Bienvenido al Hogar del Sistema de Negociación de Java Abierto El Sistema de Negociación de Java Abierto (OJTS) está destinado a ser una infraestructura común para desarrollar sistemas de negociación de valores. Consta de cuatro partes: la recopilación de datos brutos a través de Internet, el reconocimiento de señales comerciales, un módulo de visualización y módulos para conectarse a las interfaces programáticas de plataformas de trading como bancos. El objetivo de los proyectos es proporcionar una infraestructura común autónoma Java (independiente de la plataforma) para los desarrolladores de sistemas comerciales. Algunos de los aspectos que deben abordarse son proporcionar un esquema de base de datos compatible con SQL92 para almacenar datos financieros, interfaces Java comunes para intercambiar datos entre diferentes módulos, visualización de datos financieros crudos y señales comerciales y varios otros aspectos comunes necesarios para crear Un sistema comercial final. Debido a mi trabajo ya mi familia no encuentro el tiempo de mejorar OJTS por más tiempo. Sigo actualizando la sección de enlaces a continuación que le guiará a más activos proyectos de código abierto de Java en esa área, sin embargo. De hecho, como consecuencia de mi interés en la dinámica de los mercados de valores comencé un viaje en los detalles más profundos de la economía nacional con el fin de comprender los tipos de cambio de divisas. Este tema finalmente me lleva a un estudio más profundo del dinero en sí mismo como la unidad métrica que utilizamos en la economía para medir el valor, el éxito o la utilidad. Este tema resultó ser extremadamente interesante, pero al mismo tiempo fue muy difícil encontrar información sobre cómo funciona nuestro sistema monetario. Vaya y pregúntele a la gente de dónde viene el dinero, quién lo crea y qué determina su valor. Usted notará que incluso las personas que tienen un título de maestría o doctorado. En economía no conocerán estos detalles. Oh, sí, ellos responderán en algunos términos crípticos técnicos, pero no serán capaces de dibujar un diagrama simple que describa el proceso. Se dice que H. G. Wells ha dicho: Escribir de moneda es reconocido generalmente como una práctica objetable, de hecho casi indecente. Los editores implorarán al escritor casi con lágrimas de no escribir sobre el dinero, no porque sea un tema poco interesante, sino porque siempre ha sido profundamente inquietante. Sugiero a cualquier persona que viva en una sociedad democrática que lea sobre este tema. Afecta a nuestras vidas todos los días en una medida que no puede ser exagerado En mi opinión, cada ciudadano de un país democrático en ese mundo debe saber de dónde viene nuestro dinero. Lo más probable es que viniste a este sitio web para buscar herramientas que te ayuden a aumentar tu riqueza monetaria. Para entender el dinero de la unidad métrica (no importa si dólar o euro) será un ingrediente importante en su juego de herramientas para hacer dinero. Si usted tiene poco tiempo y sólo puede permitirse el lujo de leer un solo libro sobre ese tema, entonces le sugiero que lea la riqueza, la riqueza virtual y la deuda por Frederick Soddy. Pude comprar una copia usada a través de Amazon para 23.48, pero existe también una versión en línea. Necesitará el plugin DjVu para leerlo. Este libro fue publicado originalmente en 1929, pero todavía describe los hechos reales muy bien. Incluso si no estoy de acuerdo con todas las conclusiones de Frederick Soddy su trabajo es agradablemente provocado y le llevará a hacer las preguntas correctas. Anunció la suspensión del desarrollo activo y agregó referencias a información sobre nuestros sistemas monetarios (Dólar / Euro). Se agregó una sección de enlaces a otros interesantes proyectos del sistema de comercio java. Estoy investigando sobre cómo hacer que OJTS sea más compatible con otros esfuerzos del sistema de negociación de java. Proyecto de Documentación del Sistema de Inversión y Comercio que se encuentra en ITSdoc. org. Hay un nuevo wiki disponible en ITSdoc. org centrado en la distribución del conocimiento en el ámbito de los sistemas de inversión y comercio. La idea detrás de ITSdoc. org es tener una plataforma de colaboración similar a wikipedia ayudando a la comunidad a compartir conocimientos. OpenJavaTradingSystem v0.13 publicado. Ayer publiqué la versión 0.13 de la biblioteca OpenJavaTradingSystem. Entre las nuevas características se encuentran: Recuperación de datos para acciones, fondos y monedas de OnVista. Implementación del manejo de monedas y conversiones. Las carteras se implementan y se puede trabajar con Carteras de la misma manera que con elementos de papel de seguridad individuales. Se agregó un marco general para aplicar algoritmos a las series de tiempo de la bolsa. Se ha cambiado desde el shell interactivo SISC / Scheme a ABCL / CommonLisp más su editor llamado J. Se agregó un mecanismo general de caché de datos para almacenar en caché los datos que ya se habían recuperado en la web en el sistema de archivos. Además muchas más mejoras menores Si estás interesado en esta nueva versión debes comenzar en la sección quickstart / screenshot. El manual aún no se ha actualizado, pero puede proporcionarle información valiosa si desea utilizar la biblioteca de su proyecto. La documentación debe ser actualizada pronto. Actualmente no hay mucho desarrollo hecho, porque estoy actualizando mi conocimiento sobre las redes bayesianas. Vea por ejemplo la lista de libros en mi sitio web. Dos proyectos muy interesantes a este respecto son WEKA y BNJ. Pronto seguiré desarrollando y comenzaré a integrar la primera inteligencia en el sistema. Hoy puse el primer lanzamiento en la sección de archivos del área de descarga de sourceforge. Además actualizé el manual para documentar el uso interactivo del proyecto a través de la capa SISC Scheme. Para el impaciente aquí es un quickstart / captura de pantalla de la sección para que te vayas. Documentos que describen los aspectos internos del proyecto. Documentación de los objetos de datos y la interfaz de Java gtgtHTML gtgtPDF Documentación de uso gtgtHTML gtgtPDF Proyecto de documentación del sistema de inversión y comercio gtgtITSdoc. org T ecnología Bloques de construcción de terceros utilizados en este proyecto HSQL Database Engine (licencia: hsqldblic. txt) HSQLDB es el motor de base de datos incluido con el De modo que usted pueda comenzar inmediatamente usar el OJTS sin instalar una base de datos de terceros. Pero si va a utilizar otra base de datos compatible con SQL92, esta es una opción de configuración. Castor (Licencia: La licencia de Exolab) Castor es un marco de vinculación de datos Open Source para Javatm. Es el camino más corto entre objetos Java, documentos XML y tablas relacionales. Castor proporciona compatibilidad entre Java y XML, persistencia de Java a SQL y más. Castor Doclet (Licencia: GNU LGPL v2.1) Doclet Java para generar tanto mapas como archivos DDL para Castor JDO y Castor XML. TestMaker (licencia: Licencia de Open Source de TestMaker) Desde el proyecto TestMaker sólo se utiliza la implementación de los protocolos como HTTP o HTTPS para recopilar datos desde la web. JCookie (licencia: GNU LGPL v2.1) La biblioteca jCookie es necesaria para que las bibliotecas de TestMaker funcionen. Htmlparser (licencia: GNU LGPL v2.1) La biblioteca htmlparser se utiliza para extraer los datos de los recursos web. ABCL / CommonLisp (Licencia: GNU GPL v2) ABCL (Armed Bear Common Lisp) se utiliza para implementar el corazón algorítmico del proyecto en el lenguaje de programación ANSI Common Lisp. JFreeChart (licencia: GNU LGPL v2.1) JFreeChart se utiliza para la visualización de datos financieros como gráficos. JSci (licencia: GNU LGPL v2.1) JSci - Una API científica para Java. Joda Time (licencia: Licencia OpenSource creada en casa) Joda Time reemplaza las clases originales de JDK Date and Time. Enlaces a otros proyectos El grupo de JavaTraders de Google puede ser la mejor entrada para que usted pueda encontrar otros sistemas y herramientas de comercio basados en Java. L icense Condiciones de uso El código del proyecto está licenciado bajo los términos de la LGPL y toda la documentación que usted encuentra en este proyecto está licenciada bajo los términos de la FDL. Estoy en el proceso de diseñar una aplicación comercial que utilizará un Markets API para realizar pedidos en el mercado. Esta no es una aplicación de algoritmo de alto rendimiento algorítmica de transacción del tipo encontrado en los bancos de inversión. Esto es sólo una pequeña aplicación personal que se comercializará quizás dos o tres veces al día dependiendo de las condiciones del mercado / tendencias La aplicación consistirá (aproximadamente) de los siguientes módulos / paquetes: Estrategias - Los algoritmos reales de comercio Analytics - Las clases para analizar el Precios en vivo órdenes de amplificación en el mercado para producir señales de compra / venta Servicios - Las clases utilizadas para mantener una conexión con el mercado, recuperar información de mercado y realizar pedidos de compra / venta. Hasta ahora, todo lo necesario para la aplicación parece estar disponible en Internet: Apache CXF para generar las clases Java utilizadas para acceder a los servicios web de los mercados. Apache Maths para la realización de la analítica de precios Wikipedia para los patrones de diseño diferentes, es decir, Fábrica, Asunto / Observador, Estado, etc Donde estoy realmente atascado sin embargo es con los algoritmos. He decidido utilizar el patrón de Estado para dividir, en agrupaciones lógicas, las diversas piezas de lógica que deben realizarse cuando se cumplen ciertas condiciones de mercado. El problema es que estoy empezando a ver que es muy probable que cada clase de estado contendrá una explosión de si las declaraciones else: No puedo ayudar pero siento Im falta algo aquí y que debe existir algún marco o patrón de diseño No sé acerca de qué Permite al desarrollador encapsular todas las entradas y salidas de un contexto empresarial dado en un número finito de acciones / entradas de negocio en las que se pueden construir reglas de negocio. Es decir. En lugar de tener que codificar los algoritmos Im con la esperanza de que debería ser posible hacer la aplicación en un procesador de reglas de algún tipo. Lamentablemente no sé por dónde empezar en esto. Espero haber explicado mi dilema con claridad, si quieres que aclare algo, por favor avísame. Gracias preguntó Oct 8 09 a las 22:48 Mejor lenguaje de programación para los sistemas de comercio algorítmico Una de las preguntas más frecuentes que recibo en el mailbag QS es ¿Cuál es el mejor lenguaje de programación para el comercio algorítmico. La respuesta corta es que no hay mejor lenguaje. Los parámetros de la estrategia, el rendimiento, la modularidad, el desarrollo, la resiliencia y el costo deben ser considerados. Este artículo describirá los componentes necesarios de una arquitectura algorítmica de sistemas de comercio y cómo las decisiones relativas a la implementación afectan la elección del lenguaje. En primer lugar, se considerarán los componentes principales de un sistema de negociación algorítmica, como las herramientas de investigación, el optimizador de cartera, el gestor de riesgos y el motor de ejecución. Posteriormente, se examinarán diferentes estrategias comerciales y cómo afectarán el diseño del sistema. En particular, se discutirá la frecuencia de las operaciones y el probable volumen de negociación. Una vez que se ha seleccionado la estrategia de negociación, es necesario diseñar todo el sistema. Esto incluye la elección del hardware, el sistema operativo y la resiliencia del sistema frente a eventos raros y potencialmente catastróficos. Mientras se está considerando la arquitectura, se debe tener en cuenta el desempeño - tanto en las herramientas de investigación como en el entorno de ejecución en vivo. ¿Qué es el sistema de comercio que trata de hacer Antes de decidir sobre el mejor idioma con el que escribir un sistema de comercio automatizado es necesario definir los requisitos. ¿El sistema va a ser puramente basado en la ejecución? El sistema requerirá una gestión de riesgos o un módulo de construcción de cartera. El sistema requerirá un backtestter de alto rendimiento. Para la mayoría de las estrategias el sistema de negociación puede dividirse en dos categorías: Investigación y generación de señales. La investigación se ocupa de la evaluación del desempeño de una estrategia con respecto a los datos históricos. El proceso de evaluación de una estrategia de negociación sobre los datos de mercado anteriores se conoce como backtesting. El tamaño de los datos y la complejidad algorítmica tendrán un gran impacto en la intensidad computacional del backtester. La velocidad de la CPU y la concurrencia son a menudo los factores limitantes en la optimización de la velocidad de ejecución de la investigación. Generación de señal se refiere a la generación de un conjunto de señales comerciales de un algoritmo y el envío de estos pedidos al mercado, por lo general a través de una correduría. Para ciertas estrategias se requiere un alto nivel de rendimiento. Los problemas de E / S, como el ancho de banda de la red y la latencia, son a menudo el factor limitante en la optimización de los sistemas de ejecución. Por lo tanto, la elección de lenguajes para cada componente de todo el sistema puede ser muy diferente. Tipo, frecuencia y volumen de la estrategia El tipo de estrategia algorítmica empleada tendrá un impacto sustancial en el diseño del sistema. Será necesario considerar los mercados que se negocian, la conectividad con los proveedores de datos externos, la frecuencia y el volumen de la estrategia, el equilibrio entre la facilidad de desarrollo y la optimización del rendimiento, así como cualquier hardware personalizado, Servidores, GPUs o FPGAs que puedan ser necesarios. Las opciones tecnológicas para una estrategia de renta variable de baja frecuencia en los Estados Unidos serán muy diferentes de las de una estrategia de arbitraje estadístico de alta frecuencia que se negocia en el mercado de futuros. Antes de la elección del idioma muchos proveedores de datos deben ser evaluados que pertenecen a la estrategia de la mano. Será necesario considerar la conectividad con el proveedor, la estructura de cualquier API, la puntualidad de los datos, los requisitos de almacenamiento y la resiliencia frente a un proveedor que se desconecta. También es aconsejable poseer acceso rápido a múltiples vendedores. Varios instrumentos tienen sus propias peculiaridades de almacenamiento, ejemplos de los cuales incluyen múltiples símbolos ticker para las acciones y fechas de vencimiento para futuros (sin mencionar ningún dato OTC específico). Esto debe ser factorizado en el diseño de la plataforma. Frecuencia de la estrategia es probable que sea uno de los mayores impulsores de cómo la pila de tecnología se definirá. Las estrategias que emplean datos con más frecuencia que las barras minuciosas o secundarias requieren una consideración significativa con respecto al desempeño. Una estrategia que excede las barras secundarias (es decir, los datos de la señal) conduce a un diseño impulsado por el rendimiento como requisito primario. En el caso de las estrategias de alta frecuencia, será necesario almacenar y evaluar una cantidad sustancial de datos de mercado. El software tal como HDF5 o kdb se utiliza comúnmente para estas funciones. Con el fin de procesar los volúmenes extensos de datos necesarios para las aplicaciones de HFT, un sistema de backtester y de ejecución ampliamente optimizado debe ser utilizado. C / C (posiblemente con algún ensamblador) es probable que el candidato de idioma más fuerte. Las estrategias de frecuencia ultra-alta casi seguramente requerirán hardware personalizado como FPGAs, intercambio de co-location y kernal / network tuning. Sistemas de investigación Los sistemas de investigación suelen implicar una mezcla de desarrollo interactivo y secuencias de comandos automatizadas. El primero a menudo tiene lugar dentro de un IDE como Visual Studio, MatLab o R Studio. Este último implica cálculos numéricos extensos sobre numerosos parámetros y puntos de datos. Esto conduce a una elección de idioma que proporciona un entorno sencillo para probar el código, pero también proporciona un rendimiento suficiente para evaluar estrategias sobre múltiples dimensiones de parámetros. Los IDE típicos en este espacio incluyen Microsoft Visual C / C, que contiene extensas utilidades de depuración, capacidades de finalización de código (a través de Intellisense) y visiones generales directas de toda la pila de proyectos (a través de la base de datos ORM, LINQ) MatLab. Que está diseñado para el álgebra lineal numérica extensa y operaciones vectorizadas, pero en una forma de consola interactiva R Studio. Que envuelve la consola de lenguaje estadístico R en un IDE IDE Eclipse completamente desarrollado para Linux Java y C y IDEs semi-propietarios como Enthought Canopy para Python, que incluyen bibliotecas de análisis de datos como NumPy. SciPy. Scikit-learn y pandas en un solo ambiente interactivo (consola). Para el backtesting numérico, todos los idiomas anteriores son adecuados, aunque no es necesario utilizar una GUI / IDE, ya que el código se ejecutará en segundo plano. La consideración principal en esta etapa es la de la velocidad de ejecución. Un lenguaje compilado (como C) suele ser útil si las dimensiones del parámetro de backtesting son grandes. Recuerde que es necesario ser cauteloso de tales sistemas si ese es el caso Lenguajes interpretados como Python a menudo hacen uso de las bibliotecas de alto rendimiento como NumPy / pandas para el paso de backtesting, con el fin de mantener un grado razonable de competitividad con compilado Equivalentes. En última instancia, el idioma elegido para el backtesting se determinará por necesidades específicas algorítmicas, así como el rango de bibliotecas disponibles en el idioma (más sobre esto a continuación). Sin embargo, el lenguaje utilizado para los entornos de backtester y de investigación puede ser completamente independiente de los utilizados en la construcción de la cartera, la gestión de riesgos y los componentes de ejecución, como se verá. Construcción de la cartera y gestión del riesgo Los componentes de la construcción de la cartera y de la gestión del riesgo son a menudo pasados por alto por los comerciantes algorítmicos minoristas. Esto es casi siempre un error. Estas herramientas proporcionan el mecanismo por el cual el capital será preservado. No sólo tratan de aliviar el número de apuestas riesgosas, sino que también minimizan el churn de los propios oficios, reduciendo los costos de transacción. Versiones sofisticadas de estos componentes pueden tener un efecto significativo en la calidad y consistencia de la rentabilidad. Es fácil crear una serie de estrategias, ya que el mecanismo de construcción de la cartera y el gestor de riesgos pueden modificarse fácilmente para manejar múltiples sistemas. Por lo tanto, deben ser considerados componentes esenciales al inicio del diseño de un sistema de comercio algorítmico. El trabajo del sistema de construcción de cartera es tomar un conjunto de operaciones deseadas y producir el conjunto de operaciones reales que minimizan el churn, mantienen exposiciones a diversos factores (tales como sectores, clases de activos, volatilidad, etc.) y optimizan la asignación de capital a varios Estrategias en una cartera. La construcción de la cartera se reduce a menudo a un problema de álgebra lineal (tal como una factorización de matriz) y por lo tanto el rendimiento depende en gran medida de la efectividad de la implementación de álgebra lineal numérica disponible. Las bibliotecas comunes incluyen uBLAS. LAPACK y NAG para C. MatLab también posee operaciones de matriz ampliamente optimizadas. Python utiliza NumPy / SciPy para tales cálculos. Una cartera frecuentemente reequilibrada requerirá una biblioteca de matrices compilada (y bien optimizada) para llevar a cabo este paso, para no obstaculizar el sistema de comercio. La gestión de riesgos es otra parte muy importante de un sistema de comercio algorítmico. El riesgo puede venir en muchas formas: Aumento de la volatilidad (aunque esto puede ser visto como deseable para ciertas estrategias), aumento de las correlaciones entre las clases de activos, el incumplimiento de las contrapartes, las interrupciones del servidor, los eventos del cisne negro y los errores no detectados en el código comercial pocos. Los componentes de gestión de riesgos tratan de anticipar los efectos de la volatilidad excesiva y la correlación entre las clases de activos y sus efectos subsiguientes sobre el capital comercial. A menudo esto se reduce a un conjunto de cálculos estadísticos tales como las pruebas de esfuerzo de Monte Carlo. Esto es muy similar a las necesidades computacionales de un motor de fijación de precios de derivados y, como tal, estará vinculado a la CPU. Estas simulaciones son altamente paralelas (ver abajo) y, hasta cierto punto, es posible lanzar hardware al problema. Sistemas de Ejecución El trabajo del sistema de ejecución es recibir señales de comercio filtradas de los componentes de construcción de cartera y gestión de riesgos y enviarlos a una correduría u otros medios de acceso al mercado. Para la mayoría de las estrategias comerciales de negociación algorítmica, esto implica una conexión API o FIX a una correduría como Interactive Brokers. Las consideraciones principales al decidir sobre un idioma incluyen la calidad de la API, la disponibilidad de un contenedor de lenguaje para una API, la frecuencia de ejecución y el anticipo anticipado. La calidad de la API se refiere a lo bien documentado que es, qué tipo de rendimiento que proporciona, si necesita un software independiente que se accede o si una puerta de enlace se puede establecer sin cabeza (es decir, sin GUI). En el caso de Interactive Brokers, la herramienta Trader WorkStation debe estar ejecutándose en un entorno GUI para acceder a su API. Una vez tuve que instalar una edición de Ubuntu de escritorio en un servidor de nube de Amazon para acceder a Corredores Interactivos de forma remota, puramente por esta razón La mayoría de las API proporcionará una interfaz C y / o Java. Normalmente corresponde a la comunidad desarrollar envolturas específicas de lenguaje para C, Python, R, Excel y MatLab. Tenga en cuenta que con cada complemento adicional utilizado (especialmente API envolturas) hay margen para que los errores se deslizan en el sistema. Siempre pruebe plugins de este tipo y asegúrese de que se mantengan activamente. Un indicador valioso es ver cuántas actualizaciones nuevas a un codebase se han hecho en los últimos meses. La frecuencia de ejecución es de suma importancia en el algoritmo de ejecución. Tenga en cuenta que cientos de pedidos pueden ser enviados cada minuto y como tal rendimiento es fundamental. El incumplimiento se producirá a través de un sistema de ejecución mal ejecutado y esto tendrá un impacto dramático en la rentabilidad. Los lenguajes de tipo estático (véase más adelante), como C / Java, son generalmente óptimos para la ejecución, pero hay un trade-off en tiempo de desarrollo, pruebas y facilidad de mantenimiento. Los idiomas de tipo dinámico, como Python y Perl, ahora son lo suficientemente rápidos. Siempre asegúrese de que los componentes están diseñados de manera modular (vea más abajo) para que puedan ser intercambiados a medida que el sistema se escala. Proceso de planificación y desarrollo arquitectónico Los componentes de un sistema comercial, sus requisitos de frecuencia y volumen se han discutido anteriormente, pero la infraestructura del sistema aún no se ha cubierto. Aquellos que actúan como un comerciante al por menor o que trabajan en un pequeño fondo probablemente estará usando muchos sombreros. Será necesario cubrir el modelo alfa, la gestión de riesgos y los parámetros de ejecución, así como la implementación final del sistema. Antes de profundizar en lenguajes específicos se discutirá el diseño de una arquitectura de sistema óptima. Separación de las preocupaciones Una de las decisiones más importantes que deben tomarse desde el principio es cómo separar las preocupaciones de un sistema comercial. En el desarrollo de software, esto significa esencialmente cómo romper los diferentes aspectos del sistema comercial en componentes modulares separados. Al exponer interfaces en cada uno de los componentes, es fácil intercambiar partes del sistema por otras versiones que ayudan al rendimiento, la fiabilidad o el mantenimiento, sin modificar ningún código de dependencia externo. Esta es la mejor práctica para estos sistemas. Para las estrategias en las frecuencias más bajas tales prácticas se aconsejan. Para el comercio de frecuencia ultra alta el libro de reglas podría tener que ser ignorado a expensas de ajustar el sistema para obtener aún más rendimiento. Un sistema más estrechamente acoplado puede ser deseable. Crear un mapa de componentes de un sistema de comercio algorítmico vale la pena un artículo en sí mismo. Sin embargo, un enfoque óptimo es asegurarse de que haya componentes separados para las entradas de datos históricos y en tiempo real, almacenamiento de datos, API de acceso a datos, backtest, parámetros de estrategia, construcción de cartera, gestión de riesgos y sistemas automatizados de ejecución. Por ejemplo, si el almacén de datos que se está utilizando tiene un rendimiento inferior, incluso a niveles significativos de optimización, puede cambiarse con reescrituras mínimas a la ingesta de datos oa la API de acceso a datos. En lo que respecta al tester y componentes posteriores, no hay diferencia. Otro beneficio de los componentes separados es que permite una variedad de lenguajes de programación para ser utilizado en el sistema en general. No es necesario limitarse a un solo idioma si el método de comunicación de los componentes es independiente del idioma. Este será el caso si se están comunicando a través de TCP / IP, ZeroMQ o algún otro protocolo independiente del lenguaje. Como ejemplo concreto, considere el caso de un sistema de backtesting escrito en C para el rendimiento de crujido numérico, mientras que el gestor de cartera y los sistemas de ejecución están escritos en Python usando SciPy e IBPy. Consideraciones sobre el rendimiento El rendimiento es una consideración importante para la mayoría de las estrategias comerciales. Para las estrategias de frecuencia más alta es el factor más importante. El rendimiento cubre una amplia gama de cuestiones, tales como velocidad de ejecución algorítmica, latencia de red, ancho de banda, E / S de datos, concurrencia / paralelismo y escalado. Cada una de estas áreas están cubiertas individualmente por grandes libros de texto, por lo que este artículo sólo rascará la superficie de cada tema. La arquitectura y la elección del idioma se discutirán ahora en términos de sus efectos sobre el rendimiento. La sabiduría predominante según lo declarado por Donald Knuth. Uno de los padres de la informática, es que la optimización prematura es la raíz de todo mal. Esto es casi siempre el caso - excepto cuando se construye un algoritmo de negociación de alta frecuencia Para aquellos que están interesados en las estrategias de baja frecuencia, un enfoque común es construir un sistema de la manera más simple posible y sólo optimizar como cuellos de botella comienzan a aparecer. Las herramientas de creación de perfiles se utilizan para determinar dónde surgen los cuellos de botella. Los perfiles se pueden hacer para todos los factores enumerados anteriormente, ya sea en un entorno MS Windows o Linux. Hay muchas herramientas del sistema operativo y del idioma disponibles para hacerlo, así como utilidades de terceros. La elección del idioma se discutirá ahora en el contexto del desempeño. C, Java, Python, R y MatLab contienen bibliotecas de alto rendimiento (ya sea como parte de su estándar o externamente) para la estructura de datos básicos y el trabajo algorítmico. C se entrega con la biblioteca de plantillas estándar, mientras que Python contiene NumPy / SciPy. Las tareas matemáticas comunes se encuentran en estas bibliotecas y rara vez es beneficioso escribir una nueva implementación. Una excepción es si se requiere una arquitectura de hardware altamente personalizada y un algoritmo está haciendo extensivo uso de extensiones propietarias (como cachés personalizados). Sin embargo, a menudo la reinvención de la rueda pierde tiempo que se podría gastar mejor desarrollando y optimizando otras partes de la infraestructura comercial. El tiempo de desarrollo es muy valioso, especialmente en el contexto de desarrolladores exclusivos. La latencia es a menudo una cuestión del sistema de ejecución, ya que las herramientas de investigación suelen estar situadas en la misma máquina. Para el primero, la latencia puede ocurrir en múltiples puntos a lo largo del camino de ejecución. Se deben consultar las bases de datos (latencia del disco / red), generar señales (sistema operativo, latencia de la mensajería kernal), señales comerciales enviadas (latencia NIC) y órdenes procesadas (latencia interna del sistema de intercambio). Para las operaciones de frecuencia más alta es necesario familiarizarse íntimamente con la optimización kernal así como la optimización de la transmisión de la red. Se trata de un área profunda y está significativamente más allá del alcance del artículo, pero si se desea un algoritmo UHFT, entonces tenga en cuenta la profundidad del conocimiento requerido Caching es muy útil en el kit de herramientas de un desarrollador de comercio cuantitativo. El almacenamiento en caché se refiere al concepto de almacenar datos de acceso frecuente de una manera que permite un acceso de mayor rendimiento, a expensas de la potencial inestabilidad de los datos. Un caso de uso común ocurre en el desarrollo web al tomar datos de una base de datos relacional respaldada por disco y ponerla en memoria. Cualquier solicitud posterior de los datos no tiene que golpear la base de datos y así las ganancias de rendimiento pueden ser significativas. Para las situaciones de comercio el almacenamiento en caché puede ser muy beneficioso. Por ejemplo, el estado actual de una cartera de estrategias puede almacenarse en una memoria caché hasta que se reequilibra, de modo que la lista no necesita ser regenerada en cada bucle del algoritmo de negociación. Tal regeneración es probable que sea una CPU alta o operación de E / S de disco. Sin embargo, el almacenamiento en caché no está exento de problemas propios. La regeneración de los datos de la caché de una sola vez, debido a la volatilidad del almacenamiento en caché, puede suponer una demanda significativa en la infraestructura. Otra cuestión es la acumulación de perros. Donde varias generaciones de una nueva copia en caché se llevan a cabo bajo una carga extremadamente alta, lo que conduce a un fallo en cascada. La asignación dinámica de memoria es una operación cara en la ejecución del software. Por lo tanto, es imprescindible que las aplicaciones comerciales de mayor rendimiento estén bien informadas sobre cómo se asigna y desasigna la memoria durante el flujo del programa. Los nuevos estándares de lenguaje como Java, C y Python realizan la recolección automática de basura. Que se refiere a la desasignación de la memoria asignada dinámicamente cuando los objetos salen del alcance. La recolección de basura es extremadamente útil durante el desarrollo, ya que reduce los errores y facilita la legibilidad. Sin embargo, a menudo es subóptimo para ciertas estrategias de negociación de alta frecuencia. La recogida de basura personalizada a menudo se desea para estos casos. En Java, por ejemplo, al ajustar el recolector de basura y la configuración del montón, es posible obtener un alto rendimiento para las estrategias HFT. C no proporciona un recolector de basura nativo y por lo tanto es necesario manejar toda la asignación / desasignación de memoria como parte de una implementación de objetos. Aunque es potencialmente propenso a errores (potencialmente conduce a punteros colgantes) es extremadamente útil tener control de grano fino de cómo los objetos aparecen en el montón para ciertas aplicaciones. Al elegir un idioma asegúrese de estudiar cómo funciona el recolector de basura y si se puede modificar para optimizar para un caso de uso particular. Muchas operaciones en sistemas de negociación algorítmicos son susceptibles de paralelización. Esto se refiere al concepto de llevar a cabo operaciones programáticas múltiples al mismo tiempo, es decir en paralelo. Los denominados algoritmos embarassingly paralelos incluyen pasos que se pueden calcular completamente independientemente de otros pasos. Ciertas operaciones estadísticas, como las simulaciones de Monte Carlo, son un buen ejemplo de algoritmos embarassingly paralelos, ya que cada dibujo aleatorio y la operación de la ruta subsiguiente se pueden calcular sin conocimiento de otras trayectorias. Otros algoritmos son sólo parcialmente paralelos. Las simulaciones de dinámica de fluidos son un ejemplo, donde el dominio de computación puede ser subdividido, pero en última instancia estos dominios deben comunicarse entre sí y por lo tanto las operaciones son parcialmente secuenciales. Los algoritmos paralelos están sujetos a la Ley Amdahls. Que proporciona un límite superior teórico al aumento de rendimiento de un algoritmo paralelo cuando está sujeto a N procesos separados (por ejemplo, en un núcleo o hilo de CPU). La paralelización se ha vuelto cada vez más importante como medio de optimización, ya que las velocidades del reloj del procesador se han estancado, ya que los procesadores más nuevos contienen muchos núcleos con los que realizar cálculos paralelos. El aumento del hardware de gráficos de consumo (predominantemente para videojuegos) ha llevado al desarrollo de unidades gráficas de procesamiento (GPU), que contienen cientos de núcleos para operaciones altamente concurrentes. Tales GPUs son ahora muy asequibles. Marcos de alto nivel, como Nvidias CUDA han conducido a la adopción generalizada en la academia y las finanzas. Este tipo de hardware GPU generalmente sólo es adecuado para el aspecto de la investigación de finanzas cuantitativas, mientras que otros hardware más especializados (incluyendo Field-Programmable Gate Arrays - FPGAs) se utilizan para (U) HFT. Hoy en día, la mayoría de los langauges modernos soportan un grado de concurrencia / multithreading. Por lo tanto, es fácil optimizar un backtest, ya que todos los cálculos son generalmente independientes de los otros. Escala en la ingeniería de software y las operaciones se refiere a la capacidad del sistema para manejar constantemente aumento de las cargas en forma de mayores solicitudes, mayor uso del procesador y más asignación de memoria. En el comercio algorítmico una estrategia es capaz de escalar si puede aceptar mayores cantidades de capital y aún así producir retornos consistentes. La pila de tecnología comercial se escala si puede soportar volúmenes de comercio más grandes y aumentar la latencia, sin cuello de botella. Mientras que los sistemas deben ser diseñados para escalar, a menudo es difícil predecir de antemano dónde ocurrirá un cuello de botella. La explotación forestal, las pruebas, la elaboración de perfiles y el seguimiento rigurosos ayudarán en gran medida a permitir que un sistema se haga a escala. Los lenguajes mismos se describen a menudo como unscalable. Esto suele ser el resultado de la desinformación, en lugar de hecho duro. Es la pila de tecnología total que se debe determinar para la escalabilidad, no el idioma. Es evidente que ciertos lenguajes tienen un mayor rendimiento que otros en casos de uso particulares, pero un idioma nunca es mejor que otro en todos los sentidos. Una forma de gestionar la escala es separar las preocupaciones, como se ha dicho anteriormente. Con el fin de introducir adicionalmente la capacidad de manejar espigas en el sistema (es decir, la volatilidad repentina que desencadena una serie de operaciones), es útil crear una arquitectura de cola de mensajes. Esto simplemente significa colocar un sistema de cola de mensajes entre los componentes para que los pedidos se apilan si un determinado componente no puede procesar muchas solicitudes. En lugar de las solicitudes que se pierden, simplemente se mantienen en una pila hasta que se maneja el mensaje. Esto es particularmente útil para enviar transacciones a un motor de ejecución. Si el motor está sufriendo bajo latencia pesada entonces apoyará comercios. Una cola entre el generador de señales comerciales y el API de ejecución aliviará este problema a expensas de un posible desvío del comercio. Un agente de cola de mensajes de código abierto muy respetado es RabbitMQ. Hardware y sistemas operativos El hardware que ejecuta su estrategia puede tener un impacto significativo en la rentabilidad de su algoritmo. Esto no es un problema restringido a los comerciantes de alta frecuencia tampoco. Una mala elección en hardware y sistema operativo puede conducir a un fallo de la máquina o reiniciar en el momento más inoportuno. Por lo tanto, es necesario considerar dónde residirá su solicitud. La elección suele ser entre una máquina de escritorio personal, un servidor remoto, un proveedor de la nube o un servidor de intercambio compartido. Las máquinas de escritorio son fáciles de instalar y administrar, especialmente con los sistemas operativos más modernos, como Windows 7/8, Mac OSX y Ubuntu. Los sistemas de escritorio poseen algunos inconvenientes significativos, sin embargo. El principal es que las versiones de los sistemas operativos diseñados para máquinas de escritorio es probable que requieran reboots / parches (y, a menudo en el peor de los casos). También usan más recursos computacionales por la virtud de requerir una interfaz gráfica de usuario (GUI). La utilización de hardware en un entorno doméstico (o local) puede provocar problemas de conectividad a Internet y de tiempo de actividad. El principal beneficio de un sistema de escritorio es que la potencia computacional significativa se puede comprar por la fracción del costo de un servidor dedicado remoto (o sistema basado en la nube) de velocidad comparable. Un servidor dedicado o una máquina basada en la nube, a menudo más costosa que una opción de escritorio, permite una infraestructura de redundancia más significativa, como copias de seguridad automatizadas de datos, la capacidad de garantizar más fácilmente el tiempo de actividad y la supervisión remota. Son más difíciles de administrar, ya que requieren la capacidad de utilizar las capacidades de acceso remoto del sistema operativo. En Windows esto es generalmente a través del GUI Remote Desktop Protocol (RDP). En los sistemas basados en Unix se utiliza la línea de comandos Secure SHell (SSH). La infraestructura de servidor basada en Unix casi siempre está basada en la línea de comandos, lo que hace que las herramientas de programación basadas en GUI (como MatLab o Excel) sean inutilizables. Un servidor co-localizado, como la frase se utiliza en los mercados de capitales, es simplemente un servidor dedicado que reside dentro de un intercambio con el fin de reducir la latencia del algoritmo de negociación. Esto es absolutamente necesario para ciertas estrategias de negociación de alta frecuencia, que dependen de baja latencia para generar alfa. El aspecto final de la elección de hardware y la elección del lenguaje de programación es la independencia de la plataforma. ¿Es necesario que el código se ejecute en varios sistemas operativos diferentes? El código está diseñado para ejecutarse en un determinado tipo de arquitectura de procesador, como el Intel x86 / x64 o será posible ejecutar en procesadores RISC como los fabricados Por ARM Estos temas dependerán en gran medida de la frecuencia y el tipo de estrategia que se esté implementando. Resiliencia y pruebas Una de las mejores maneras de perder mucho dinero en el comercio algorítmico es crear un sistema sin resiliencia. Esto se refiere a la durabilidad del sistema cuando está sujeto a eventos raros, tales como bancarrotas de corretaje, volatilidad excesiva repentina, tiempo de inactividad en toda la región para un proveedor de servidor en la nube o la eliminación accidental de toda una base de datos comercial. Años de beneficios se pueden eliminar en cuestión de segundos con una arquitectura de diseño pobre. Es absolutamente esencial considerar cuestiones como debuggng, pruebas, registro, copias de seguridad, alta disponibilidad y supervisión como componentes principales de su sistema. Es probable que en cualquier aplicación comercial cuantitativa personalizada razonablemente complicada se gasten al menos 50 de tiempo de desarrollo en depuración, pruebas y mantenimiento. Casi todos los lenguajes de programación se envían con un depurador asociado o poseen alternativas respetadas por terceros. En esencia, un depurador permite la ejecución de un programa con inserción de puntos de interrupción arbitrarios en la ruta del código, que temporalmente detener la ejecución con el fin de investigar el estado del sistema. El principal beneficio de la depuración es que es posible investigar el comportamiento del código antes de un punto de error conocido. La depuración es un componente esencial en la caja de herramientas para analizar errores de programación. Sin embargo, son más ampliamente utilizados en lenguajes compilados como C o Java, ya que los lenguajes interpretados como Python son a menudo más fáciles de depurar debido a menos LOC y menos verbos. A pesar de esta tendencia Python se envía con el pdb. Que es una sofisticada herramienta de depuración. El Microsoft Visual C IDE posee extensas utilidades de depuración de GUI, mientras que para el programador Linux C de línea de comandos, existe el depurador gdb. Las pruebas en desarrollo de software se refieren al proceso de aplicar parámetros y resultados conocidos a funciones, métodos y objetos específicos dentro de una base de código, con el fin de simular comportamientos y evaluar múltiples rutas de código, ayudando a asegurar que un sistema se comporte como debería. Un paradigma más reciente se conoce como Test Driven Development (TDD), donde el código de prueba se desarrolla contra una interfaz especificada sin implementación. Antes de completar la base de código actual, todas las pruebas fallarán. A medida que se escribe el código para llenar los espacios en blanco, las pruebas eventualmente pasarán, momento en el cual el desarrollo debe cesar. TDD requiere amplio diseño de especificaciones iniciales, así como un grado saludable de disciplina con el fin de llevar a cabo con éxito. En C, Boost proporciona un marco de pruebas unitarias. 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 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 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. 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 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). 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, 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 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 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 C11 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 . 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.
No comments:
Post a Comment