Idioma de negociação de opções

Tipos de opções: Chamadas e amp; Coloca.
Na linguagem especial das opções, os contratos se enquadram em duas categorias: chamadas e colocações. Uma chamada representa o direito do titular de comprar ações. A Put representa o direito do titular de vender ações.
Tipos de opções.
Opções de chamada.
Uma opção de chamada é um contrato que dá ao comprador o direito de comprar 100 ações de um capital subjacente a um preço predeterminado (o preço de exercício) por um período de tempo predefinido. O vendedor de uma opção de chamada é obrigado a vender o título subjacente se o comprador da chamada exercer sua opção de compra no prazo de validade da opção ou antes dessa. Por exemplo, uma chamada de estilo americano WXYZ Corporation, em 21 de maio de 2011, 60 exige que o comprador compre 100 ações ordinárias da WXYZ Corporation em US $ 60 por ação em qualquer momento antes da data de validade da opção de 21 de maio de 2011.
Opções de colocação.
A opção Put é um contrato que dá ao comprador o direito de vender 100 ações de uma ação subjacente a um preço predeterminado por um período de tempo predefinido. O vendedor de uma opção de venda é obrigado a comprar o título subjacente se o comprador da Put exercer sua opção de venda no prazo de validade da opção ou antes dela. Da mesma forma, a WXYZ Corporation de estilo americano, em 21 de maio de 2011, 60 Put autoriza o comprador a vender 100 ações ordinárias da WXYZ Corp. a US $ 60 por ação em qualquer momento antes da data de validade da opção em maio.
O processo de expiração.
Em qualquer momento, uma opção pode ser comprada ou vendida com múltiplas datas de validade. Isto é indicado por uma descrição da data. A data de validade é o último dia em que existe uma opção. Para opções de ações listadas, isso é tradicionalmente o sábado após a terceira sexta-feira do mês de vencimento. Observe que este é o prazo para o qual as empresas de corretagem devem enviar avisos de exercícios. Você deve pedir a sua empresa para explicar seus procedimentos de exercício, incluindo qualquer prazo que a empresa possa ter para instruções de exercícios no último dia de negociação antes do vencimento.
Certas opções existem e expiram no final da semana, no final de um quarto ou em outras ocasiões. É muito importante entender quando uma opção expirará, pois o valor da opção está diretamente relacionado ao seu vencimento.
Exercitando a Opção.
Os investidores de opções na verdade não têm que comprar ou vender as ações subjacentes que estão associadas às suas opções. Eles podem e muitas vezes simplesmente optam por revender suas opções - ou "negociar fora de suas posições de opções". Se eles optarem por comprar ou vender as ações subjacentes representadas por suas opções, isso é chamado de exercício da opção.
Obter Opções Quotes.
Digite o nome ou o símbolo da empresa abaixo para visualizar a folha de corrente de suas opções:
Opções do Home Center.
Editar favoritos.
Insira até 25 símbolos separados por vírgulas ou espaços na caixa de texto abaixo. Estes símbolos estarão disponíveis durante a sessão para uso nas páginas aplicáveis.
Personalize sua experiência NASDAQ.
Selecione a cor de fundo da sua escolha:
Selecione uma página de destino padrão para sua pesquisa de cotação:
Confirme a sua seleção:
Você selecionou para alterar sua configuração padrão para a Pesquisa de orçamento. Esta será a sua página de destino padrão; a menos que você altere sua configuração novamente ou exclua seus cookies. Tem certeza de que deseja alterar suas configurações?
Desative seu bloqueador de anúncios (ou atualize suas configurações para garantir que o javascript e os cookies estejam habilitados), para que possamos continuar fornecendo as novidades do mercado de primeira linha e os dados que você esperou de nós.

Tutorial básico de opções.
Hoje em dia, muitas carteiras de investidores incluem investimentos como fundos de investimento, ações e títulos. Mas a variedade de valores mobiliários que você possui à sua disposição não termina. Outro tipo de segurança, conhecida como opções, apresenta um mundo de oportunidades para investidores sofisticados que entendem os usos práticos e os riscos inerentes a essa classe de ativos.
O poder das opções reside na sua versatilidade e sua capacidade de interagir com ativos tradicionais, como ações individuais. Eles permitem que você adapte ou ajuste sua posição de acordo com muitas situações de mercado que possam surgir. Por exemplo, as opções podem ser usadas como hedge efetivo contra uma queda do mercado acionário para limitar perdas negativas. As opções podem ser usadas para fins especulativos ou para serem extremamente conservadoras, como você deseja. O uso de opções é, portanto, melhor descrito como parte de uma estratégia maior de investimento.
Esta versatilidade funcional, no entanto, não vem sem seus custos. As opções são títulos complexos e podem ser extremamente arriscadas se usadas de forma inadequada. É por isso que, ao negociar opções com um corretor, você encontrará muitas vezes um aviso legal como o seguinte:
As opções envolvem riscos e não são adequadas para todos. O comércio de opções pode ser de natureza especulativa e suportar um risco substancial de perda. Apenas investe com capital de risco.
As opções pertencem ao grupo maior de títulos conhecido como derivativos. Esta palavra passou a ser associada a uma tomada de risco excessiva e a ter a capacidade de economias de falhas. Essa percepção, no entanto, é amplamente exagerada. Todo "derivado" significa que seu preço depende ou derivado do preço de outra coisa. Por assim dizer, o vinho é um derivado de uvas; O ketchup é um derivado dos tomates. As opções são derivativos de títulos financeiros - seu valor depende do preço de algum outro ativo. Isso significa tudo derivado, e existem muitos tipos diferentes de títulos que se enquadram no nome de derivativos, incluindo futuros, contratos a prazo, swaps (dos quais existem vários tipos) e títulos garantidos por hipotecas. Na crise de 2008, eram títulos garantidos por hipotecas e um tipo particular de troca que causava problemas. As opções eram em grande parte irrepreensíveis. (Veja também: 10 estratégias de opções para saber.)
Saber corretamente como as opções funcionam, e como usá-las adequadamente, pode dar-lhe uma vantagem real no mercado. Se a natureza especulativa das opções não se encaixa no seu estilo, não há problema - você pode usar opções sem especular. Mesmo que você decida nunca usar opções, no entanto, é importante entender como as empresas que você está investindo usam. Quer se trate de proteger o risco de transações cambiais ou de dar a propriedade dos empregados sob a forma de opções de compra de ações, a maioria dos multi-nacionais hoje usam opções de alguma forma.
Este tutorial irá apresentá-lo aos fundamentos das opções. Tenha em mente que a maioria dos comerciantes de opções tem muitos anos de experiência, então não espere ser um especialista imediatamente após ler este tutorial. Se você não está familiarizado com o funcionamento do mercado de ações, você pode querer verificar primeiro o tutorial do Stock Basics.

Idioma de negociação de opções
Compreendendo a linguagem comercial.
O mundo da negociação tem muitas partes que parecem um pouco estranhas aos novos operadores e a linguagem comercial é certamente uma delas. Há muitos slogans, símbolos e outras brincadeiras que podem ser confusas ou até mesmo intimidantes no começo. Uma das maiores fontes de confusão inclui a abreviação que você vê para muitos mercados. Compreender o que você está lendo é importante, e aprender a linguagem básica pode ser útil.
Tudo tem um tempo e lugar especificados.
Todos os contratos de futuros (seja para commodities ou instrumentos financeiros) têm partes, quantidades e datas muito específicas associadas a eles - e isso nem mesmo considera o preço! Nem todos os contratos são criados iguais. O valor do contrato do S & P 500 é cinco vezes o valor do contrato do e-mini S & P 500. É extremamente importante não confundir esses dois símbolos! Se houver mercados que você deseja negociar, visite o site da bolsa e saiba mais sobre as partes principais de cada contrato, daí o idioma de negociação.
Estes incluirão:
• O tamanho do contrato,
• Os meses de futuros para o contrato,
• O formato da cotação de preço,
• A menor quantidade pela qual o preço do contrato pode se mover (pontos inteiros ou frações de um ponto, também conhecido como marca mínima),
• Qualquer limite de negociação diária para movimentos de preços,
• Símbolos de negociação para o contrato.
Memorizar toda a linguagem comercial pode parecer um pouco de exagero, mas nos mercados eletrônicos modernos cometeu um erro pode acontecer em segundos e custar uma quantidade ilimitada de perda e confusão. Apenas lembre-se de que o "dedo gordo" e o problema que isso causou!
Aqui está um exemplo de contrato negociado ... Vamos dar uma olhada em um contrato negociado no e-mini S & P 500. Este mercado de futuros negocia eletronicamente (daí o e) na plataforma Globex do CME Group. Em seu site, você pode ir às Especificações do Contrato e aprender com a linguagem comercial que:
O símbolo para este mercado é ES. Você pode usar esse código para encontrar cotações de preços em muitos tickers.
O tamanho do contrato é de US $ 50 x o preço de futuros e-mini S & P 500. Você pode usar esse valor para calcular o risco / ganho de dólar por ponto no mercado. Basicamente, se cada ponto vale $ 50, um movimento de 3 pontos seria $ 150. Se você quiser calcular o valor total em dólar de um único contrato, basta multiplicar o preço atual por $ 50. Se o mercado estiver sendo negociado a 1.280,00, isso significa que vale 1280 x US $ 50 = US $ 64.000.
A flutuação do preço mínimo é de 0,25. Isso significa que, se você estiver fazendo uma oferta ou tentando cotar um preço, saberá que há incrementos de ponto de quarto, de modo que não é possível oferecer um preço como 1265.30 nesse mercado. Teria que ser 1265,25 ou 1265,50.
Os detalhes do contrato também listam os tempos de negociação para que você saiba quando uma sessão começa e termina, e também os meses do contrato de negociação. Este mercado tem contratos para março, junho, setembro e dezembro (o ciclo trimestral) - estes meses serão escritos com seus próprios símbolos (sua própria linguagem de negociação) - H, M, U, Z. A lista completa de símbolos mensais é:
Cada contrato expirará em algum momento e essa data será relativa ao mês do contrato.
Se você consegue entender a conversa comercial, pode evitar erros dispendiosos!
Algumas dessas coisas podem parecer muito simples; Afinal, muitos programas de negociação lhe darão as informações com um único toque de tecla para que você não tenha que memorizar todo o idioma comercial. A razão pela qual ainda é relevante saber isso é porque tomar o tempo para aprender e entender como os mercados funcionam e o que a linguagem significa pode poupar problemas potenciais.
Por exemplo: - O que aconteceria se você estivesse comprando o ESU11 e tentasse fechar a posição vendendo o ESZ11? Isso não é possível - você saberia que o ES U11 é o e-mini S & P 500 para setembro (U) 2011 e o ES Z11 é o e-mini S & P 500 para dezembro (Z) 2011.
O sucesso é simples. Faça o que é certo, do jeito certo, no momento certo.
Assuma o controle de sua prosperidade futura da maneira fácil. Torne-se um membro da Stock Options Made Easy hoje!
CATEGORIAS DE ARTIGO.
INFORMAÇÃO GERAL.
Procure opções de estoque.
Desfrute de um negócio descontraído ou rápido? Escolha o seu estilo de associação.
Se você prefere ter uma abordagem descontraída para sua negociação,
ou para cobrar adiante em suas opções de negociação,
& # xa0; Opções de estoque feitas fácil Tradutor de poltronas e membros do comerciante de Cut-to-the-Chase colocam tudo o que você precisa para obter sucesso na ponta dos dedos por apenas & # xa0; US $ 39 ou US $ 79 por mês.

Como trocar opções & # 8211; Fundamentos da negociação de opções.
Todos os investidores devem ter uma parcela de sua carteira reservada para negociações de opção. Não só as opções oferecem grandes oportunidades para jogadas alavancadas; Eles também podem ajudá-lo a obter maiores lucros com uma quantidade menor de desembolso de caixa.
O que é mais, as estratégias de opções podem ajudá-lo a proteger sua carteira e limitar o risco potencial de queda. Nenhum investidor deve estar sentado à margem simplesmente porque eles não entendem as opções.
Este guia para opções básicas de negociação fornece tudo o que você precisa para aprender rapidamente o básico das opções e se preparar para negociação. Então, deixe-se começar.
& mdash; Dois tipos básicos de opções.
& mdash; No dinheiro, no dinheiro, fora do dinheiro.
Compreender opções de risco & ndash; Como trocar opções.
& mdash; Os preços podem se mover muito rapidamente.
& mdash; Perdas podem ser substanciais em posições curtas nuas.
& mdash; Outras armadilhas comuns.
& mdash; O problema do preço.
& mdash; Comprando Opções de Chamada.
& mdash; Opções de compra de compra.
& mdash; Margin & ndash; Obtendo & ldquo; Aprovação & rdquo; para trocar opções.
Mais sobre InvestorPlace:
Dados do mercado financeiro alimentados por FinancialContent Services, Inc. Todos os direitos reservados. Nasdaq citaram atrasos de pelo menos 15 minutos, todos os outros pelo menos 20 minutos.
Direitos autorais e cópia; 2018 InvestorPlace Media, LLC. Todos os direitos reservados. 9201 Corporate Blvd, Rockville, MD 20850.

Compreender a linguagem básica da negociação de opções.
Postado em 22 de fevereiro.
"Antecipar o difícil, gerenciando o fácil".
O vocabulário e os conceitos peculiares que habitam os pensamentos de um operador de opções são muitas vezes a fonte de confusão para os visitantes do meu mundo. Eu sempre ponderei que aprender a entender as opções é muito parecido com aprender uma língua estrangeira. Quando você chega no país cujo idioma você procura aprender, você precisa de um vocabulário funcional imediatamente.
Para poder entender o meu mundo, pensei que seria útil discutir um pouco do meu idioma, pois é útil compreender alguns conceitos básicos. Quero abordar alguns dos conceitos básicos necessários para formar a base de uma linguagem funcional que podemos usar para comunicar conceitos subjacentes a um processo de pensamento racional (esperançoso) que leva ao design e ao gerenciamento comercial.
Em rumores por vir, retornaremos a esses conceitos fundamentais e começaremos a entender sua função no mundo dinâmico de um comerciante de opções. As nuances de suas estruturas específicas estão além do escopo deste blog. Voltaremos a considerar esses fatores em praticamente todos os negócios, porque eles reaparecem todos os dias no meu mundo. Por hoje, basta apertar suas mãos e lembrar seus nomes.
Um ponto que muitas vezes não é discutido é o modo pelo qual as opções são precificadas. O preço da opção cotada é, na realidade, a soma de dois componentes separados. Estas são referidas como as porções intrínsecas e extrínsecas do prémio. Eu penso nisso como bife e chiar respectivamente.
Conforme eu digito, AAPL fechou em torno de US $ 395. A chamada de janeiro de 390 tem 41 dias para expirar e pode ter sido comprada por US $ 18,90. Desta quantia, US $ 5 representa prémio intrínseco e $ 13,90 representa extrínseca ou tempo premium.
Esta é uma distinção importante, porque é o prêmio extrínseco que está sujeito à deterioração do tempo e muda devido a variações na volatilidade implícita. Vamos chegar a uma discussão de volatilidade implícita na missiva da próxima semana.
O prêmio intrínseco está sujeito a alterações exclusivamente devido a mudanças no preço do título subjacente. Não há chispas no prêmio intrínseco; você pode comprar a opção hoje, exercê-la para comprar ações, vender o estoque e comprar os $ 5. Claro, sua carreira comercial não durará muito tempo com esse tipo de comércio, mas meu ponto é que o prêmio intrínseco tem um valor verdadeiro facilmente calculável.
A situação com o prémio extrínseco é bastante diferente. O valor muda não apenas com o tempo de expiração, mas também com a volatilidade implícita em constante mudança. É por esta razão que um comerciante de opções deve ter muito cuidado com este componente extrínseco. Dependendo da opção específica sob consideração, o prêmio extrínseco pode representar todos, uma parte ou um valor trivial da totalidade do prêmio da opção.
Outro conceito importante é o do “moneyness” de uma opção. Uma opção individual pode ser classificada em uma das três categorias de "dinheiro": "
As opções no dinheiro, por definição, consistem em um único preço de exercício. As greves dentro do dinheiro e fora do dinheiro geralmente contêm várias greves individuais dentro de seus grupos.
Em nosso exemplo da AAPL, a greve no dinheiro é a greve 395. As greves dentro do dinheiro consistem em todas as chamadas com preços de exercício abaixo de 395 e todas as opções com preços de exercício acima de 395. As greves fora do dinheiro consistem em todas as chamadas acima da greve de 395 e todas as colocações abaixo da greve de 395.
Obviamente, uma vez que o preço do subjacente define a categoria em que uma opção é classificada, a categoria em que uma opção individual se encaixa é fluida e muda dinamicamente com o preço do ativo subjacente.
O motivo para se dedicar a discutir em detalhes esta classificação de "dinheiro" é que existem importantes características confiáveis ​​de cada tipo de opção.
As opções no dinheiro caracteristicamente contêm a maior quantia em dólares do prêmio extrínseco. As opções dentro do dinheiro têm a menor quantidade de prêmio extrínseco. As opções fora do dinheiro consistem exclusivamente em prémios extrínsecos e, portanto, só contêm sizzle. . . nenhum bife pode ser encontrado lá.
Como as características funcionais dessas três categorias de opções diferem, é uma estratégia básica combinar opções de diferentes “moneyness” para obter negociações com a melhor probabilidade de sucesso e os cenários de risco / recompensa mais altos.
Por exemplo, a compra de uma chamada dentro do dinheiro ea venda de uma chamada no dinheiro dá origem a um spread de débito de chamadas, uma estrutura de negociação de alta probabilidade para o negociador que está otimista no subjacente.
Na próxima semana, iremos cobrir o conceito furtivo de negociação de opções, volatilidade implícita. A falha em entender o impacto dessa variável é a causa mais comum de falha no êxito dos traders de opções iniciais.

QuantStart.
Junte-se ao portal de membros privados da Quantcademy que atende à comunidade de comerciantes de varejo de varejo em rápido crescimento. Você encontrará um grupo bem informado de mentalistas quant pronto para responder suas perguntas comerciais mais importantes.
Confira meu ebook sobre o comércio de quant, onde eu ensino você como criar estratégias de negociação sistemáticas lucrativas com ferramentas Python, desde o início.
Dê uma olhada no meu novo ebook sobre estratégias de negociação avançadas usando análise de séries temporais, aprendizado de máquina e estatísticas bayesianas, com Python e R.
Por Michael Halls-Moore em 26 de julho de 2013.
Uma das perguntas mais freqüentes que recebo no QS mailbag é "Qual é a melhor linguagem de programação para negociação algorítmica?". A resposta curta é que não existe um "melhor" idioma. Parâmetros de estratégia, desempenho, modularidade, desenvolvimento, resiliência e custo devem ser considerados. Este artigo descreverá os componentes necessários de uma arquitetura de sistema de comércio algorítmico e como as decisões relativas à implementação afetam a escolha da linguagem.
Primeiramente, os principais componentes de um sistema de negociação algorítmica serão considerados, como as ferramentas de pesquisa, o otimizador de portfólio, o gerenciador de risco e o mecanismo de execução. Posteriormente, diferentes estratégias de negociação serão examinadas e como elas afetam o design do sistema. Em particular, a frequência de negociação e o volume de negociação provável serão ambos discutidos.
Uma vez que a estratégia de negociação tenha sido selecionada, é necessário arquitetar todo o sistema. Isso inclui a escolha de hardware, o sistema operacional e a resiliência do sistema contra eventos raros e potencialmente catastróficos. Enquanto a arquitetura está sendo considerada, deve-se ter em conta o desempenho, tanto para as ferramentas de pesquisa quanto para o ambiente de execução ao vivo.
Qual é o sistema de comércio tentando fazer?
Antes de decidir sobre a "melhor" linguagem com a qual escrever um sistema de negociação automatizado, é necessário definir os requisitos. O sistema será puramente baseado em execução? O sistema exigirá um módulo de gerenciamento de risco ou construção de portfólio? O sistema exigirá um backtester de alto desempenho? Para a maioria das estratégias, o sistema comercial pode ser dividido em duas categorias: Pesquisa e geração de sinal.
A pesquisa está preocupada com a avaliação de um desempenho da estratégia em relação aos dados históricos. O processo de avaliação de uma estratégia de negociação em relação aos dados anteriores do mercado é conhecido como backtesting. O tamanho dos dados e a complexidade algorítmica terão um grande impacto na intensidade computacional do backtester. A velocidade da CPU e a concorrência são muitas vezes os fatores limitantes na otimização da velocidade de execução da pesquisa.
A geração de sinal está preocupada com a geração de um conjunto de sinais de negociação a partir de um algoritmo e envio de ordens para o mercado, geralmente através de uma corretora. Para determinadas estratégias, é necessário um alto nível de desempenho. Problemas de E / S, como largura de banda de rede e latência, são muitas vezes o fator limitante na otimização de sistemas de execução. Assim, a escolha de idiomas para cada componente de todo o seu sistema pode ser bem diferente.
Tipo, Frequência e Volume de Estratégia.
O tipo de estratégia algorítmica empregada terá um impacto substancial no design do sistema. Será necessário considerar os mercados que estão sendo negociados, a conectividade com fornecedores de dados externos, a frequência e o volume da estratégia, o tradeoff entre facilidade de desenvolvimento e otimização de desempenho, bem como qualquer hardware personalizado, incluindo customização co-localizada servidores, GPUs ou FPGAs que possam ser necessários.
As opções de tecnologia para uma estratégia de ações de baixa freqüência dos EUA serão muito diferentes das de uma negociação de estratégias de arbitragem estatística de alta freqüência no mercado de futuros. Antes da escolha do idioma, muitos fornecedores de dados devem ser avaliados que pertencem à estratégia em questão.
Será necessário considerar a conectividade com o fornecedor, a estrutura de quaisquer APIs, a pontualidade dos dados, os requisitos de armazenamento e a resiliência em face de um fornecedor ficar off-line. Também é aconselhável possuir acesso rápido a vários fornecedores! Vários instrumentos têm todos os seus peculiaridades de armazenamento, exemplos dos quais incluem símbolos de ticker múltiplos para ações e datas de vencimento para futuros (sem mencionar nenhum dado OTC específico). Isso precisa ser incorporado ao design da plataforma.
A frequência da estratégia provavelmente será um dos maiores drivers de como a pilha de tecnologia será definida. Estratégias que empregam dados com mais freqüência do que minuciosamente ou em segundo lugar, exigem uma consideração significativa em relação ao desempenho.
Uma estratégia que excede as segundas barras (isto é, dados de ticks) leva a um design orientado pelo desempenho como o requisito primário. Para estratégias de alta freqüência, uma quantidade substancial de dados do mercado precisará ser armazenada e avaliada. Software como HDF5 ou kdb + é comumente usado para essas funções.
Para processar os extensos volumes de dados necessários para aplicações HFT, um sistema de backtester e execução extensivamente otimizado deve ser usado. C / C ++ (possivelmente com algum montador) é provável que seja o candidato a idioma mais forte. As estratégias de ultra-alta freqüência certamente exigirão hardware personalizado, como FPGAs, co-localização de troca e ajuste de interface de rede / kernal.
Sistemas de pesquisa.
Os sistemas de pesquisa geralmente envolvem uma mistura de desenvolvimento interativo e scripts automatizados. O primeiro geralmente ocorre dentro de um IDE, como Visual Studio, MatLab ou R Studio. Este último envolve extensos cálculos numéricos sobre numerosos parâmetros e pontos de dados. Isso leva a uma escolha de idioma que fornece um ambiente direto para testar código, mas também fornece desempenho suficiente para avaliar estratégias em várias dimensões de parâmetros.
IDEs típicos nesse espaço incluem o Microsoft Visual C ++ / C #, que contém extensos utilitários de depuração, recursos de conclusão de código (via "Intellisense") e visões gerais simples da pilha inteira do projeto (via banco de dados ORM, LINQ); MatLab, que é projetado para extensa álgebra linear numérica e operações vetorizadas, mas de uma forma de console interativo; R Studio, que envolve o console de linguagem estatística R em um IDE completo; Eclipse IDE para Linux Java e C ++; e IDEs semi-proprietários como o Enthought Canopy for Python, que incluem bibliotecas de análise de dados como NumPy, SciPy, scikit-learn e pandas em um único ambiente interativo (console).
Para backtesting numérico, todos os idiomas acima são adequados, embora não seja necessário utilizar uma GUI / IDE, pois o código será executado "em segundo plano". A consideração principal neste estágio é a velocidade de execução. Um idioma compilado (como C ++) geralmente é útil se as dimensões do parâmetro backtest forem grandes. Lembre-se de que é necessário desconfiar de tais sistemas se for esse o caso!
Linguagens interpretadas, como Python, geralmente usam bibliotecas de alto desempenho como o NumPy / pandas para a etapa de backtesting, a fim de manter um grau razoável de competitividade com equivalentes compilados. Em última análise, o idioma escolhido para o backtesting será determinado por necessidades algorítmicas específicas, bem como o intervalo de bibliotecas disponíveis no idioma (mais sobre isso abaixo). No entanto, o idioma utilizado para o backtester e os ambientes de pesquisa podem ser completamente independentes dos usados ​​na construção de portfólio, gerenciamento de riscos e componentes de execução, como será visto.
Construção de carteiras e gerenciamento de riscos.
A construção do portfólio e os componentes de gerenciamento de riscos são muitas vezes ignorados pelos comerciantes algorítmicos de varejo. Isso é quase sempre um erro. Essas ferramentas fornecem o mecanismo pelo qual o capital será preservado. Eles não apenas tentam aliviar o número de apostas "arriscadas", mas também minimizam a rotatividade dos negócios, reduzindo os custos de transação.
Versões sofisticadas desses componentes podem ter um efeito significativo na qualidade e consistência da lucratividade. É fácil criar uma estratégia estável, pois o mecanismo de construção de portfólio e o gerenciador de risco podem ser facilmente modificados para lidar com vários sistemas. Assim, eles devem ser considerados componentes essenciais no início do projeto de um sistema de negociação algorítmica.
O trabalho do sistema de construção de portfólio é pegar um conjunto de negócios desejados e produzir o conjunto de negociações reais que minimizam o churn, manter exposições a vários fatores (como setores, classes de ativos, volatilidade, etc.) e otimizar a alocação de capital para vários estratégias em um portfólio.
A construção do portfólio geralmente se reduz a um problema de álgebra linear (como uma fatoração da matriz) e, portanto, o desempenho é altamente dependente da eficácia da implementação de álgebra linear numérica disponível. As bibliotecas comuns incluem uBLAS, LAPACK e NAG para C ++. O MatLab também possui operações de matriz amplamente otimizadas. O Python utiliza o NumPy / SciPy para tais cálculos. Um portfólio freqüentemente reequilibrado exigirá uma biblioteca de matriz compilada (e bem otimizada!) Para levar a cabo esta etapa, de modo a não engarrafar o sistema de negociação.
O gerenciamento de riscos é outra parte extremamente importante de um sistema de negociação algorítmica. O risco pode vir de várias formas: aumento da volatilidade (embora isso possa ser visto como desejável para certas estratégias!), Aumento de correlações entre classes de ativos, inadimplência de terceiros, interrupções de servidor, eventos "black swan" e erros não detectados no código de negociação. para nomear alguns.
Os componentes de gerenciamento de risco tentam antecipar os efeitos da volatilidade excessiva e da correlação entre as classes de ativos e seus efeitos subsequentes sobre o capital comercial. Muitas vezes, isso reduz a um conjunto de cálculos estatísticos, como os "testes de estresse" de Monte Carlo. Isso é muito semelhante às necessidades computacionais de um mecanismo de precificação de derivativos e, como tal, será vinculado à CPU. Estas simulações são altamente paralelizáveis ​​(veja abaixo) e, até certo ponto, é possível "lançar hardware no problema".
Sistemas de Execução.
O trabalho do sistema de execução é receber sinais de negociação filtrados dos componentes de construção de portfólio e gerenciamento de riscos e enviá-los para uma corretora ou outros meios de acesso ao mercado. Para a maioria das estratégias de negociação algorítmica de varejo, isso envolve uma conexão API ou FIX para uma corretora, como Interactive Brokers. As considerações primárias ao decidir sobre um idioma incluem a qualidade da API, a disponibilidade do idioma para uma API, a freqüência de execução e o deslizamento antecipado.
A "qualidade" da API refere-se a quão bem documentada ela é, que tipo de desempenho ela fornece, se precisa de software independente para ser acessado ou se um gateway pode ser estabelecido de maneira sem cabeça (ou seja, sem GUI). No caso dos Interactive Brokers, a ferramenta Trader WorkStation precisa estar em execução em um ambiente GUI para acessar sua API. Uma vez, tive que instalar uma edição do Desktop Ubuntu em um servidor de nuvem da Amazon para acessar os corretores interativos de forma remota, apenas por esse motivo!
A maioria das APIs fornecerá uma interface C ++ e / ou Java. Geralmente, é de responsabilidade da comunidade desenvolver wrappers específicos do idioma para C #, Python, R, Excel e MatLab. Note-se que, com cada plugin adicional utilizado (especialmente os wrappers da API), há possibilidades de insetos no sistema. Sempre teste plugins desse tipo e garanta que eles sejam ativamente mantidos. Um indicador que vale a pena é ver quantas novas atualizações foram feitas em uma base de código nos últimos meses.
Freqüência de execução é da maior importância no algoritmo de execução. Observe que centenas de pedidos podem ser enviados a cada minuto e, como tal, o desempenho é crítico. A derrapagem será incorrida através de um sistema de execução com péssimo desempenho e isso terá um impacto dramático na lucratividade.
Os idiomas estaticamente digitados (veja abaixo), como C ++ / Java, geralmente são ótimos para execução, mas há um trade-off em tempo de desenvolvimento, testes e facilidade de manutenção. Linguagens dinamicamente tipificadas, como Python e Perl, são geralmente "rápidas o suficiente". Certifique-se sempre de que os componentes são projetados de maneira modular (veja abaixo) para que possam ser "trocados" conforme o sistema é dimensionado.
Processo de Planejamento e Desenvolvimento Arquitetônico.
Os componentes de um sistema de negociação, seus requisitos de frequência e volume foram discutidos acima, mas a infra-estrutura do sistema ainda não foi coberta. Aqueles que atuam como comerciantes de varejo ou que trabalham em um pequeno fundo provavelmente estarão "usando muitos chapéus". Será necessário estar cobrindo o modelo alfa, os parâmetros de gerenciamento e execução de riscos, e também a implementação final do sistema. Antes de aprofundar em linguagens específicas, o design de uma arquitetura de sistema ideal será discutido.
Separação de preocupações.
Uma das decisões mais importantes que devem ser tomadas no início é como "separar as preocupações" de um sistema de negociação. No desenvolvimento de software, isso significa essencialmente como dividir os diferentes aspectos do sistema de negociação em componentes modulares separados.
Ao expor as interfaces em cada um dos componentes, é fácil trocar partes do sistema por outras versões que ajudem o desempenho, confiabilidade ou manutenção, sem modificar nenhum código de dependência externo. Esta é a "melhor prática" para esses sistemas. Para estratégias em freqüências mais baixas, tais práticas são recomendadas. Para negociação de ultra alta frequência, o livro de regras pode ter que ser ignorado em detrimento do ajuste do sistema para um desempenho ainda maior. Um sistema mais acoplado pode ser desejável.
Criar um mapa de componentes de um sistema de negociação algorítmico vale um artigo em si. No entanto, uma abordagem ideal é garantir que haja componentes separados para as entradas de dados de mercado históricas e em tempo real, armazenamento de dados, API de acesso a dados, backtester, parâmetros estratégicos, construção de portfólio, gerenciamento de risco e sistemas automatizados de execução.
Por exemplo, se o armazenamento de dados em uso estiver atualmente com baixo desempenho, mesmo em níveis significativos de otimização, ele poderá ser substituído com reescritas mínimas para a API de acesso a dados ou acesso a dados. Até o ponto em que o backtester e os componentes subsequentes estão em causa, não há diferença.
Outro benefício dos componentes separados é que ele permite que uma variedade de linguagens de programação seja usada no sistema geral. Não há necessidade de se restringir a um único idioma se o método de comunicação dos componentes for independente de idioma. Este será o caso se eles estiverem se comunicando via TCP / IP, ZeroMQ ou algum outro protocolo independente de linguagem.
Como um exemplo concreto, considere o caso de um sistema de backtesting sendo escrito em C ++ para desempenho "processamento de números", enquanto o gerenciador de portfólio e os sistemas de execução são escritos em Python usando SciPy e IBPy.
Considerações sobre o desempenho.
O desempenho é uma consideração significativa para a maioria das estratégias comerciais. Para estratégias de maior frequência, é o fator mais importante. O "Desempenho" cobre uma ampla gama de problemas, como velocidade de execução algorítmica, latência de rede, largura de banda, E / S de dados, simultaneidade / paralelismo e dimensionamento. Cada uma dessas áreas é coberta individualmente por grandes livros didáticos, portanto, este artigo apenas arranhará a superfície de cada tópico. A arquitetura e a escolha de idiomas serão agora discutidas em termos de seus efeitos no desempenho.
A sabedoria prevalecente, como afirmou Donald Knuth, um dos pais da Ciência da Computação, é que "a otimização prematura é a raiz de todo o mal". Isso é quase sempre o caso - exceto quando se constrói um algoritmo de negociação de alta frequência! Para aqueles que estão interessados ​​em estratégias de baixa freqüência, uma abordagem comum é construir um sistema da maneira mais simples possível e apenas otimizar à medida que os estrangulamentos começam a aparecer.
As ferramentas de criação de perfil são usadas para determinar onde surgem os gargalos. Perfis podem ser feitos para todos os fatores listados acima, em um ambiente MS Windows ou Linux. Existem muitas ferramentas de sistema operacional e de idioma disponíveis para isso, bem como utilitários de terceiros. A escolha da linguagem agora será discutida no contexto da performance.
C ++, Java, Python, R e MatLab contêm bibliotecas de alto desempenho (como parte do padrão ou externo) para estrutura básica de dados e trabalho algorítmico. C ++ é fornecido com a Biblioteca de modelos padrão, enquanto o Python contém NumPy / SciPy. Tarefas matemáticas comuns são encontradas nessas bibliotecas e raramente é benéfico escrever uma nova implementação.
Uma exceção é se uma arquitetura de hardware altamente personalizada é necessária e um algoritmo está fazendo uso extensivo de extensões proprietárias (como caches personalizados). No entanto, muitas vezes a "reinvenção da roda" desperdiça o tempo que pode ser melhor gasto no desenvolvimento e otimização de outras partes da infra-estrutura de negociação. O tempo de desenvolvimento é extremamente precioso especialmente no contexto dos únicos desenvolvedores.
A latência é muitas vezes uma questão do sistema de execução, pois as ferramentas de pesquisa geralmente estão localizadas na mesma máquina. Para o primeiro, a latência pode ocorrer em vários pontos ao longo do caminho de execução. Os bancos de dados devem ser consultados (latência de disco / rede), os sinais devem ser gerados (sistema operacional, latência do sistema de mensagens kernal), sinais comerciais enviados (latência NIC) e pedidos processados ​​(latência interna dos sistemas de troca).
Para operações de freqüência mais alta, é necessário tornar-se intimamente familiarizado com a otimização do kernal, bem como com a otimização da transmissão da rede. Esta é uma área profunda e está significativamente além do escopo do artigo, mas se um algoritmo UHFT é desejado então esteja ciente da profundidade do conhecimento necessário!
O cache é muito útil no kit de ferramentas de um desenvolvedor de comércio quantitativo. O armazenamento em cache refere-se ao conceito de armazenar dados freqüentemente acessados ​​de uma maneira que permita um acesso de alto desempenho, em detrimento do potencial estancamento dos dados. Um caso de uso comum ocorre no desenvolvimento da Web ao obter dados de um banco de dados relacional baseado em disco e colocá-lo na memória. Quaisquer pedidos subseqüentes para os dados não precisam "acessar o banco de dados" e, portanto, os ganhos de desempenho podem ser significativos.
Para situações de negociação, o cache pode ser extremamente benéfico. Por exemplo, o estado atual de um portfólio de estratégias pode ser armazenado em um cache até que seja reequilibrado, de modo que a lista não precise ser regenerada em cada loop do algoritmo de negociação. Essa regeneração provavelmente será uma operação alta de I / O de CPU ou disco.
No entanto, o armazenamento em cache não é isento de seus próprios problemas. A regeneração de dados de cache de uma só vez, devido à natureza volátil do armazenamento de cache, pode colocar uma demanda significativa na infraestrutura. Outro problema é o empilhamento de cães, em que múltiplas gerações de uma nova cópia de cache são realizadas sob uma carga extremamente alta, o que leva a uma falha em cascata.
A alocação de memória dinâmica é uma operação cara na execução de software. Assim, é imperativo que os aplicativos de maior desempenho comercial sejam conscientes de como a memória está sendo alocada e desalocada durante o fluxo do programa. Novos padrões de linguagem, como Java, C # e Python, todos executam a coleta automática de lixo, que se refere à desalocação da memória alocada dinamicamente quando os objetos ficam fora do escopo.
A coleta de lixo é extremamente útil durante o desenvolvimento, pois reduz erros e ajuda a legibilidade. No entanto, muitas vezes é sub óptimo para certas estratégias de negociação de alta freqüência. A coleta de lixo personalizada é geralmente desejada para esses casos. Em Java, por exemplo, ajustando o coletor de lixo e a configuração de heap, é possível obter alto desempenho para estratégias de HFT.
O C ++ não fornece um coletor de lixo nativo e, portanto, é necessário manipular toda alocação / desalocação de memória como parte da implementação de um objeto. Embora potencialmente propenso a erros (potencialmente levando a ponteiros pendurados), é extremamente útil ter um controle fino de como os objetos aparecem no heap para determinadas aplicações. Ao escolher um idioma, certifique-se de estudar como funciona o coletor de lixo e se ele pode ser modificado para otimizar um caso de uso específico.
Muitas operações em sistemas de negociação algorítmica são passíveis de paralelização. Isto refere-se ao conceito de realizar múltiplas operações programáticas ao mesmo tempo, isto é, em "paralelo". Os chamados algoritmos "embarassingly parallel" incluem etapas que podem ser calculadas de forma totalmente independente de outras etapas. Certas operações estatísticas, como as simulações de Monte Carlo, são um bom exemplo de algoritmos embarazosa paralelos, pois cada sorteio aleatório e subsequente operação do caminho podem ser computados sem o conhecimento de outros caminhos.
Outros algoritmos são apenas parcialmente paralelizados. Simulações de dinâmica de fluidos são um exemplo, em que o domínio da computação pode ser subdividido, mas, em última análise, esses domínios devem se comunicar entre si e, assim, as operações são parcialmente sequenciais. Os algoritmos paralelizáveis ​​estão sujeitos à Lei de Amdahl, que fornece um limite superior teórico para o aumento de desempenho de um algoritmo paralelizado quando sujeito a processos separados por $ N $ (por exemplo, em um núcleo ou encadeamento da CPU).
A paralelização tornou-se cada vez mais importante como um meio de otimização, uma vez que as velocidades do clock do processador estagnaram, já que os processadores mais novos contêm muitos núcleos com os quais realizar cálculos paralelos. O aumento do hardware de gráficos de consumo (predominantemente para videogames) levou ao desenvolvimento de Unidades de processamento gráfico (GPUs), que contém centenas de "núcleos" para operações altamente concorrentes. Essas GPUs agora são muito acessíveis. Estruturas de alto nível, como o CUDA da Nvidia, levaram à adoção generalizada na academia e nas finanças.
Esse hardware GPU geralmente é adequado apenas para o aspecto de pesquisa de finanças quantitativas, enquanto outros hardwares mais especializados (incluindo Field-Programmable Gate Arrays - FPGAs) são usados ​​para (U) HFT. Atualmente, os idiomas mais modernos suportam um grau de simultaneidade / multithreading. Assim, é fácil otimizar um backtester, já que todos os cálculos são geralmente independentes dos demais.
O dimensionamento em engenharia de software e operações refere-se à capacidade do sistema de manipular cargas crescentes consistentemente na forma de solicitações maiores, maior uso do processador e mais alocação de memória. No comércio algorítmico, uma estratégia é capaz de escalonar se puder aceitar maiores quantidades de capital e ainda produzir retornos consistentes. A pilha de tecnologia de negociação é dimensionada se puder suportar maiores volumes de negócios e maior latência, sem gargalos.
Embora os sistemas devam ser projetados para escalar, muitas vezes é difícil prever antecipadamente onde ocorrerá um gargalo. O registro, o teste, o perfil e o monitoramento rigorosos ajudarão grandemente em permitir que um sistema seja dimensionado. As próprias línguas são muitas vezes descritas como "inesquecíveis". Isso geralmente é resultado de desinformação, e não de fatos concretos. É a pilha de tecnologia total que deve ser verificada quanto à escalabilidade, e não ao idioma. 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 managing 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 frequency 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 horsepower 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 for 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-designed 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 easier 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 order 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 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 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 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 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 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.
Conclusão.
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.
Apenas iniciando o comércio quantitativo?
3 razões para se inscrever para a lista de e-mails QuantStart:
1. Quant Trading Lessons.
Você terá acesso instantâneo a um curso de e-mail gratuito de 10 partes, repleto de sugestões e dicas para ajudá-lo a começar a negociação quantitativa!
2. Todo o conteúdo mais recente.
Todas as semanas, vou enviar-lhe um envoltório de todas as atividades no QuantStart para que você nunca mais perca uma postagem novamente.
Real, dicas de negociação viáveis, sem tonturas.