Algorithmisches Handelssystemdesign




Algorithmisches HandelssystemdesignAlgorithmisches Handelssystem: Design und Anwendungen Zitieren Sie diesen Artikel als: Wang, F. Dong, K. Deng, X. Front. Berechnet. Sci China (2009) 3: 235. doi: 10.1007s11704-009-0030-6 Dieses Papier bietet einen Uberblick uber Forschung und Entwicklung im algorithmischen Handel und diskutiert Kernthemen der aktuellen Bemuhungen um seine Verbesserung, die von gro?em Wert sein wurde Handler und Investoren. Einige aktuelle Systeme fur den algorithmischen Handel werden eingefuhrt, zusammen mit einigen Abbildungen ihrer Funktionalitaten. Wir prasentieren dann unsere Plattform namens FiSim und diskutieren sein Gesamtdesign sowie einige experimentelle Ergebnisse in User Strategy Vergleiche. Algorithmische Trading-Portfolio-Optimierung News-Retrieval-Entscheidungsfindung System-Design Referenzen Eriksson S, Roding C. Algorithmischen Handel aufgedeckt Auswirkungen auf einen elektronischen Austausch der zunehmenden Automatisierung im Futures-Handel. Royal Institute of Technology, Stockholm, 2007 Google Scholar Marktrisiko und algorithmischen Handel. AMD White Paper Berkowitz S, Logue D, Noser E. Die Gesamtkosten der Transaktionen an der NYSE. Journal of Finance, 1988, 41: 97112 CrossRef Google Scholar MacKinlay Ein C, Ramaswamy K. Index-Futures-Arbitrage und das Verhalten von Aktienindex-Futures-Preisen. Der Bericht von Finanzstudien, 1988, 1 (2): 137158 CrossRef Google Scholar Hogan S, Jarrow R, Warachka M. Statistische Arbitrage und Tests der Markteffizienz. Arbeitsmarkt, 2002 Hogan S, Jarrow R, Teo M. Prufung der Markteffizienz mittels statistischer Arbitrage mit Anwendung auf Impuls - und Wertstrategien. Zeitschrift fur Finanzwirtschaftslehre, 2004, 73: 525565 CrossRef Google Scholar Gordon Baker, Shashi Tiwari. Algorithmischer Handel: Wahrnehmungen und Herausforderungen. Arbeitspapier, 2004 Leigh Tesfatsion. Einfuhrung in das Sonderthema zur agentenbasierten Berechnungsokonomie. Zeitschrift fur Wirtschaftswissenschaften, 2001 Leigh Tesfatsion. Agentenbasierte Berechnungsokonomik: Modellierungsokonomien als komplexe adaptive Systeme. Informationswissenschaften, 2003, 149 (4): 263269 Google Scholar Shu-Heng Chen. Computational Intelligence in der Agent-Based Computational Economics. Computational Intelligence: Ein Kompendium, 2008, 517594 Blake LeBaron. Agent-based Computational Finance: Vorgeschlagene Lesungen und fruhe Forschung. Journal of Wirtschaftsdynamik und - kontrolle, 1998, 24: 679702 Google Scholar Aki-Hiro Sato. Frequenzanalyse von Tick-Anfuhrungszeichen auf dem Devisenmarkt und agentbasierte Modellierung: Ein spektraler Distanzansatz. Physik A: Statistische Mechanik und ihre Anwendungen, 2007, 382: 258270 CrossRef Google Scholar Dempster M A H, Romahi Y S. Intraday FX Trading: Ein evolutionarer Bewehrungsansatz, 2002 Christopher Neely, Paul Weller und Rob Dittmar. Ist die technische Analyse in der Devisenmarkt profitabel Eine genetische Programmierung Ansatz. Journal of Financial and Quantitative Analysis, 1997, 32 (4): 405426 CrossRef Google Scholar Shu-Heng Chen und Chia-Hsuan Yeh, Genetische Programmierung in der Agent-Based Artificial Stock Market. In: Proceedings of the 1999 Congress on Evolutionary Computation-CEC99, 1999, 2: 834841 CrossRef Google Scholar Shu-Heng Chen. Trends in der Agnetbasierten Computationalen Modellierung der Makrookonomie. Neue Generation Comput, 2004, 23 (1) Christopher J, Neely, Paul A, Weller. Vorhersage der Wechselkursvolatilitat: Genetische Programmierung vs. GARCH und RiskMetrics. Arbeitspapier der Federal Reserve Bank von ST. Louis, 2001 Hendershott T. Elektronischer Handel auf den Finanzmarkten. IT Professionell, 2003, 5 (4): 1014 CrossRef Google Scholar Michael J. Kearns, Luis E. Ortiz, das Penn-Lehman automatisierte Handelsprojekt. IEEE intelligente Systeme, 2003, 18 (6): 2231 CrossRef Google Scholar Holland J und Miller J. Kunstliche adaptive Agenten in der okonomischen Theorie. American Economic Review: Papers and Proceedings, 1991, 81 (2): 365370 Google Scholar Palmer G, Arthur B, Niederlande J, LeBaron B und Tayler P. Kunstliche Wirtschaft: Ein einfaches Modell der Borse. Physica D, 1994, 75: 264274 MATH CrossRef Google Scholar Shanghai-Borse. NGTS-Teil-technischer Fuhrer SSE D0602, 56 Shanghai-Borse. NGTS Report Trading Model, 610 Copyright-Informationen Higher Education Press und Springer-Verlag GmbH 2009 Autoren und Mitgliedsverbande Feng Wang 1 Keren Dong 2 Xiaotie Deng 2 E-Mail-Autor 1. State Key Laboratorium fur Software Engineering Wuhan University Wuhan China 2. Department of Informatik City Universitat von Hongkong Kowloon, Hongkong China Uber diesen Artikel Drucken ISSN 1673-7350 Online ISSN 1673-7466 Publisher Name SP Hochschulbildung PressAlgorithmic Trading System Architektur Auf diesem Blog habe ich bereits uber die konzeptionelle Architektur eines intelligenten algorithmischen Handelssystems geschrieben Als funktionale und nicht-funktionale Anforderungen eines algorithmischen Produktionssystems. Seitdem habe ich eine Systemarchitektur entworfen, von der ich glaube, dass sie diese architektonischen Anforderungen erfullen kann. In diesem Beitrag werde ich beschreiben die Architektur nach den Richtlinien der ISOIECIEEE 42010 Systeme und Software Engineering Architektur Beschreibung Standard. Nach dieser Norm muss eine Architekturbeschreibung enthalten: Mehrere standardisierte architektonische Ansichten (z. B. in UML) enthalten und die Ruckverfolgbarkeit zwischen Entwurfsentscheidungen und architektonischen Anforderungen beibehalten Softwarearchitekturdefinition Es gibt noch keinen Konsens daruber, was eine Systemarchitektur ist. Im Rahmen dieses Artikels wird sie als die Infrastruktur definiert, innerhalb der Anwendungskomponenten, die funktionalen Anforderungen genugen, spezifiziert, implementiert und ausgefuhrt werden konnen. Funktionale Anforderungen sind die erwarteten Funktionen des Systems und seiner Komponenten. Nicht funktionale Anforderungen sind Ma?nahmen, durch die die Qualitat des Systems gemessen werden kann. Ein System, das seine funktionalen Anforderungen voll erfullt, kann die Erwartungen nicht erfullen, wenn nicht funktionale Anforderungen unbefriedigt bleiben. Um dieses Konzept zu veranschaulichen, betrachten Sie das folgende Szenario: ein algorithmisches Handelssystem, das Sie gerade gekauft haben, macht ausgezeichnete Handelsentscheidungen, ist aber vollig inoperabel mit den Organisationen Risikomanagement und Buchhaltungssysteme. Wurde dieses System Ihren Erwartungen entsprechen Konzeptionelle Architektur Eine konzeptionelle Sicht beschreibt hochrangige Konzepte und Mechanismen, die im System auf hochster Granularitat existieren. Auf dieser Ebene folgt das algorithmische Handelssystem einer ereignisgesteuerten Architektur (EDA), die uber vier Schichten aufgebrochen ist, und zwei architektonische Aspekte. Fur jede Schicht - und Aspektreferenz werden Architekturen und Muster verwendet. Architektonische Muster sind bewahrte, generische Strukturen, um spezifische Anforderungen zu erfullen. Architektonische Aspekte sind Querschnittsaufgaben, die sich uber mehrere Komponenten erstrecken. Ereignisgetriebene Architektur - eine Architektur, die Ereignisse erzeugt, erkennt, konsumiert und reagiert. Ereignisse umfassen Echtzeitbewegungen, komplexe Ereignisse oder Trends und Handelsereignisse, z. B. Einreichung einer Bestellung. Dieses Diagramm veranschaulicht die Konzeptarchitektur des algorithmischen Handelssystems Referenzarchitekturen Um eine Analogie zu verwenden, ahnelt eine Referenzarchitektur den Blaupausen fur eine tragende Wand. Dieses Blau-Druck kann fur mehrfache Gebaudeentwurfe wiederverwendet werden, unabhangig davon, welches Gebaude errichtet wird, da es einen Satz von allgemein auftretenden Anforderungen erfullt. Ahnlich definiert eine Referenzarchitektur eine Vorlage, die generische Strukturen und Mechanismen enthalt, die verwendet werden konnen, um eine konkrete Softwarearchitektur zu konstruieren, die spezifischen Anforderungen genugt. Die Architektur fur das algorithmische Handelssystem verwendet eine raumbasierte Architektur (SBA) und einen Model View Controller (MVC) als Referenzen. Gute Vorgehensweisen wie der Betriebsdaten-Speicher (ODS), das Extrakt-Transformations - und Belastungsmuster (ETL) und ein Data Warehouse (DW) werden ebenfalls verwendet. Modellansicht-Controller - ein Muster, das die Darstellung von Informationen von der Benutzerinteraktion mit ihr trennt. Raumbasierte Architektur - spezifiziert eine Infrastruktur, in der lose gekoppelte Verarbeitungseinheiten miteinander uber einen gemeinsamen assoziativen Speicher mit dem Namen Space interagieren (siehe unten). Strukturansicht Die Strukturansicht einer Architektur zeigt die Komponenten und Unterkomponenten des algorithmischen Handelssystems. Es zeigt auch, wie diese Komponenten auf physische Infrastruktur eingesetzt werden. Die in dieser Ansicht verwendeten UML-Diagramme umfassen Komponentendiagramme und Bereitstellungsdiagramme. Im Folgenden finden Sie eine Ubersicht der Implementierungsdiagramme des algorithmischen Handelssystems und der Verarbeitungseinheiten in der SBA-Referenzarchitektur sowie zugehorige Komponentendiagramme fur die einzelnen Schichten. Architectural Tactics Nach dem Software Engineering Institute ist eine architektonische Taktik ein Mittel zur Befriedigung einer Qualitatsanforderung durch Manipulation eines Aspekts eines Qualitatsattributmodells durch architektonische Designentscheidungen. Ein einfaches Beispiel, das in der algorithmischen Handelssystemarchitektur verwendet wird, ist, einen operativen Datenspeicher (ODS) mit einer kontinuierlichen Abfragekomponente zu manipulieren. Diese Komponente wurde das ODS kontinuierlich analysieren, um komplexe Ereignisse zu identifizieren und zu extrahieren. Folgende Taktiken werden in der Architektur verwendet: Das Disruptormuster im Ereignis - und Auftragswarteschlange Gemeinsamer Speicher fur die Ereignis - und Auftragswarteschlangen Ununterbrochene Abfragesprache (CQL) auf dem ODS Datenfilterung mit dem Filterentwurfsmuster auf eingehenden Daten Vermeidungsalgorithmen auf allen Eingehende und ausgehende Verbindungen Active Queue Management (AQM) und explizite Staubenachrichtigung Rohstoffrechenressourcen mit Kapazitaten fur Upgrade (skalierbar) Aktive Redundanz fur alle Single Points of Fail Indexierung und optimierte Persistenzstrukturen im ODS Planen Sie regelma?ige Datensicherungs - und Bereinigungsskripte fur ODS Transaktionshistorie auf allen Datenbanken Prufsummen fur alle Auftrage, um Fehler zu erkennen Annotieren von Ereignissen mit Zeitstempeln, um veraltete Ereignisse zu uberspringen Bestellen von Validierungsregeln zB Maximale Handelsmengen Automatisierte Handlerkomponenten verwenden eine Speicher-Datenbank fur die Analyse Zwei-Stufen-Authentifizierung fur Benutzerschnittstellen, die eine Verbindung zu den ATs herstellen Verschlusselung auf Benutzerschnittstellen und Verbindungen zu den ATs Observer-Entwurfsmuster fur das MVC zur Verwaltung von Ansichten Die obige Liste ist nur ein paar Design Entscheidungen, die ich bei der Gestaltung der Architektur identifiziert habe. Es ist nicht eine vollstandige Liste der Taktiken. Da das System entwickelt wird, sollten zusatzliche Taktiken auf mehreren Ebenen der Granularitat eingesetzt werden, um funktionale und nicht-funktionale Anforderungen zu erfullen. Unten sind drei Diagramme, die das Disruptor-Designmuster, das Filterentwurfsmuster und die kontinuierliche Abfragekomponente beschreiben. Verhaltensansicht Diese Ansicht einer Architektur zeigt, wie die Komponenten und Schichten miteinander interagieren sollen. Dies ist hilfreich bei der Erstellung von Szenarien zum Testen von Architekturentwurfen und zum Verstandnis des Systems von Ende zu Ende. Diese Ansicht besteht aus Sequenzdiagrammen und Aktivitatsdiagrammen. Aktivitatsdiagramme, die den internen Prozess der algorithmischen Handelssysteme zeigen und wie Handler mit dem algorithmischen Handelssystem interagieren sollen, sind nachfolgend dargestellt. Technologien und Rahmenbedingungen Der letzte Schritt beim Entwerfen einer Softwarearchitektur besteht darin, mogliche Technologien und Rahmenbedingungen zu identifizieren, die zur Verwirklichung der Architektur genutzt werden konnten. Grundsatzlich ist es sinnvoll, bestehende Technologien auszuschopfen, sofern sie sowohl funktionale als auch nicht funktionale Anforderungen adaquat erfullen. Ein Framework ist eine realisierte Referenzarchitektur, z. B. JBoss ist ein Framework, das die JEE-Referenzarchitektur realisiert. Die folgenden Technologien und Frameworks sind interessant und sollten bei der Implementierung eines algorithmischen Handelssystems berucksichtigt werden: CUDA - NVidia verfugt uber eine Reihe von Produkten, die eine hochleistungsfahige Computational Finance Modellierung unterstutzen. Man kann bis zu 50x Performance-Verbesserungen in der Ausfuhrung von Monte Carlo Simulationen auf der GPU anstelle der CPU erreichen. Apache River - River ist ein Tool-Kit zur Entwicklung verteilter Systeme. Es wurde als Rahmen fur den Aufbau von Anwendungen auf der Grundlage der SBA-Muster Apache Hadoop - fur den Fall, dass pervasive Logging ist eine Anforderung, dann die Verwendung von Hadoop bietet eine interessante Losung fur die Big-Data-Problem. Hadoop kann in einer Clusterumgebung eingesetzt werden, die CUDA-Technologien unterstutzt. AlgoTrader - eine Open-Source-algorithmische Handelsplattform. AlgoTrader konnte an Stelle der automatisierten Handlerkomponenten eingesetzt werden. FIX Engine - eine eigenstandige Anwendung, die die Financial Information Exchange (FIX) - Protokolle einschlie?lich FIX, FAST und FIXatdl unterstutzt. Obwohl es sich nicht um eine Technologie oder ein Framework handelt, sollten Komponenten mit einer API (Application Programming Interface) aufgebaut werden, um die Interoperabilitat des Systems und seiner Komponenten zu verbessern. Fazit Die vorgeschlagene Architektur wurde entwickelt, um sehr allgemeine Anforderungen fur algorithmische Handelssysteme zu erfullen. Im Allgemeinen werden algorithmische Handelssysteme durch drei Faktoren kompliziert, die bei jeder Implementierung variieren: Abhangigkeiten von externen Unternehmen und Exchange-Systemen Herausfordernde nicht-funktionale Anforderungen und sich entwickelnde architektonische Zwange Die vorgeschlagene Softwarearchitektur muss daher im Einzelfall von Fall zu Fall angepasst werden Um spezifische organisatorische und regulatorische Anforderungen zu erfullen sowie regionale Zwange zu uberwinden. Die algorithmische Handelssystemarchitektur sollte nur als Referenz fur Einzelpersonen und Organisationen betrachtet werden, die ihre eigenen algorithmischen Handelssysteme entwerfen wollen. Fur eine vollstandige Kopie und Quellen verwendet, laden Sie bitte eine Kopie meines Berichts. Thank you. As rein ein Computer-Wissenschaftler youre in der perfekten Position, um im algorithmischen Handel zu beginnen. Dies ist etwas, was ich aus erster Hand bei Quantiacs 1. Zeuge, wo Wissenschaftler und Ingenieure sind in der Lage, direkt in automatisierte Handel ohne vorherige Erfahrung zu springen. Mit anderen Worten, Programmierung Koteletts sind die wichtigsten Zutaten benotigt, um loszulegen. Um ein allgemeines Verstandnis davon zu bekommen, welche Herausforderungen Sie nach der Schaffung eines algorithmischen Handelssystems erwarten, schauen Sie sich diese Quora Post an. Der Aufbau eines Handelssystems von Grund auf erfordert etwas Hintergrundwissen, eine Handelsplattform, Marktdaten und Marktzugang. Wahrend nicht eine Anforderung, die Auswahl einer einzigen Handelsplattform, die die meisten dieser Ressourcen bietet Ihnen helfen, schnell aufstehen. Davon abgesehen, werden die Fahigkeiten, die Sie entwickeln, ubertragbar sein, um jede Programmiersprache und fast jede Plattform. Ob Sie es glauben oder nicht, Gebaude automatisierte Handelsstrategien ist nicht auf eine Markt-Experte. Nichtsdestotrotz, Lernen grundlegenden Marktmechanismen werden Ihnen helfen, entdecken Sie profitable Handelsstrategien. Optionen, Futures und andere Derivate von John C. Hull - Great erste Buch fur die Eingabe von quantitativen Finanzen, und nahert es von der Mathematik-Seite. Quantitative Trading von Ernie Chan - Ernie Chan bietet das beste Einfuhrungsbuch zum quantitativen Handel und fuhrt Sie durch den Prozess der Erstellung von Handelsalgorithmen in MATLAB und Excel. Algorithmischer Handel von Futures via Machine Learning - Eine 5-seitige Aufteilung der Anwendung eines einfachen Maschinenlernmodells auf haufig verwendete technische Analyseindikatoren. Heres eine aggregierte Leseliste PDF mit einer vollstandigen Aufschlusselung der Bucher, Videos, Kurse und Handelsforen. Der beste Weg zu lernen ist, indem Sie, und im Falle der automatisierten Handel, die auf Charting und Codierung kommt. Ein guter Ausgangspunkt sind vorhandene Beispiele fur Handelssysteme und bestehende Exponate technischer Analysetechniken. Daruber hinaus hat ein erfahrener Informatiker die zusatzliche Kante des in der Lage, maschinelles Lernen auf algorithmischen Handel anzuwenden. Hier sind einige dieser Ressourcen: TradingView - Eine fantastische visuelle Charting-Plattform auf eigene, TradingView ist ein gro?er Spielplatz fur immer bequem mit der technischen Analyse. Es hat den zusatzlichen Vorteil, dass Sie Skript Handel Strategien und durchsuchen andere Volker Handel Ideen. Automated Trading Forum - Gro?e Online-Community fur Entsendung Anfanger Fragen und Antworten finden zu gemeinsamen quant Fragen, wenn gerade erst begonnen. Quant-Foren sind ein gro?artiger Ort, um in Strategien, Werkzeuge und Techniken eintauchen. YouTube-Seminar uber Handelsideen mit Arbeitscodebeispielen auf Github. Maschinelles Lernen: Weitere Vortrage zum automatisierten Handel finden Sie im Quantiacs Quant Club. Die meisten Menschen aus einem wissenschaftlichen Hintergrund (ob das ist Informatik oder Ingenieurwesen) haben Exposition gegenuber Python oder MATLAB, die zufallig beliebte Sprachen fur quantitative Finanzen. Quantiacs hat eine Open-Source-Toolbox geschaffen, die Backtesting und 15 Jahre historische Marktdaten kostenlos zur Verfugung stellt. Der beste Teil ist, dass alles auf Python und MATLAB gebaut ist, was Ihnen die Wahl, was Sie Ihr System zu entwickeln. Heres eine Beispieltrend-folgende Handelsstrategie in MATLAB. Dies ist der gesamte Code, der benotigt wird, um ein automatisiertes Handelssystem auszufuhren, das sowohl die Leistung von MATLAB als auch die Quantiacs Toolbox darstellt. Quantiacs konnen Sie 44 Futures und alle Aktien des SampP 500 handeln. Daruber hinaus werden eine Vielzahl zusatzlicher Bibliotheken wie TensorFlow unterstutzt. (Disclaimer: Ich arbeite bei Quantiacs) Sobald du bereit bist, Geld als Quant zu machen, kannst du dich dem neuesten Quantiacs automatisierten Trading Contest anschlie?en, mit insgesamt 2,250,000 an Investitionen: Kannst du mit den besten Quants konkurrieren 22,9k Views middot View Upvotes Middot Nicht fur die Reproduktion Diese Antwort wurde komplett neu geschrieben Hier sind 6 wichtigsten Wissensbasis fur den Bau algorithmischen Handelssysteme. Sie sollten mit allen von ihnen vertraut sein, um effektive Handelssysteme zu bauen. Einige der verwendeten Begriffe konnen etwas technisch sein, aber Sie sollten in der Lage sein, sie durch Googeln zu verstehen. Hinweis: (Die meisten davon) gelten nicht, wenn Sie Hochfrequenztrading machen wollen. Markttheorien Sie mussen verstehen, wie der Markt funktioniert. Insbesondere sollten Sie verstehen, Markt Ineffizienzen, Beziehungen zwischen verschiedenen Asset-Produkte und Preisverhalten. Trading-Ideen ergeben sich aus Markt-Ineffizienzen. Sie mussen wissen, wie zu bewerten Markt-Ineffizienzen, die Ihnen einen Handel Rand gegenuber denen, die nicht. Die Entwicklung effektiver Roboter beinhaltet das Verstandnis, wie automatisierte Handelssysteme funktionieren. Im Wesentlichen besteht eine algorithmische Handelsstrategie aus 3 Kernkomponenten: 1) Eintrage, 2) Exits und 3) Positionsgro?en. Sie mussen diese 3 Komponenten in Bezug auf die Markt-Ineffizienz, die Sie erfassen (und nein, dies ist kein einfacher Prozess) zu entwerfen. Sie mussen nicht wissen, erweiterte Mathematik (obwohl es hilft, wenn Sie mehr komplexe Strategien zu bauen). Gute kritische Denken Fahigkeiten und ein menschenwurdiges greifen auf Statistiken nehmen Sie sehr weit. Design beinhaltet Backtesting (Prufung auf Handelskante und Robustheit) und Optimierung (Maximierung der Performance bei minimaler Kurvenanpassung). Youll mussen wissen, wie ein Portfolio von algorithmischen Handelsstrategien zu verwalten. Strategien konnen komplementar oder widerspruchlich sein, was zu ungeplanten Erhohungen der Risikoexponierung oder unerwunschten Absicherungen fuhren kann. Kapitalzuteilung ist auch wichtig, teilen Sie Kapital gleichma?ig in regelma?igen Abstanden oder belohnen Sie die Gewinner mit mehr Kapital Wenn Sie wissen, welche Produkte Sie handeln mochten, finden Sie geeignete Handelsplattformen fur diese Produkte. Dann lernen Sie die Programmiersprache API dieser Plattformbacktester. Wenn Sie anfangen, wurde ich Quantopian (nur Aktien), Quantconnect (Aktien und FX) oder Metatrader 4 (FX und CFDs auf Aktienindizes, Aktien und Rohstoffe) empfehlen. Die verwendeten Programmiersprachen sind Python, C und MQL4. 4. Datenmanagement Mull in Mullabfuhr. Ungenaue Daten fuhren zu ungenauen Prufergebnissen. Wir benotigen vernunftig saubere Daten fur genaues Testen. Reinigungsdaten sind ein Kompromiss zwischen Kosten und Genauigkeit. Wenn Sie genauer Daten benotigen, mussen Sie mehr Zeit (Zeit Geld) putzen. Einige Probleme, die dirty Daten verursachen, schlie?en fehlende Daten, doppelte Daten, falsche Daten (schlechte Ticks) ein. Andere Probleme, die zu irrefuhrenden Daten fuhren, umfassen Dividenden, Aktiensplits und Futures-Rollovers etc. 5. Risikomanagement Es gibt zwei Hauptrisikomarken: Marktrisiko und operationelles Risiko. Marktrisiken beinhalten Risiken im Zusammenhang mit Ihrer Handelsstrategie. Betrachtet es die Worst-Case-Szenarien Was ist, wenn ein schwarzer Schwan Ereignis wie World War 3 passiert Haben Sie abgesichert unerwunschte Risiken Ist Ihre Position Sizing zu hoch Neben der Verwaltung von Marktrisiken, mussen Sie betrachten das operationelle Risiko. Systemabsturze, Verlust der Internetverbindung, schlechter Ausfuhrungsalgorithmus (fuhren zu schlecht ausgefuhrten Preisen oder verpasste Trades aufgrund der Unfahigkeit, Requoteshigh-Schlupf zu behandeln) und Diebstahl von Hackern sind sehr reale Probleme. 6. Live-Ausfuhrung Backtesting und Live-Trading sind sehr unterschiedlich. Sie mussen richtige Makler wahlen (MM vs STP vs ECN). Forex Market News mit Forex Trading Foren amp Forex Broker Bewertungen ist Ihr bester Freund, lesen Broker Bewertungen gibt. Sie benotigen eine ordnungsgema?e Infrastruktur (sichere VPN - und Downtime-Handhabung usw.) und Evaluierungsprozeduren (Uberwachung der Roboterleistung und deren Analyse in Bezug auf Marktinitialisierungsoptimierungen), um Ihren Roboter wahrend seiner gesamten Lebensdauer zu verwalten. Sie mussen wissen, wann zu intervenieren (modifyupdateshutdownturn auf Ihre Roboter) und wenn nicht auf. Evaluation und Optimierung von Handelsstrategien Pardo (Gro?e Einblicke in Methoden zum Aufbau und zum Testen von Handelsstrategien) Tragen Sie Ihren Weg zu finanzieller Freiheit ein Van K Tharp (Lacherlich-Click-Koder beiseite, dieses Buch ist ein gro?er Uberblick zu mechanischen Handelssystemen) Quantitative Trading Ernest Chan (Gro?e Einfuhrung in algo Handel auf einer Retail-Ebene.) Handel und Borsen: Markt-Mikrostruktur fur Praktiker Larry Harris (Markt-Mikrostruktur ist die Wissenschaft, wie der Austausch funktioniert und was tatsachlich passiert, wenn ein Handel platziert wird. Es ist wichtig, diese Informationen zu kennen Auch wenn Sie gerade erst anfangen) Algorithmic Trading amp DMA Barry Johnson (Shed Licht auf Banken Ausfuhrung Algorithmen. Dies ist nicht direkt anwendbar Ihre Algo Handel, aber es ist gut zu wissen) The Quants Scott Patterson (Kriegsgeschichten von einigen Top-Quants Als ein Schlafenszeit lesen) Quantopian (Code, Forschung und diskutieren Ideen mit der Gemeinschaft.) Verwendet Python) Grundlagen der Algo Trading AlgoTrading101 (Disclaimer: Ich besitze diese sitecourse. Lernen Sie Roboterentwurfstheorien, Markttheorien und Kodierung. Verwendet MQL4) - Join the challenge (Learn Trading-Konzepte und Backtesting-Theorien. Sie haben vor kurzem ihre eigene Backtesting-und Handelsplattform entwickelt, so dass dieser Teil ist noch neu fur mich. Aber ihre Wissensbasis auf Trading-Konzepte sind gut.) Empfohlene BlogsForums (diese umfasst Finanzierung , Handels - und Algo-Handelsforen): Empfohlene Programmiersprachen: Wenn Sie wissen, welche Produkte Sie handeln mochten, finden Sie geeignete Handelsplattformen fur diese Produkte. Dann lernen Sie die Programmiersprache API dieser Plattformbacktester. Wenn Sie anfangen, wurde ich Quantopian (nur Aktien), Quantconnect (Aktien und FX) oder Metatrader 4 (FX und CFDs auf Aktienindizes, Aktien und Rohstoffe) empfehlen. Die verwendeten Programmiersprachen sind Python, C und MQL4. 15k Views middot View Upvotes middot Nicht fur die Reproduktion Ich habe einen Hintergrund als Programmierer und Einrichtung Agilescrum-Teams, bevor ich begann, bei algorithmischen Handel zu suchen. Die Welt des algorithmischen Handels fasziniert mich, aber es kann ein wenig uberwaltigend sein. Ich begann, etwas Perspektive zu bekommen, indem ich in die Quantopian-Plattform tauchte, die Quant-Vortragsreihe beobachtete und meine und angepassten gemeinschaftlichen Algo-Handelssysteme in ihrer Umgebung verwaltete. Wie die unten: Ich habe dann erkannt, um schneller zu kommen, ich muss Leute treffen, die gerne Strategien entwickeln, aber nicht programmieren konnen - um mich als agile Team-Manager und Programmierer von Handelssystemen anzupassen. So schrieb ich ein Buch, wie man ein Team zur Umsetzung Ihrer Handelsalgorithmen zu schaffen. Building Trading Systems Der agile Weg: Wie man gewinnt Algorithmic Trading Systems als Team zu bauen. In der Gemeinschaft von Quantopian sah ich finanziell versierte Menschen auf der Suche nach Menschen, ihre Trading-Strategien zu implementieren, aber wo Angst, um Programmierer zu bitten, ihre Ideen umzusetzen. Da sie potenziell starten konnen, ihre Trading-Ideen ohne sie laufen. Ich beziehe dieses Thema in meinem Buch. Um zu vermeiden, dass Programmierer mit Ihren Ideen weglaufen: Erstellen Sie eine Spezifikation fur Ihre Trading-Idee, die ein Coding-Framework verwendet, das auf die Art der Strategie zugeschnitten ist, die Sie entwickeln mochten. Dies konnte schwierig klingen, aber wenn Sie wissen, alle Baby-Schritte und wie sie zusammen passen, ist es ziemlich einfach und Spa? zu verwalten Wenn Sie diese Antwort genossen, bitte abstimmen und folgen. 1.9k Views middot View Upvotes middot Nicht fur die Reproduktion Obwohl dies ein sehr breites Thema mit Verweise auf Gebaude-Algorithmen, Einstellung Infrastruktur, Asset Allocation und Risikomanagement, aber ich werde nur auf den ersten Teil der Arbeit auf den Bau unseres eigenen Algorithmus konzentrieren , Und das Richtige tun. 1. Aufbau der Strategie. Einige der wichtigsten Punkte, die hier zu beachten sind: Catch Big Trends - eine gute Strategie muss in allen Fallen, Geld verdienen, wenn der Markt trends. Markte gehen mit einem guten Trend, der nur 15-20 der Zeit dauert, aber dies ist die Zeit, wenn alle Katzen und Hunde (Handler aus allen Zeitrahmen, intraday, taglich, wochentlich, langfristig) sind einkaufen und sie alle Haben ein gemeinsames Thema. Viele Handler bauen auch mittlere Reversionsstrategien, in denen sie versuchen, die Bedingungen zu beurteilen, wenn der Preis weit von dem Mittelwert entfernt ist, und nehmen einen Handel gegen den Trend, aber sie sollten gebaut werden, wenn Sie erfolgreich gebaut haben und gehandelt einige gute Tendenz nach Systemen . Chancen zu stapeln - Die Menschen arbeiten oft auf den Versuch, ein System, das eine ausgezeichnete Winloss-Verhaltnis hat, aber that039s nicht der richtige Ansatz zu bauen. Zum Beispiel ein Algo mit einem Sieger von 70 mit einem durchschnittlichen Gewinn von 100 pro Handel und einem durchschnittlichen Verlust von 200 pro Handel wird nur 100 pro 10 Trades (10trade net). Aber ein Algo mit einem Sieger von 30 mit einem durchschnittlichen Gewinn von 500 pro Handel und Verlust von 100 pro Handel wird einen Nettogewinn von 800 fur 10 Trades (80trade) zu machen. So ist es nicht notwendig, dass Winloss Verhaltnis gut sein sollte, eher es039s die Chancen zu stapeln, die besser sein sollte. Dies geht durch die Aussage quitKeep Verluste klein, aber lassen Sie Ihre Gewinner runquot. Wenn Sie investieren, ist was bequem ist selten profitable. quot - Robert Arnott Drawdown - Drawdown ist unvermeidlich, wenn Sie jede Art von Strategie folgen. So wahrend der Gestaltung eines algo don039t versuchen, den Drawdown zu reduzieren oder einige spezielle benutzerdefinierte Zustand zu kummern, dass Drawdown zu nehmen. Diese spezifische Bedingung kann in Zukunft als eine Stra?ensperre beim Fangen einer gro?en Tendenz fungieren und Ihr algo kann schlecht durchfuhren. Risikomanagement - Beim Aufbau einer Strategie sollten Sie immer ein Ausfahrtstor haben, unabhangig vom Markt. Der Markt ist ein Ort der Chancen und Sie mussen ein Algo Design, um Sie aus einem Handel so schnell wie moglich, wenn es doesn039t passen Ihre Risiko-Appetit. Normalerweise wird es argumentiert, dass Sie 1-2 von Kapital in jedem Handel riskieren mussen und ist in einer Vielzahl von Moglichkeiten optimal, wie auch wenn Sie arnd 10 falschen Handel in Folge erhalten Ihr Kapital wird nur um 20 zu sinken. Aber das ist nicht die Fall in tatsachlichen Marktszenario. Einige verlierende Trades werden zwischen 0 und 1 liegen, wahrend manche auf 3-4 gehen konnen. Daher ist es besser, das durchschnittliche Verlustkapital pro Trade und das maximale Kapital, das man in einem Trade verlieren kann, zu definieren, da die Markte vollig zufallig sind und nicht beurteilt werden konnen . Egal, einmal in eine Weile, der Markt tut etwas so dumm es nimmt Ihren Atem weg. quot - Jim Cramer 2. Testing und Optimierung einer Strategie Slippage. Wenn wir eine Strategie auf historische Daten testen, gehen wir davon aus, dass die Bestellung zu dem von dem Algo angekundigten vordefinierten Preis ausgefuhrt wird. Aber das wird nie der Fall sein, da wir mit Market Maker und HFT Algo039s jetzt zu tun haben. Ihre Bestellung in today039s Welt wird nie auf den gewunschten Preis ausgefuhrt werden, und es wird Schlupf. Dies muss in die Prufung einbezogen werden. Marktwirkung: Das durch den Algo gehandelte Volumen ist ein weiterer wichtiger Faktor, der bei der Durchfuhrung von Rucktests und der Erhebung historischer Ergebnisse zu berucksichtigen ist. Da das Volumen steigt, werden die Auftrage von algo erhebliche Auswirkungen auf den Markt haben und der durchschnittliche Preis der gefullten Bestellung wird sehr unterschiedlich sein. Ihre Algo produzieren komplette Ergebnisse in tatsachlichen Marktbedingungen, wenn Sie nicht studieren die Lautstarke Dynamik Ihre Algo hat. Optimierung: Die meisten Handler schlagen Sie vor, nicht Kurvenanpassung und uber Optimierung zu tun und sie sind korrekt, da die Markte eine Funktion der gelegentlichen Variablen sind und keine zwei Situation wird immer die selben sein. So optimieren Parameter fur bestimmte Situationen ist eine schlechte Idee. Ich wurde Ihnen empfehlen, fur Zonal Optimization zu gehen. Es ist eine Technik, der ich folgen, kaufen Identifizierungszonen, die ahnliche Merkmale in Bezug auf die Volatilitat und Volumen haben. Optimieren Sie diese Bereiche separat, anstatt optimieren fur den gesamten Zeitraum. Die oben genannten sind einige der grundlegendsten und wichtigsten Schritte, die ich folgen, bei der Umwandlung eines grundlegenden Gedanken in einen Algorithmus und Uberprufung it039s Gultigkeit. Jeder hat das brainpower, der Borse zu folgen. Wenn Sie es durch funfte Klasse Mathematik gemacht haben, konnen Sie es tun. Peter Lynch 16.4k Aufrufe middot Ansicht Upvotes middot Nicht fur Fortpflanzung Um mit den Grundlagen zu beginnen, erhalten Sie einen Halt von Amibroker (AmiBroker - Download). Amibroker hat eine leicht zu erlernende Sprache und leistungsstarke Backtest-Engine, wo Sie Prototypen Ihre Ideen. Auch bekommen Howard Bandy 039s Buch Quantitative Trading Systems. Dieses Buch ist eine wirklich gute Einfuhrung in die Konzepte der Quantentwicklung. Sie mussen auch mindestens ein grundlegendes Wissen der Statistik. Es gibt viele gute MOOC-Kurse fur diese kostenlos. Wie diese Statistik One - Princeton University Coursera It039s auch wert folgende The Whole Street. Die ein Mashup aller gro?en Blogs ist, von denen viele den Amibroker-Code mit ihren Ideen veroffentlichen. Von dort, it039s dann lohnt es sich Python (lernen python - Google Suche), und auch dabei Andrew Ng039s ausgezeichneten Stanford University Machine Learning-Kurs, der kostenlos lauft auf Coursera. Wenn Sie dann Ihre eigenen Algorithmen zum Test setzen mochten, sind gute Aufstellungsorte dafur Quantconnect oder Quantopian. Schlie?lich hat dieser Kerl einige gute Ratschlage, um es in Ihre Karriere Quantstart Viel Gluck mit der Reise Teilweise aus Alan Clement039s Antwort auf Wie kann ein Software-Entwickler in der Finanzen ein Quant-Entwickler werden 15.9k Views middot Ansicht Upvotes middot Nicht fur die Reproduktion Was ist Ihre Rezension von Algorithmic Trading Was Broker kann ich verwenden, um Papier-Handel mit meinem Algorithmus kostenlos starten Wie kann ich starten ein algorithmisches Handelsunternehmen Sollte ich ein algorithmisches Handelssystem mit Julia oder Scala Wie kann ich eine algorithmische Handel Mentor Wie kann ich bauen Ein Order-Routing-System fur eine algorithmische Handelsplattform Wie kann der Handel Algorithmen arbeiten Kann eine einzelne Person tatsachlich profitabel in der algorithmischen Handel engagieren Ich habe ein solides Verstandnis der stocksderivatives amp haben Python-Fahigkeiten. Ich mochte ein automatisiertes algorithmisches Handelssystem entwickeln. Wo starte ich Is Minance basierend auf algorithmischen Handel