a fantastic Integrated Development Environment IDE which I would also highly recommend. Batteries Included. The header of this sect ion 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, operating system interaction, GUIs, regular expressions regex , iteration and basic algorithms. C is famed for its Standard Template Library STL which contains a wealth of high performance data structures and algorithms for free Python is known for being able to communicate with nearly any other type of system protocol especially the web , mostly through its own standard library R has a wealth of statistical and econometric tools built in, while MatLab is extremely optimised for any numerical linear algebra code which can be found in portfolio optimisation and derivatives pricing, for instance. Outside of the standard libraries, C makes use of the Boost library, which fills in the missing parts of the standard library In fact , many parts of Boost made it into the TR1 standard and subsequently are available in the C 11 spec, including native support for lambda expressions and concurrency. Python has the high performance NumPy SciPy Pandas data analysis library combination, which has gained widespread acceptance for algorithmic trading research Further, high-performance plugins exist for access to the main relational databases, such as MySQL MySQL C , JDBC Java MatLab , MySQLdb MySQL Python and psychopg2 PostgreSQL Python Python can even communicate with R via the RPy plugin. An often overlooked aspect of a trading system while in the initial research and design stage is the connectivity to a broker API Most APIs natively support C and Java, but some also support C and Python, either directly or with community-provided wrapper code to the C APIs In particular, Interactive Brokers can be connected to via the IBPy plugin If high-performance is required, brokerages will support the FIX protocol. 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. Just Getting Started with Quantitative Trading.