أفضل استراتيجية التداول المنهجي

أفضل استراتيجية تداول منهجية
أفضل عشر طرق تداول منهجية.
أفضل عشر طرق تداول منهجية.
مايكل R. براينت.
أساليب التداول المنهجية هي أساس أنظمة التداول واستراتيجيات التداول الآلي. وهي تتكون من مؤشرات فنية أو أساليب رياضية أخرى تستخدم لتوليد إشارات شراء وبيع موضوعية في الأسواق المالية. بعض من الأساليب الأكثر شعبية كانت قيد الاستخدام منذ ظهور أجهزة الكمبيوتر، في حين أن أساليب أخرى هي أكثر حداثة. تسرد هذه المقالة عشرة من الأساليب المنهجية الأكثر شعبية الموجودة في أنظمة التداول.
تحريك متوسط ​​عمليات الانتقال. قد تكون أنظمة التداول القائمة على تقاطع متوسطين متحركين بأطوال مختلفة الأسلوب التجاري الأكثر شيوعا. وتشمل هذه الطريقة أيضا متوسطات الانتقال الثلاثية المتحركة، وكذلك مؤشر التباعد المتوسط ​​المتحرك (ماسد)، وهو الفرق بين متوسطين متحركين أسيين. ويمكن حساب المتوسطات المتحركة نفسها بطرق متنوعة، مثل الأساليب البسيطة والأسية والمرجحة وما إلى ذلك.
انقطاع القناة. في هذه الطريقة، يتم تعريف قناة السعر بأعلى وأدنى مستوى منخفض على بعض الأعداد السابقة من الأشرطة. يشار إلى التجارة عندما ينفجر السوق فوق القناة أو أسفلها. ويعرف هذا أيضا باسم قناة دونشيان، التي تستخدم تقليديا طول النظر إلى الوراء من 20 يوما. كان نظام "السلاحف" الشهير على أساس انقطاع القناة.
تقلبات التذبذب. هذه هي مماثلة في بعض النواحي لكسر القناة إلا أنه بدلا من استخدام أعلى أعلى وأدنى مستوى منخفض، ويستند الاختراق على ما يسمى التقلب. وعادة ما يمثل التقلب متوسط ​​المدى الحقيقي (أتر)، الذي هو في الأساس متوسط ​​نطاقات الأشرطة، معدلة لفجوات الافتتاح، على بعض عدد الماضي من الحانات. يتم إضافة أتر إلى أو طرحه من سعر الشريط الحالي لتحديد سعر الاختراق.
الدعم / المقاومة. وتستند هذه الطريقة إلى فكرة أنه إذا كان السوق دون مستوى المقاومة، فسيواجه صعوبة في تجاوز هذا السعر، في حين أنه إذا كان فوق مستوى الدعم، فستجد صعوبة في الانخفاض دون هذا السعر. ويعتبر ذلك مهما عندما يكسر السوق مستوى الدعم أو المقاومة. أيضا، عندما كسر السوق من خلال مستوى المقاومة، وهذا السعر يصبح مستوى الدعم الجديد. وبالمثل، عندما ينخفض ​​السوق من خلال مستوى الدعم، يصبح هذا السعر مستوى المقاومة الجديد. وتستند مستويات الدعم والمقاومة عادة إلى أسعار حديثة وكبيرة، مثل الارتفاع والهبوط في الآونة الأخيرة أو نقاط الانعكاس.
المذبذبات والدورات. مؤشرات التذبذب هي المؤشرات الفنية التي تتحرك ضمن نطاق مجموعة، مثل صفر إلى 100، وتمثل مدى السوق في ذروة الشراء أو ذروة البيع. وتشمل مؤشرات التذبذب النموذجية ستوشاستيكش و ويليامز٪ R ومعدل التغير (روك) ومؤشر القوة النسبية (رسي). كما أن مؤشرات التذبذب تكشف عن الطبيعة الدورية للأسواق. ويمكن أيضا إيجاد طرق أكثر مباشرة لتحليل الدورة، مثل حساب طول الدورة المهيمنة. ويمكن استخدام طول الدورة كمدخل للمؤشرات الأخرى أو كجزء من طريقة التنبؤ بالأسعار.
أنماط الأسعار. يمكن أن يكون نمط السعر بسيطا مثل سعر إغلاق أعلى أو معقد مثل نمط الرأس والكتفين. وقد كتب العديد من الكتب على استخدام أنماط الأسعار في التداول. موضوع عصي الشموع اليابانية هو في الأساس وسيلة لتصنيف أنماط الأسعار المختلفة وربطها بسلوك السوق.
مظاريف السعر. في هذه الطريقة، يتم بناء العصابات فوق وأسفل السوق بحيث يبقى السوق عادة داخل النطاقات. وربما تكون نطاقات البولينجر التي تحسب عرض المغلف من الانحراف المعياري للسعر هي أكثر أنواع المغلفات استخداما. يتم إنشاء إشارات التداول عادة عندما يلمس السوق أو يمر إما من خلال النطاق العلوي أو السفلي.
الوقت من اليوم / يوم لمدة أسبوع. طرق التداول المستندة إلى الوقت، والتي تعتمد إما على الوقت من اليوم أو يوم من الأسبوع، هي شائعة جدا. نظام تداول معروف للعقود الآجلة S & أمب؛ P 500 اشترى على فتح يوم الاثنين وخرج على الإغلاق. واستفادت من اتجاه السوق في ذلك الوقت للتداول حتى يوم الاثنين. وتقيد المناهج المنهجية الأخرى الصفقات في أوقات معينة من اليوم تميل إلى تفضيل أنماط معينة، مثل الاتجاهات أو الانتكاسات أو السيولة العالية.
الصوت. وتستند العديد من أساليب التداول المنهجية فقط على الأسعار (مفتوحة، عالية، منخفضة وإغلاق). ومع ذلك، حجم هو واحد من المكونات الأساسية لبيانات السوق. وعلى هذا النحو، فإن الأساليب القائمة على الحجم، وإن كانت أقل شيوعا من الطرق القائمة على الأسعار، جديرة بالملاحظة. في كثير من الأحيان، التجار استخدام حجم لتأكيد أو التحقق من صحة تحرك السوق. بعض من الأساليب المنهجية الأكثر شيوعا على أساس حجم هي المؤشرات على أساس حجم، مثل على حجم الميزان (أوب)، وخط التراكم / التوزيع، ومذبذب شايكن.
التوقع. يستخدم التنبؤ بالسوق أساليب رياضية للتنبؤ بسعر السوق في وقت ما في المستقبل. التنبؤ يختلف نوعيا عن الطرق المذكورة أعلاه، والتي تهدف إلى تحديد اتجاهات السوق التجارية أو أنماط. وعلى النقيض من ذلك، فإن نظام التداول القائم على التنبؤ قد يشتري، على سبيل المثال، السوق اليوم إذا كانت التوقعات هي أن يكون السوق أعلى من أسبوع من اليوم.
يرجى أن تضع في اعتبارك أن هذه القائمة تستند إلى شعبية، والتي ليست بالضرورة نفس الربحية. فالنظم التجارية الناجحة غالبا ما تستخدم مجموعة من الطرق وغالبا بطرق غير تقليدية. أيضا، فمن الممكن أن طرق أخرى أقل شعبية قد تكون أكثر ربحية في بعض الحالات.
إذا كنت ترغب في أن تكون على علم بالتطورات الجديدة، والأخبار، والعروض الخاصة من أدابتريد البرمجيات، يرجى الانضمام إلى قائمة البريد الإلكتروني لدينا. شكرا لكم.
حقوق الطبع والنشر © 2004-2018 أدابتريد البرمجيات. كل الحقوق محفوظة.

أساسيات التداول الخوارزمي: المفاهيم والأمثلة.
الخوارزمية هي مجموعة محددة من التعليمات المحددة بوضوح تهدف إلى تنفيذ مهمة أو عملية.
التداول الحسابي (التداول الآلي، التداول في الصندوق الأسود، أو ببساطة التداول ألغو) هو عملية استخدام أجهزة الكمبيوتر المبرمجة لمتابعة مجموعة محددة من التعليمات لوضع التجارة من أجل توليد الأرباح بسرعة وتردد يستحيل على تاجر الإنسان. وتستند مجموعات القواعد المحددة إلى التوقيت أو السعر أو الكمية أو أي نموذج رياضي. وبصرف النظر عن فرص الربح للتاجر، ألغو التداول يجعل الأسواق أكثر سيولة ويجعل التداول أكثر منهجية من خلال استبعاد الآثار البشرية العاطفية على الأنشطة التجارية. (لمزيد من المعلومات، اطلع على اختيار برامج التداول الخوارزمية الصحيحة.)
لنفترض أن المتداول يتبع هذه المعايير التجارية البسيطة:
شراء 50 سهم من الأسهم عندما يكون المتوسط ​​المتحرك لمدة 50 يوما فوق المتوسط ​​المتحرك ل 200 يوم بيع أسهم السهم عندما يقل المتوسط ​​المتحرك ل 50 يوم عن المتوسط ​​المتحرك ل 200 يوم.
وباستخدام هذه المجموعة من تعليمين بسيطين، من السهل كتابة برنامج حاسوبي يقوم برصد سعر السهم تلقائيا (ومؤشرات المتوسط ​​المتحرك) ووضع أوامر الشراء والبيع عند استيفاء الشروط المحددة. التاجر لم يعد يحتاج إلى الحفاظ على مشاهدة للأسعار الحية والرسوم البيانية، أو وضعت في أوامر يدويا. نظام التداول الخوارزمية تلقائيا يفعل ذلك بالنسبة له، عن طريق تحديد بشكل صحيح فرصة التداول. (لمزيد من المعلومات عن المتوسطات المتحركة، اطلع على المتوسطات المتحركة البسيطة التي تجعل المؤشرات تتوقف.)
[إذا كنت ترغب في معرفة المزيد عن ثبت وإلى الاستراتيجيات نقطة التي يمكن في نهاية المطاف أن يعمل في نظام التداول حسابي، تحقق من إنفستوبيديا أكاديمية تصبح دورة اليوم التاجر. ]
فوائد التداول الخوارزمية.
ألغو التداول يوفر الفوائد التالية:
الصفقات التي يتم تنفيذها بأفضل الأسعار الممكنة وضع أمر تجاري فوري ودقيق (وبالتالي فرص عالية للتنفيذ على المستويات المطلوبة) توقيت الصفقات بشكل صحيح وعلى الفور، لتجنب التغيرات الكبيرة في الأسعار خفض تكاليف المعاملات (انظر مثال على نقص التنفيذ أدناه) الشيكات التلقائية في وقت واحد على عدة ظروف السوق تقليل مخاطر الأخطاء اليدوية في وضع الصفقات باكتست الخوارزمية، استنادا إلى البيانات المتاحة الوقت الحقيقي والحقيقي انخفاض احتمال الأخطاء من قبل التجار البشري على أساس العوامل العاطفية والنفسية.
إن الجزء الأكبر من التداول في الوقت الحالي هو تداول عالي التردد (هفت)، والذي يحاول الاستفادة من وضع عدد كبير من الطلبات بسرعة عالية جدا عبر أسواق متعددة ومعلمات قرار متعددة، استنادا إلى تعليمات مبرمجة مسبقا. (لمزيد من المعلومات حول التداول عالي التردد، راجع استراتيجيات وأسرار شركات التداول عالي التردد).
يستخدم ألغو-ترادينغ في العديد من أشكال الأنشطة التجارية والاستثمارية، بما في ذلك:
المستثمرون على المدى المتوسط ​​إلى الطويل أو شركات شراء (صناديق المعاشات التقاعدية وصناديق الاستثمار وشركات التأمين) الذين يشترون في الأسهم بكميات كبيرة ولكنهم لا يريدون التأثير على أسعار الأسهم مع استثمارات منفصلة وكبيرة الحجم. ويستفيد المتداولون على المدى القصير والمشتركون من جانب البيع (صناع السوق والمضاربون والمراجحون) من تنفيذ التجارة الآلي؛ بالإضافة إلى ذلك، المساعدات التجارية ألغو في خلق السيولة الكافية للبائعين في السوق. التجار المنتظمين (أتباع الاتجاه، أزواج التجار، صناديق التحوط، الخ) تجد أنها أكثر كفاءة بكثير لبرمجة قواعد التداول الخاصة بهم والسماح للتجارة البرنامج تلقائيا.
يوفر التداول الخوارزمي نهجا أكثر انتظاما للتداول النشط من الطرق القائمة على الحدس أو الغريزة للتاجر البشري.
استراتيجيات التداول الخوارزمية.
وتتطلب أي استراتيجية للتداول الخوارزمي فرصة محددة تكون مربحة من حيث تحسين الأرباح أو خفض التكاليف. وفيما يلي استراتيجيات التداول الشائعة المستخدمة في تجارة ألغو:
استراتيجيات التداول الأكثر خوارزمية تتبع الاتجاهات في المتوسطات المتحركة، هروب القناة، حركات مستوى الأسعار والمؤشرات الفنية ذات الصلة. هذه هي أسهل وأبسط الاستراتيجيات لتنفيذ من خلال التداول الحسابي لأن هذه الاستراتيجيات لا تنطوي على اتخاذ أي توقعات أو توقعات الأسعار. وتبدأ الصفقات على أساس حدوث الاتجاهات المستصوبة، التي تكون سهلة ومباشرة لتنفيذها من خلال الخوارزميات دون الدخول في تعقيد التحليل التنبئي. المثال المذكور أعلاه للمتوسط ​​المتحرك 50 و 200 يوم هو الاتجاه الشعبي التالي استراتيجية. (لمزيد من المعلومات حول استراتيجيات التداول الاتجاه، انظر: استراتيجيات بسيطة للاستفادة من الاتجاهات.)
شراء الأسهم المدرجة المزدوجة بسعر أقل في سوق واحدة وبيعها في وقت واحد بسعر أعلى في سوق أخرى تقدم فرق السعر كما الربح خالية من المخاطر أو المراجحة. ويمكن تكرار نفس العملية بالنسبة للأسهم مقابل أدوات العقود الآجلة، حيث أن فروق الأسعار موجودة من وقت لآخر. تطبيق خوارزمية لتحديد مثل هذه الفروق السعرية ووضع أوامر يسمح فرص مربحة بطريقة فعالة.
وقد حددت صناديق المؤشرات فترات من إعادة التوازن لجعل حيازاتها متساوية مع مؤشراتها المرجعية. وهذا يخلق فرصا مربحة للمتداولين الخوارزميين الذين يستفيدون من الصفقات المتوقعة التي تقدم أرباح تتراوح بين 20 و 80 نقطة أساس اعتمادا على عدد الأسهم في صندوق المؤشرات، قبيل إعادة التوازن في مؤشر المؤشرات. يتم بدء هذه الصفقات عن طريق أنظمة التداول الحسابية للتنفيذ في الوقت المناسب وأفضل الأسعار.
وهناك الكثير من النماذج الرياضية المثبتة، مثل استراتيجية التداول دلتا المحايدة، والتي تسمح التداول على مجموعة من الخيارات والأمن الكامنة فيها، حيث يتم وضع الصفقات لتعويض الدلتا الإيجابية والسلبية بحيث يتم الحفاظ على دلتا محفظة في الصفر.
وتستند استراتيجية معدل العائد على فكرة أن الأسعار المرتفعة والمنخفضة للأصل هي ظاهرة مؤقتة تعود إلى قيمتها المتوسطة بشكل دوري. تحديد وتحديد النطاق السعري وتطبيق الخوارزمية بناء على ما يسمح بتداول الصفقات تلقائيا عندما يكسر سعر الأصول من نطاقه المحدد والخروج منه.
استراتيجية السعر المتوسط ​​المرجح لحجم الأسهم تفصل أمر كبير وتنشر قطع أصغر حجما من الترتيب إلى السوق باستخدام ملفات تعريف حجم المخزون التاريخية المحددة. والهدف من ذلك هو تنفيذ الأمر بالقرب من متوسط ​​السعر المرجح (فواب)، وبالتالي الاستفادة من متوسط ​​السعر.
وتؤدي استراتيجية متوسط ​​السعر المرجح للوقت إلى تفكيك أمر كبير وتنشر قطع أصغر حجما من النظام إلى السوق باستخدام فترات زمنية مقسمة بالتساوي بين بداية ونهاية الوقت. والهدف من ذلك هو تنفيذ أمر قريب من متوسط ​​السعر بين بداية ونهاية الوقت، وبالتالي تقليل تأثير السوق.
حتى يتم ملء النظام التجاري بالكامل، تستمر هذه الخوارزمية في إرسال أوامر جزئية، وفقا لنسبة المشاركة المحددة وحسب حجم التداول في الأسواق. وترسل "ستيبس ستراتيغي" ذات الصلة الطلبات بناء على النسبة المئوية المحددة من قبل المستخدم من أحجام السوق وتزيد أو تنقص من معدل المشاركة هذا عندما يصل سعر السهم إلى مستويات معرفة من قبل المستخدم.
وتهدف استراتيجية العجز في التنفيذ إلى التقليل من تكلفة تنفيذ أمر الشراء عن طريق التداول في السوق في الوقت الحقيقي، وبالتالي توفير تكلفة الطلب والاستفادة من تكلفة الفرصة البديلة للتأخير في التنفيذ. وستؤدي الاستراتيجية إلى زيادة معدل المشاركة المستهدف عندما يتحرك سعر السهم إيجابيا ويقلله عندما يتحرك سعر السهم سلبا.
هناك عدد قليل من فئات خاصة من الخوارزميات التي تحاول التعرف على "الأحداث" على الجانب الآخر. هذه "خوارزميات الاستنشاق"، المستخدمة، على سبيل المثال، من قبل صانع السوق الجانب بيع لديها المخابرات في الداخل لتحديد وجود أي خوارزميات على الجانب شراء من أجل كبير. هذا الكشف من خلال خوارزميات سوف يساعد صانع السوق تحديد فرص النظام كبيرة وتمكنه من الاستفادة من خلال ملء أوامر بسعر أعلى. يتم تحديد هذا في بعض الأحيان على أنها التكنولوجيا الفائقة الأمامية. (لمزيد من المعلومات حول التداول عالي التردد والممارسات الاحتيالية، راجع: إذا اشتريت الأسهم عبر الإنترنت، فأنت تشارك في هفت.)
المتطلبات الفنية للتجارة الخوارزمية.
تنفيذ الخوارزمية باستخدام برنامج الكمبيوتر هو الجزء الأخير، نادب مع باكتستينغ. ويتمثل التحدي في تحويل الاستراتيجية التي تم تحديدها إلى عملية محوسبة متكاملة لها إمكانية الوصول إلى حساب تداول لوضع الأوامر. ويلزم ما يلي:
المعرفة البرمجة الحاسوبية لبرمجة استراتيجية التداول المطلوبة والمبرمجين استأجرت أو برامج التداول مسبقة الصنع شبكة الاتصال والوصول إلى منصات التداول لوضع أوامر الوصول إلى تغذية البيانات السوق التي سيتم رصدها من قبل خوارزمية للحصول على فرص لوضع أوامر القدرة والبنية التحتية من أجل إعادة النظر في النظام الذي تم بناؤه قبل بدء تشغيله في الأسواق الحقيقية. توفر البيانات التاريخية للاختبار المسبق، تبعا لتعقيد القواعد المطبقة في الخوارزمية.
وفيما يلي مثال شامل: رويال داتش شل (رديز) مدرج في بورصة أمستردام (إكس) وبورصة لندن (لس). دعونا نبني خوارزمية لتحديد فرص المراجحة. وفيما يلي بعض الملاحظات المثيرة للاهتمام:
تداول الفوركس باليورو، في حين يتداول سوق لندن للأوراق المالية بالجنيه الإسترليني بسبب فارق التوقيت لمدة ساعة واحدة، يفتح إكس قبل ساعة من بورصة لندن، يليه التداولان في وقت واحد للساعات القليلة القادمة ثم يتداولان فقط في بورصة لندن خلال الساعة الأخيرة عند إغلاق إكس .
هل يمكننا أن نستكشف إمكانية التداول بالمراجحة على أسهم شركة رويال داتش شل المدرجة في هذين السوقين بعملتين مختلفتين؟
برنامج حاسوبي يمكنه قراءة أسعار السوق الحالية السعر يغذي من كل من لس و إكس إكس تغذية سعر صرف الفوركس مقابل سعر صرف غبب-ور القدرة على وضع الأمر الذي يمكن أن توجه النظام إلى الصرف الصحيح القدرة على الاختبار السابق على الأعلاف السعر التاريخية.
يجب أن يقوم برنامج الكمبيوتر بما يلي:
قراءة تغذية الأسعار الواردة من أسهم رديز من كلا التبادل باستخدام أسعار الصرف الأجنبي المتاحة، وتحويل سعر عملة واحدة إلى أخرى إذا كان هناك اختلاف كبير بما فيه الكفاية السعر (خصم تكاليف الوساطة) مما يؤدي إلى فرصة مربحة، ثم وضع شراء ترتيب على سعر صرف أقل وبيع النظام على ارتفاع سعر الصرف إذا تم تنفيذ أوامر كما هو مطلوب، فإن الأرباح التحكيم تتبع.
بسيطة وسهلة! ومع ذلك، فإن ممارسة التداول الخوارزمية ليست بهذه البساطة للحفاظ على وتنفيذ. تذكر، إذا كنت يمكن أن تضع التجارة ألغو ولدت، لذلك يمكن للمشاركين في السوق الأخرى. وبالتالي، تتقلب الأسعار في الملي ثانية وحتى الميكروثانية. في المثال أعلاه، ماذا يحدث إذا تم تنفيذ صفقة الشراء، ولكن تجارة البيع لا تتغير مع تغير أسعار البيع في الوقت الذي يصل فيه طلبك إلى السوق؟ سوف ينتهي بك الأمر يجلس مع موقف مفتوح، مما يجعل استراتيجية المراجحة الخاص بك لا قيمة له.
هناك مخاطر وتحديات إضافية: على سبيل المثال، مخاطر فشل النظام، وأخطاء الاتصال بالشبكة، والفترات الزمنية بين أوامر التجارة والتنفيذ، والأهم من ذلك كله، الخوارزميات الناقصة. وكلما كانت الخوارزمية الأكثر تعقيدا، فإن الأمر يحتاج إلى مزيد من الاختبار المسبق الأكثر صرامة قبل وضعها موضع التنفيذ.
الخط السفلي.
التحليل الكمي لأداء الخوارزمية يلعب دورا هاما ويجب دراسته بشكل نقدي. انها مثيرة للذهاب لأتمتة بمساعدة أجهزة الكمبيوتر مع فكرة لكسب المال دون عناء. ولكن يجب على المرء أن يتأكد من أن النظام يتم اختبارها بشكل كامل ويحدد الحدود المطلوبة. يجب على التجار التحليليين النظر في تعلم البرمجة ونظم البناء من تلقاء نفسها، ليكونوا واثقين من تنفيذ الاستراتيجيات الصحيحة بطريقة مضمونة. استخدام الحذر واختبار شامل من ألغو التداول يمكن أن تخلق فرص مربحة. (لمزيد من المعلومات، راجع كيفية كتابة روبوت ألغو التجاري الخاص بك.)

نهج منهجي لوضع استراتيجيات التداول.
في الجزء الأول والجزء الثاني من دليل المبتدئين لتطوير نظام التداول، تحدثنا عن المهارات اللازمة وكيفية التعامل مع نظام التداول. قلنا أن نظام التداول الآلي يتكون من عدة عناصر. عليك أن تقرر أي الأسواق التي تريد التجارة، وتحديد ورمز منطق التداول، حساب تكاليف التداول وتحسين عن طريق باكتستينغ (ولكن ليس الزائد).
هنا، نتحدث تحديدا عن عملية تحديد منطق التداول ووضع استراتيجية. وستكون الاستراتيجية لحوم نظام التداول الخاص بك.
الهدف النهائي لاستراتيجية التداول هو إعطاءك إجراء التداول النهائي - شراء أو بيع كمية معينة من الأصول التجارية قادرة. ولكن هناك عملية منظمة تؤدي إلى تحقيق هذا الهدف النهائي. من الناحية المثالية، يجب أن تحدد إستراتيجية التداول ما يلي:
ديركتيون: تحديد ما إذا كان أحد الأصول رخيصا أو مكلفا أو قيمة عادلة دخول التجارة: نظرا لأن الأصول رخيصة / مكلفة، تقرر ما إذا كانت ترغب في شراء / بيع هذا الأصل خروج التجارة: بالنظر إلى أن الأصل هو سعر عادل وإذا كنا نحمل (شراء أو بيعه في وقت سابق)، قرر ما إذا كان يريد الخروج من هذا الموقع برايس رانج: تحديد السعر (أو النطاق السعري) الذي يريد أن يجعل هذه التجارة في كوانتيتي: كمية رأس المال (عدد الأسهم من الأسهم على سبيل المثال) أنها تريد التجارة.
هذا تعطيك العمل التداول النهائي، على سبيل المثال: شراء X عدد أسهم شركة Y في أدناه Z السعر، أن كنت إرسالها إلى وسيط الخاص بك.
أثناء التفكير في تصميم استراتيجية التداول، أجد المخطط الانسيابي التالي مفيدا.
دعونا نحلل ما يحدث هنا بالتفصيل:
لدينا بيانات السعر في الوقت الحقيقي لأوراق مالية متعددة (وهذا يمكن أن يأتي من وسيط أو بائع بيانات أو خادم مشترك في الموقع) تغذية في نظامنا ديركتيون - يتم تحليل هذه البيانات تغذية من قبل نموذج التنبؤ لدينا، والذي يستخدم الحالي وكذلك التاريخية البيانات للتنبؤ بالقيمة العادلة للأوراق المالية باستخدام منطق ما قبل التعلم. قد يختلف التنبؤ الفعلي بناء على كيفية إنشاء النموذج. على سبيل المثال، بدلا من التنبؤ بالقيمة العادلة، يمكنك التنبؤ باحتمال أن يرتفع السعر (أو هبوطا) دخول / خروج التجارة - يتغذى التنبؤ السابق إلى منطق إشارة التداول، الذي يقرر ما إذا كنا نريد أن نجعل التجارة. هذا مهم جدا. حتى إذا كان أحد الأصول رخيصا، قد لا ترغب في شرائه بالضرورة. على سبيل المثال، قد تكون القيمة العادلة للسهم 100 روبية، ويتم تداوله حاليا بسعر 99 روبية (تتوقع أن يعود السعر إلى 100 روبية)، ولكن قد يكون التغير في أسعار الأسهم (الانحراف المعياري) مؤخرا 10 روبية قد ترغب في الانتظار لنقطة دخول أفضل. أو قد تكون تكلفة التجارة ري 1، مما يترك لك أي ربح إذا كنت تشتري في روبية 99. أو قد تكون بالفعل في الحد الأقصى للموقف الخاص بك. هذا الجزء من المنطق يحدد أي الصفقات لجعل وما هو سعر التداول في (برايس رانج) كوانتيتي: الآن أنت تعرف ما التجارة لجعل، عليك أن تقرر كم من الأموال لتخصيص لتلك التجارة. والمنطق هنا يختلف كثيرا من استراتيجية إلى استراتيجية. عادة، كنت لا تريد أن تدخل (أو الخروج) في التجارة في كل مرة. قد ترغب في إدخال صفقة في قطع صغيرة لتجنب الخسائر من قرار سيء أو التجارة بأفضل الأسعار أو لتجنب التأثير على السوق كثيرا. في المثال السابق، يمكنك شراء كمية صغيرة من الأسهم في 99، ثم الانتظار حتى يذهب السعر إلى 98 وشراء بعض أكثر وهلم جرا. كما يؤثر هذا الموقف على مقدار الموقف الذي تمتلكه بالفعل والأموال المتاحة للتجارة. إذا كنت تتاجر أصول متعددة، سيكون لديك لاتخاذ قرار كم لتخصيص لكل الأصول أيضا. وأخيرا لدينا النظام الكامل الذي نحن على استعداد لتنفيذ في السوق.
وكان الهدف من هذا المنصب هو المشي لكم من خلال النهج المنهجي لوضع استراتيجية التداول. في الدروس القليلة القادمة سوف نتحدث عن بعض الاستراتيجيات الأساسية مثل معدل العائد والزخم التي سوف تساعدك مع الخطوة 2 و 3 - تحديد الاتجاه والتجارة والأسعار. للحصول على بعض الخبرة العملية، حاول تطوير استراتيجياتك الخاصة باستخدام أدواتنا.
عن طريق التصفيق أكثر أو أقل، يمكنك أن تشير لنا القصص التي تبرز حقا.
فريق أوكوان.
يهدف أوكوان إلى إشراك الناس من خلفيات متنوعة لتطبيق المهارات من مجالات كل منها لتطوير استراتيجيات التداول عالية الجودة. ونحن نعتقد أن الناس الموهوبين للغاية مجهزة المعرفة الصحيحة وموقف يمكن تصميم خوارزميات التداول الناجحة.

QuantStart.
الانضمام إلى كوانتكاديمي بوابة العضوية الخاصة التي تلبي احتياجات التجزئة المتزايد بسرعة المجتمع تاجر الكمي. سوف تجد مجموعة من ذوي الخبرة مثل التفكير من التجار الكميون على استعداد للرد على أسئلة التداول الكمي الأكثر إلحاحا.
تحقق من بلدي يبوك على التداول الكمي حيث أنا يعلمك كيفية بناء مربحة استراتيجيات التداول المنهجي مع أدوات بايثون، من الصفر.
نلقي نظرة على بلدي الكتاب الاليكتروني الجديد على استراتيجيات التداول المتقدمة باستخدام تحليل سلسلة زمنية، والتعلم الآلي والإحصاءات بايزي، مع بيثون و R.
بواسطة مايكل هالز مور في 26 أبريل، 2018.
تستمر هذه المقالة سلسلة من التداول الكمي، والتي بدأت مع دليل المبتدئين وتحديد الاستراتيجية. كل من هذه أطول، وأكثر المواد المشاركة كانت شعبية جدا لذلك سوف تستمر في هذا السياق وتقديم تفاصيل حول موضوع باكتستينغ استراتيجية.
الخوارزمية باكتستينغ يتطلب معرفة العديد من المجالات، بما في ذلك علم النفس، والرياضيات، والإحصاءات، وتطوير البرمجيات والسوق / الصرف المجهرية. لم أكن آمل أن أغطى كل هذه الموضوعات في مقال واحد، لذلك سأقوم بتقسيمها إلى قطعتين أو ثلاث قطع أصغر. ماذا سنناقش في هذا القسم؟ سأبدأ من خلال تحديد باكتستينغ وبعد ذلك سوف تصف أساسيات كيفية القيام بها. ثم سأوضح على التحيزات التي تطرقنا إليها في دليل المبتدئين للتجارة الكمية. بعد ذلك سوف أقدم مقارنة بين مختلف الخيارات المتاحة باكتستينغ البرمجيات.
في المقالات اللاحقة سوف ننظر في تفاصيل تنفيذ الاستراتيجيات التي كثيرا ما تذكر بالكاد أو تجاهلها. وسوف ننظر أيضا في كيفية جعل عملية باكتستينغ أكثر واقعية من خلال تضمين الخصوصيات من التبادل التجاري. ثم سنناقش تكاليف المعاملات وكيفية تصميمها بشكل صحيح في إعداد باكتست. سوف ننتهي بمناقشة حول أداء باكتيستس لدينا وأخيرا تقديم مثال على استراتيجية مشتركة الكميات، والمعروفة باسم التجارة أزواج يعني عادت.
دعونا نبدأ من خلال مناقشة ما باكتستينغ و لماذا علينا أن ننفذها في التداول الخوارزمية لدينا.
ما هو باكتستينغ؟
إن التداول الخوارزمي يقف بعيدا عن أنواع أخرى من فئات الاستثمار لأننا نستطيع أن نقدم بشكل أكثر موثوقية توقعات حول الأداء المستقبلي من الأداء السابق، كنتيجة لتوافر البيانات الوفيرة. وتعرف العملية التي يتم بها هذا الإجراء ب "الاختبار المسبق".
بعبارات بسيطة، يتم تنفيذ باكتستينغ من خلال تعريض خوارزمية استراتيجية معينة لتيار من البيانات المالية التاريخية، الأمر الذي يؤدي إلى مجموعة من إشارات التداول. كل التجارة (والتي سنعني هنا أن تكون "ذهابا وإيابا" من اثنين من الإشارات) سوف يكون لها الربح أو الخسارة المرتبطة بها. إن تراکم ھذه الأرباح / الخسائر علی مدى فترة استراتیجیتك الاستراتیجیة سیؤدي إلی إجمالي الربح والخسارة (المعروف أیضا باسم "P & L" أو "بنل"). هذا هو جوهر الفكرة، على الرغم من أن بالطبع "الشيطان هو دائما في التفاصيل"!
ما هي الأسباب الرئيسية لإعادة اختبار استراتيجية خوارزمية؟
الترشيح - إذا كنت تتذكر من مقال حول تحديد الاستراتيجية، كان هدفنا في مرحلة البحث الأولي لوضع خطة استراتيجية ومن ثم تصفية أي استراتيجية لا تستوفي معايير معينة. تقدم باكتستينغ لنا آلية الترشيح أخرى، كما يمكننا القضاء على الاستراتيجيات التي لا تلبي احتياجات الأداء لدينا. نمذجة - باكتستينغ يسمح لنا (بأمان!) اختبار نماذج جديدة من بعض الظواهر السوق، مثل تكاليف المعاملات، توجيه النظام، الكمون، والسيولة أو قضايا المجهرية السوق الأخرى. التحسين - على الرغم من أن تحسين الاستراتيجية محفوف بالتحيز، إلا أن الاختبار المسبق يسمح لنا بزيادة أداء إستراتيجية عن طريق تعديل كمية أو قيم المعلمات المرتبطة بتلك الإستراتيجية وإعادة حساب أدائها. التحقق - غالبا ما يتم استنباط استراتيجياتنا خارجيا، عبر خط أنابيب الإستراتيجية. إن التحقق من استراتيجية ما يضمن عدم تنفيذه بشكل خاطئ. على الرغم من أننا سوف نادرا ما يكون الوصول إلى الإشارات الناتجة عن استراتيجيات خارجية، ونحن غالبا ما يكون الوصول إلى مقاييس الأداء مثل نسبة شارب وخصائص السحب. وبالتالي يمكننا مقارنتها مع التنفيذ الخاصة بنا.
باكتستينغ يوفر مجموعة من المزايا للتجارب حسابي. ومع ذلك، فإنه ليس من الممكن دائما لإعادة صياغة مباشرة استراتيجية. بشكل عام، مع زيادة وتيرة الاستراتيجية، يصبح من الصعب بشكل صحيح نموذج الآثار المجهرية للسوق والتبادلات. وهذا يؤدي إلى تراجع موثوق به، وبالتالي تقييم أكثر صرامة لاستراتيجية مختارة. هذه مشكلة خاصة حيث يكون نظام التنفيذ هو المفتاح لأداء الاستراتيجية، كما هو الحال مع خوارزميات الترددات العالية.
لسوء الحظ، باكتستينغ محفوفة التحيزات من جميع الأنواع. لقد تناولنا بعض هذه المسائل في مواد سابقة، ولكننا سنناقشها الآن بتعمق.
التحيزات التي تؤثر على باكتيستس الاستراتيجية.
هناك العديد من التحيزات التي يمكن أن تؤثر على أداء استراتيجية باكتستد. ولسوء الحظ، فإن هذه التحيزات تميل إلى تضخيم الأداء بدلا من الانتقاص منه. وبالتالي يجب عليك دائما النظر في الاختبار الخلفي ليكون الحد الأعلى المثالي على الأداء الفعلي للاستراتيجية. يكاد يكون من المستحيل القضاء على التحيزات من التداول الخوارزمية لذلك فمن مهمتنا لتقليلها على أفضل وجه ممكن من أجل اتخاذ قرارات مستنيرة حول استراتيجياتنا الخوارزمية.
هناك أربعة التحيزات الرئيسية التي أود أن مناقشة: التحيز الأمثل، التحيز نظرة إلى الأمام، التحيز البقاء والتحيز النفسي التحيز.
تحسين التحيز.
وربما كان هذا هو الأكثر غدرا من جميع التحيزات باكتست. وهو ينطوي على تعديل أو إدخال معلمات تجارية إضافية حتى أداء الاستراتيجية على مجموعة البيانات باكتست جذابة جدا. ومع ذلك، مرة واحدة تعيش أداء الاستراتيجية يمكن أن تكون مختلفة بشكل ملحوظ. اسم آخر لهذا التحيز هو "منحنى المناسب" أو "البيانات التطفل التحيز".
التحيز الأمثل من الصعب القضاء على استراتيجيات خوارزمية غالبا ما تنطوي على العديد من المعالم. وقد تكون "المعلمات" في هذه الحالة هي معايير الدخول / الخروج وفترات النظر إلى الوراء وفترات المتوسط ​​(أي معلمة التمهيد المتوسط ​​المتحرك) أو تردد قياس التقلبات. يمكن التقليل من التحيز الأمثل عن طريق الحفاظ على عدد من المعلمات إلى الحد الأدنى وزيادة كمية نقاط البيانات في مجموعة التدريب. في الواقع، يجب على المرء أيضا أن يكون حذرا من الأخير حيث يمكن أن تكون نقاط التدريب القديمة تخضع لنظام سابق (مثل بيئة تنظيمية) وبالتالي قد لا تكون ذات صلة لاستراتيجيتك الحالية.
طريقة واحدة للمساعدة في تخفيف هذا التحيز هو إجراء تحليل الحساسية. وهذا يعني اختلاف المعلمات تدريجيا ورسم "سطح" للأداء. الصوت، المنطق الأساسي لخيارات المعلمة ينبغي، مع جميع العوامل الأخرى النظر، تؤدي إلى سطح المعلمة أكثر سلاسة. إذا كان لديك سطح أداء ثابت جدا، فإنه غالبا ما يعني أن المعلمة لا تعكس الظواهر و هي قطعة أثرية من بيانات الاختبار. هناك أدبيات واسعة حول خوارزميات التحسين متعددة الأبعاد، وهو مجال نشط للغاية من البحوث. أنا لن يسكن على ذلك هنا، ولكن يبقيه في الجزء الخلفي من عقلك عندما تجد استراتيجية مع باكتست رائعة!
نظرة إلى الأمام التحيز.
يتم إدخال التحيز إلى الأمام في نظام باكتستينغ عندما يتم تضمين البيانات المستقبلية عن طريق الخطأ في نقطة في المحاكاة حيث أن هذه البيانات لم تكن متاحة بالفعل. إذا كنا نقوم بتشغيل باكتست زمنيا ونصل إلى نقطة زمنية $ N $، ثم ننظر إلى الأمام التحيز يحدث إذا تم تضمين البيانات لأي نقطة $ N + k $، حيث $ k> 0 $. يمكن أن ننظر إلى الأمام أخطاء التحيز تكون خفية بشكل لا يصدق. في ما يلي ثلاثة أمثلة لكيفية إدخال التحيز إلى الأمام:
البق التقنية - صفائف / ناقلات في التعليمات البرمجية غالبا ما يكون متكرر أو مؤشر المتغيرات. يمكن أن تؤدي إزاحة هذه المؤشرات غير الصحيحة إلى تحيز إلى الأمام من خلال دمج البيانات عند $ N + k $ لغير الصفر $ k $. حساب المعلمة - مثال شائع آخر من نظرة التحيز قدما يحدث عند حساب المعلمات الاستراتيجية الأمثل، مثل مع الانحدارات الخطية بين سلسلتين زمنيتين. إذا تم استخدام مجموعة البيانات بأكملها (بما في ذلك البيانات المستقبلية) لحساب معاملات الانحدار، وبالتالي تطبيق بأثر رجعي على استراتيجية التداول لأغراض التحسين، ثم يتم تضمين البيانات في المستقبل وانحياز نظرة إلى الأمام موجود. ماكسيما / مينيما - تستفيد بعض استراتيجيات التداول من القيم المتطرفة في أي فترة زمنية، مثل إدراج الأسعار المرتفعة أو المنخفضة في بيانات أوهلك. ومع ذلك، بما أن هذه القيم القصوى / الدنيا يمكن حسابها فقط في نهاية فترة زمنية، يتم إدخال تحيز نظرة إلى الأمام إذا تم استخدام هذه القيم - during - الفترة الحالية. من الضروري دائما أن تتخلف القيم العالية / المنخفضة بفترة واحدة على الأقل في أي استراتيجية تداول تستخدمها.
كما هو الحال مع التحيز الأمثل، يجب أن نكون حذرين للغاية لتجنب إدخاله. وكثيرا ما يكون السبب الرئيسي وراء ضعف استراتيجيات التداول في عمليات التراجع الخلفية بشكل كبير في "التداول المباشر".
التحيز البقاء على قيد الحياة.
ويمثل التحيز على قيد الحياة ظاهرة خطيرة بوجه خاص ويمكن أن يؤدي إلى تضخم كبير في أداء بعض أنواع الاستراتيجيات. يحدث عندما يتم اختبار الاستراتيجيات على مجموعات البيانات التي لا تشمل الكون الكامل من الأصول السابقة التي قد تم اختيارها في نقطة معينة من الزمن، ولكن فقط النظر في تلك التي "نجا" إلى الوقت الحالي.
على سبيل المثال، النظر في اختبار استراتيجية بشأن اختيار عشوائي للأسهم قبل وبعد انهيار السوق عام 2001. وأفلست بعض أسهم التكنولوجيا، بينما تمكن البعض الآخر من البقاء واقفا على قدميه، بل وازدهر. إذا كنا قد اقتصرت هذه الاستراتيجية فقط على الأسهم التي جعلت من خلال فترة الانسحاب السوق، ونحن سوف إدخال التحيز البقاء لأنهم قد أثبتت بالفعل نجاحها لنا. في الواقع، هذا هو مجرد حالة محددة أخرى من التحيز نظرة إلى الأمام، كما يتم دمج المعلومات المستقبلية في التحليل السابق.
هناك طريقتان رئيسيتان للتخفيف من التحيز البقاء في استراتيجية باكتيستس الخاص بك:
مجموعات بيانات التحيز في البقاء على قيد الحياة - في حالة بيانات الأسهم، يمكن شراء مجموعات بيانات تشمل الكيانات الملغاة، على الرغم من أنها ليست رخيصة ولا تميل إلا إلى استخدام الشركات المؤسسية. على وجه الخصوص، بيانات ياهو المالية ليست التحيز البقاء على قيد الحياة مجانا، وهذا يستخدم عادة من قبل العديد من التجار ألغو التجزئة. ويمكن للمرء أيضا أن يتاجر في فئات الأصول التي لا تكون عرضة للتحيز على قيد الحياة، مثل بعض السلع الأساسية (ومشتقاتها في المستقبل). استخدام المزيد من البيانات الحديثة - في حالة الأسهم، فإن استخدام مجموعة بيانات أحدث يخفف من احتمال أن يكون اختيار الأسهم المختار مرجحا إلى "الناجين"، وذلك ببساطة لأن هناك احتمال أقل لإلغاء الأسهم عموما في فترات زمنية أقصر. يمكن للمرء أيضا البدء في بناء مجموعة البيانات الشخصية التحيز البقاء على قيد الحياة الشخصية من خلال جمع البيانات من النقطة الحالية فصاعدا. بعد 3-4 سنوات، سيكون لديك الصلبة البقاء على قيد الحياة التحيز مجموعة مجانية من البيانات الأسهم التي ل باكتست المزيد من الاستراتيجيات.
سننظر الآن في بعض الظواهر النفسية التي يمكن أن تؤثر على أداء التداول الخاص بك.
التحيز النفسي التحيز.
ولا تناقش هذه الظاهرة بالذات في كثير من الأحيان في سياق التداول الكمي. ومع ذلك، نوقشت على نطاق واسع فيما يتعلق بطرق التداول أكثر تقديرية. ولها أسماء مختلفة، ولكنني قررت أن نسميها "التحيز النفسي التسامح" لأنه يلتقط جوهر المشكلة. عند إنشاء باكتيستس على مدى فترة 5 سنوات أو أكثر، فمن السهل أن ننظر إلى منحنى الأسهم تتجه صعودا، وحساب العائد السنوي المركب، نسبة شارب وحتى خصائص السحب ويكون راضيا عن النتائج. وكمثال على ذلك، يمكن أن يكون لهذه الاستراتيجية أقصى سحب نسبي قدره 25٪ ومدة سحب قصوى تبلغ 4 أشهر. وهذا لن يكون غير نمطي لاستراتيجية الزخم. ومن السهل إقناع نفسه بأن من السهل تحمل مثل هذه الفترات من الخسائر لأن الصورة العامة وردية. ومع ذلك، من الناحية العملية، فمن أصعب بكثير!
في حالة حدوث عمليات سحب تاريخية بنسبة 25٪ أو أكثر في الاختبارات الخلفية، فإنك ستشهد على الأرجح فترات من السحب المماثل في التداول المباشر. هذه الفترات من الانسحاب يصعب من الناحية النفسية تحملها. لقد لاحظت مباشرة ما يمكن أن يكون السحب الموسعة مثل، في بيئة مؤسسية، وأنه ليس لطيفا - حتى لو تشير باكتيستس مثل هذه الفترات سوف تحدث. السبب الذي وصفته بأنه "تحيز" هو أن استراتيجية غالبا ما تكون ناجحة يتم إيقافها من التداول خلال فترات السحب الموسعة، وبالتالي سوف يؤدي إلى ضعف الأداء بشكل كبير مقارنة مع باكتست. وهكذا، على الرغم من أن الاستراتيجية هي خوارزمية في الطبيعة، يمكن أن العوامل النفسية لا تزال لها تأثير كبير على الربحية. الوجبات الجاهزة هي التأكد من أنه إذا رأيت سحب نسبة معينة ومدة معينة في باكتيستس، ثم يجب أن نتوقع أن تحدث في بيئات التداول الحية، وسوف تحتاج إلى المثابرة من أجل الوصول إلى الربحية مرة أخرى.
حزم البرمجيات ل باكتستينغ.
المشهد البرمجيات لاستراتيجية باكتستينغ واسعة. وتتراوح الحلول من البرمجيات المتكاملة المتكاملة الصف المؤسسي من خلال إلى لغات البرمجة مثل C ++، بيثون و R حيث كل شيء تقريبا يجب أن تكون مكتوبة من الصفر (أو مناسبة 'الإضافات' التي تم الحصول عليها). كمتداولين كميين نحن مهتمون في التوازن من كونها قادرة على "امتلاك" لدينا كومة تكنولوجيا التداول مقابل سرعة وموثوقية منهجية التنمية لدينا. وفيما يلي الاعتبارات الرئيسية لاختيار البرامج:
مهارة البرمجة - اختيار البيئة سوف يأتي في جزء كبير إلى قدرتك على برنامج البرمجيات. أود أن أقول أن السيطرة على إجمالي كومة سيكون لها تأثير أكبر على P & L على المدى الطويل من الاستعانة بمصادر خارجية بقدر الإمكان للبرمجيات بائع. ويرجع ذلك إلى خطر الهبوط من وجود أخطاء خارجية أو الخصوصيات التي كنت غير قادر على إصلاح في برامج البائع، والتي من شأنها أن يمكن علاجها بسهولة إذا كان لديك المزيد من السيطرة على الخاص بك "تكدس التكنولوجيا". تريد أيضا بيئة التي تحقق التوازن الصحيح بين الإنتاجية، وتوافر المكتبة وسرعة التنفيذ. أقوم بتوصیاتي الشخصیة أدناه. القدرة على التنفيذ / التفاعل بين الوسيط - بعض برامج التدقيق المسبق، مثل تراديستاتيون، والعلاقات مباشرة مع الوساطة. أنا لست من محبي هذا النهج كما خفض تكاليف المعاملات وغالبا ما تكون عنصرا كبيرا من الحصول على نسبة شارب أعلى. إذا كنت مرتبطة في وسيط معين (و تراديستاتيون "القوات" للقيام بذلك)، ثم سيكون لديك صعوبة في الانتقال إلى برنامج جديد (أو وسيط جديد) إذا دعت الحاجة. وسطاء التفاعلية توفر أبي الذي هو قوي، وإن كان مع واجهة منفتح قليلا. التخصيص - بيئة مثل ماتلاب أو بيثون يمنحك قدرا كبيرا من المرونة عند إنشاء استراتيجيات ألغو لأنها توفر مكتبات رائعة عن أي عملية رياضية تقريبا يمكن تخيلها، ولكن أيضا تسمح التخصيص واسعة حيثما كان ذلك ضروريا. تعقيد الاستراتيجية - بعض البرامج ليست مجرد قطع لعدد الثقيلة الطحن أو التعقيد الرياضي. إكسيل هو واحد من هذه البرامج. في حين أنه لامر جيد لاستراتيجيات أبسط، فإنه لا يمكن التعامل حقا مع العديد من الأصول أو خوارزميات أكثر تعقيدا، في السرعة. التحيز إلى أدنى حد - هل قطعة معينة من البرامج أو البيانات تزيد من التحيز التجاري؟ تحتاج إلى التأكد من أنه إذا كنت ترغب في إنشاء جميع وظائف نفسك، أن كنت لا تقدم البق التي يمكن أن تؤدي إلى التحيزات. سرعة التنمية - واحد لا ينبغي أن تضطر إلى قضاء أشهر وشهور تنفيذ محرك باكتست. يجب أن تستغرق النماذج الأولية بضعة أسابيع فقط. تأكد من أن البرنامج الخاص بك لا تعوق التقدم المحرز الخاص بك إلى أي حد كبير، لمجرد الاستيلاء على بضع نقاط مئوية إضافية من سرعة التنفيذ. C ++ هو "الفيل في الغرفة" هنا! سرعة التنفيذ - إذا كانت استراتيجيتك تعتمد تماما على التنفيذ في الوقت المناسب (كما هو الحال في هفت / أوفت) فإن لغة مثل C أو C ++ ستكون ضرورية. ومع ذلك، سوف يتم التحقق من تحسين نواة لينكس واستخدام فبغا لهذه المجالات، وهو خارج نطاق هذه المادة! التكلفة - العديد من بيئات البرمجيات التي يمكنك برمجة استراتيجيات التداول حسابي مع خالية تماما ومفتوحة المصدر. في الواقع، العديد من صناديق التحوط الاستفادة من البرمجيات مفتوحة المصدر لكامل مداخن التداول ألغو الخاص بك. وبالإضافة إلى ذلك، إكسيل و ماتلاب على حد سواء رخيصة نسبيا، وهناك حتى بدائل مجانية لكل منهما.
الآن بعد أن أدرجنا المعايير التي نحتاج إلى اختيار البنية التحتية البرمجية لدينا، أريد أن أعمل من خلال بعض من حزم أكثر شعبية وكيف تقارن:
ملاحظة: أنا فقط سوف تشمل البرامج المتوفرة لمعظم الممارسين التجزئة ومطوري البرمجيات، وهذا هو قراء الموقع. في حين تتوفر برامج أخرى مثل أدوات الصف أكثر المؤسسية، أشعر أن هذه هي مكلفة للغاية لاستخدامها بشكل فعال في بيئة البيع بالتجزئة وأنا شخصيا ليس لديهم خبرة معهم.
1،000 دولار أمريكي للترخيص.
وستتطلب استراتيجيات مختلفة مجموعات برامجية مختلفة. سوف تتم كتابة استراتيجيات هفت و أوفت في C / C ++ (هذه الأيام التي غالبا ما تنفذ على وحدات معالجة الرسومات و فبغا)، في حين أن استراتيجيات التردد المنخفض الأسهم الاتجاه هي سهلة التنفيذ في ترادستاتيون، وذلك بسبب "الكل في واحد" طبيعة برنامج / وساطة.
تفضيلي الشخصي هو بيثون لأنه يوفر درجة مناسبة من التخصيص، وسرعة التنمية، والقدرة على اختبار وسرعة التنفيذ لاحتياجاتي والاستراتيجيات. إذا كنت بحاجة إلى أي شيء أسرع، يمكنني "إسقاط" إلى C ++ مباشرة من برامج بيثون بلدي. إحدى الطرق التي يفضلها العديد من التجار الكميين هو نموذج استراتيجياتهم في بيثون ومن ثم تحويل أقسام التنفيذ أبطأ إلى C ++ بطريقة تكرارية. في نهاية المطاف يتم كتابة الغو كله في C ++ ويمكن أن يكون "ترك وحده للتجارة"!
في المقالات القليلة القادمة على باكتستينغ ونحن سوف نلقي نظرة على بعض القضايا الخاصة المحيطة بتنفيذ نظام خوارزمية التداول باكتستينغ، وكذلك كيفية دمج آثار التبادل التجاري. سنناقش قياس أداء الاستراتيجية ونختتم في النهاية باستراتيجية نموذجية.
مجرد بدء مع التداول الكمي؟
3 أسباب الاشتراك في قائمة البريد الإلكتروني كوانتستارت:
1. دروس التداول الكمي.
سوف تحصل على إمكانية الوصول الفوري إلى دورة مجانية 10-البريد الإلكتروني معبأة مع تلميحات ونصائح لمساعدتك على البدء في التداول الكمي!
2. جميع أحدث المحتوى.
كل أسبوع سوف نرسل لك التفاف جميع الأنشطة على كوانتستارت لذلك عليك أن لا يفوتون وظيفة مرة أخرى.
ريال مدريد، وقابلة للتنفيذ نصائح التداول الكمي مع أي هراء.

QuantStart.
الانضمام إلى كوانتكاديمي بوابة العضوية الخاصة التي تلبي احتياجات التجزئة المتزايد بسرعة المجتمع تاجر الكمي. سوف تجد مجموعة من ذوي الخبرة مثل التفكير من التجار الكميون على استعداد للرد على أسئلة التداول الكمي الأكثر إلحاحا.
تحقق من بلدي يبوك على التداول الكمي حيث أنا يعلمك كيفية بناء مربحة استراتيجيات التداول المنهجي مع أدوات بايثون، من الصفر.
نلقي نظرة على بلدي الكتاب الاليكتروني الجديد على استراتيجيات التداول المتقدمة باستخدام تحليل سلسلة زمنية، والتعلم الآلي والإحصاءات بايزي، مع بيثون و R.
من قبل مايكل هالز مور في 26 يوليو، 2018.
واحدة من الأسئلة الأكثر تواترا التي تلقيتها في كيس البريد قس هو "ما هي أفضل لغة البرمجة للتجارة الخوارزمية؟". الجواب القصير هو أنه لا توجد لغة "أفضل". يجب النظر في معايير الاستراتيجية، والأداء، نمطية، والتنمية، والمرونة والتكلفة. سوف توضح هذه المقالة المكونات الضرورية لهيكل نظام التداول الخوارزمي وكيف تؤثر القرارات المتعلقة بالتنفيذ على اختيار اللغة.
أولا، سيتم النظر في المكونات الرئيسية لنظام التداول الخوارزمي، مثل أدوات البحث، ومحفظة المحفظة، ومدير المخاطر ومحرك التنفيذ. وفي وقت لاحق، سيتم دراسة استراتيجيات التداول المختلفة وكيفية تأثيرها على تصميم النظام. على وجه الخصوص وتيرة التداول وحجم التداول المحتمل على حد سواء سيتم مناقشتها.
مرة واحدة وقد تم اختيار استراتيجية التداول، فمن الضروري لمهندس النظام بأكمله. وهذا يشمل اختيار الأجهزة، ونظام التشغيل (ق) ومرونة النظام ضد الأحداث النادرة، التي يحتمل أن تكون كارثية. وبينما يجري النظر في العمارة، يجب إيلاء الاعتبار الواجب للأداء - سواء لأدوات البحث أو لبيئة التنفيذ المباشر.
ما هو نظام التداول في محاولة للقيام به؟
قبل اتخاذ قرار بشأن "أفضل" اللغة التي لكتابة نظام التداول الآلي من الضروري تحديد المتطلبات. هل سيكون النظام قائما على التنفيذ فقط؟ هل يتطلب النظام إدارة مخاطر أو وحدة بناء محفظة؟ سوف يتطلب النظام باكتستر عالية الأداء؟ بالنسبة لمعظم الاستراتيجيات نظام التداول يمكن تقسيمها إلى فئتين: البحوث وتوليد إشارة.
وتتعلق البحوث بتقييم أداء الاستراتيجية على البيانات التاريخية. إن عملية تقييم إستراتيجية التداول على بيانات السوق السابقة تعرف ب "الاختبار المسبق". وسيكون حجم البيانات والتعقيد الخوارزمي لها تأثير كبير على كثافة الحسابية من باكتستر. سرعة وحدة المعالجة المركزية والتزامن غالبا ما تكون العوامل المحددة في تحسين سرعة تنفيذ البحث.
ويتعلق توليد الإشارة بتوليد مجموعة من إشارات التداول من خوارزمية وإرسال هذه الأوامر إلى السوق، وعادة عن طريق الوساطة. بالنسبة لبعض الإستراتیجیات، یلزم وجود مستوى عال من الأداء. قضايا الإدخال / الإخراج مثل عرض النطاق الترددي للشبكة والكمون غالبا ما تكون العامل المحدد في تحسين أنظمة التنفيذ. وبالتالي فإن اختيار اللغات لكل مكون من مكونات النظام بأكمله قد يكون مختلفا تماما.
نوع، وتيرة وحجم الاستراتيجية.
وسيكون لنوع الاستراتيجية الخوارزمية المستخدمة أثر كبير على تصميم النظام. وسوف يكون من الضروري النظر في الأسواق التي يجري تداولها، والاتصال ببائعي البيانات الخارجية، وتواتر وحجم الاستراتيجية، والمفاضلة بين سهولة التنمية وتحسين الأداء، فضلا عن أي أجهزة مخصصة، بما في ذلك العرف المشترك والخوادم، وحدات معالجة الرسومات أو فبغا التي قد تكون ضرورية.
خيارات التكنولوجيا لاستراتيجية منخفضة الأسهم الأسهم الولايات المتحدة سوف تختلف اختلافا كبيرا عن تلك التي من استراتيجية عالية التردد التحكيم الإحصائية التداول في سوق العقود الآجلة. قبل اختيار اللغة يجب تقييم العديد من بائعي البيانات التي تتعلق باستراتيجية في متناول اليد.
سيكون من الضروري النظر في الاتصال بالمورد، وهيكل أي واجهات برمجة تطبيقات، وتوقيت البيانات، ومتطلبات التخزين والمرونة في مواجهة البائع الذي يعمل دون اتصال. ومن الحكمة أيضا أن تمتلك إمكانية الوصول السريع إلى العديد من البائعين! ولجميع الأدوات المختلفة مخزونات تخزين خاصة بها، ومن الأمثلة على ذلك رموز شريط متعددة للأسهم وتاريخ انتهاء الصلاحية للعقود الآجلة (ناهيك عن أي بيانات أوتك محددة). ويتعين مراعاة ذلك في تصميم المنصة.
ومن المرجح أن يكون تكرار الاستراتيجية واحدا من أكبر العوامل الدافعة لكيفية تحديد كومة التكنولوجيا. الاستراتيجيات التي تستخدم بيانات أكثر تواترا من الحانات بدقة أو الثانية تتطلب اهتماما كبيرا فيما يتعلق بالأداء.
وتؤدي الاستراتيجية التي تتجاوز الحدود الثانية (أي بيانات القراد) إلى تصميم مدعوم بالأداء باعتباره الشرط الأساسي. وبالنسبة للاستراتيجيات ذات التردد العالي، سيلزم تخزين كمية كبيرة من بيانات السوق وتقييمها. برامج مثل HDF5 أو كدب + تستخدم عادة لهذه الأدوار.
من أجل معالجة كميات واسعة من البيانات اللازمة لتطبيقات هفت، يجب أن تستخدم على نطاق واسع باكتستر ونظام التنفيذ. C / C ++ (ربما مع بعض المجمع) من المرجح أن أقوى مرشح اللغة. وسوف تتطلب استراتيجيات فائقة التردد تقريبا تقريبا الأجهزة المخصصة مثل فبغاس، وتبادل المشاركة في الموقع وضبط شبكة النواة / شبكة.
نظم البحوث.
نظم البحوث عادة ما تنطوي على مزيج من التنمية التفاعلية والنصوص الآلي. وغالبا ما يحدث الأول داخل إيد مثل فيسوال ستوديو، ماتلاب أو R ستوديو. ويشمل هذا الأخير حسابات عددية واسعة النطاق على العديد من المعلمات ونقاط البيانات. وهذا يؤدي إلى اختيار اللغة توفير بيئة مباشرة لاختبار التعليمات البرمجية، ولكن أيضا يوفر أداء كافيا لتقييم الاستراتيجيات على أبعاد متعددة المعلمة.
تتضمن إيد النموذجية في هذه المساحة ميكروسوفت فيسوال C ++ / C #، الذي يحتوي على أدوات مساعدة التصحيح واسعة، قدرات اكتمال التعليمات البرمجية (عبر "إنتليسنز") ومحات عامة مباشرة من كومة المشروع بأكمله (عبر قاعدة البيانات أورم، لينق)؛ ماتلاب، الذي صمم لالجبر العددي واسعة النطاق وعمليات فيكتوريسد، ولكن بطريقة وحدة التحكم التفاعلية؛ R ستوديو، الذي يلتف وحدة تحكم اللغة الإحصائية R في إيد كاملة؛ إكليبس إيد لينوكس جافا و C ++؛ و إيدس شبه الملكية مثل إينوهت الستارة لبيثون، والتي تشمل مكتبات تحليل البيانات مثل نومبي، سسيبي، سكيت-تعلم والباندا في بيئة تفاعلية واحدة (وحدة التحكم).
ل باكتستينغ العددية، جميع اللغات المذكورة أعلاه هي مناسبة، على الرغم من أنه ليس من الضروري استخدام واجهة المستخدم الرسومية / إيد كما سيتم تنفيذ التعليمات البرمجية "في الخلفية". الاعتبار الرئيسي في هذه المرحلة هو سرعة التنفيذ. غالبا ما تكون اللغة المترجمة (مثل C ++) مفيدة إذا كانت أبعاد معلمة باكتستينغ كبيرة. تذكر أنه من الضروري أن نكون حذرين من هذه الأنظمة إذا كان هذا هو الحال!
وغالبا ما تستفيد اللغات المفترضة مثل بيثون من المكتبات عالية الأداء مثل نومبي / بانداس لخطوة الاختبار المسبق، من أجل الحفاظ على درجة معقولة من القدرة التنافسية مع معادلات مجمعة. في نهاية المطاف سيتم تحديد اللغة المختارة لل باكتستينغ من قبل الاحتياجات الخوارزمية محددة وكذلك مجموعة من المكتبات المتاحة في اللغة (أكثر على ذلك أدناه). ومع ذلك، فإن اللغة المستخدمة لباكتستر والبيئات البحثية يمكن أن تكون مستقلة تماما عن تلك المستخدمة في بناء محفظة، وإدارة المخاطر ومكونات التنفيذ، كما سيتبين.
إدارة المحفظة وإدارة المخاطر.
وغالبا ما يتم تجاهل مكونات بناء المحفظة وإدارة المخاطر من قبل تجار التجزئة الخوارزمية. هذا هو دائما تقريبا خطأ. وتوفر هذه الأدوات الآلية التي سيتم من خلالها الحفاظ على رأس المال. فهي لا تحاول فقط التخفيف من عدد الرهانات "المحفوفة بالمخاطر"، بل إنها تقلل أيضا من تقلبات الصفقات نفسها، مما يقلل من تكاليف المعاملات.
ويمكن أن يكون للإصدارات المتطورة من هذه المكونات تأثير كبير على نوعية وربحية الربحية. فمن السهل إنشاء استراتيجيات مستقرة حيث يمكن بسهولة تعديل آلية بناء المحفظة ومدير المخاطر للتعامل مع أنظمة متعددة. ومن ثم ينبغي اعتبارها عناصر أساسية في بداية تصميم نظام تجاري حسابي.
وظيفة نظام بناء محفظة هو اتخاذ مجموعة من الصفقات المطلوبة وإنتاج مجموعة من الصفقات الفعلية التي تقلل من زبد، والحفاظ على التعرض لعوامل مختلفة (مثل القطاعات وفئات الأصول والتقلب وغيرها) وتحسين تخصيص رأس المال لمختلف استراتيجيات في محفظة.
غالبا ما يقلل بناء الحافظة من مشكلة الجبر الخطي (مثل معامل المصفوفة)، وبالتالي يعتمد الأداء بشكل كبير على فعالية تنفيذ الجبر الخطي العددي المتوفر. وتشمل المكتبات الشائعة أوبلاس، لاباك و ناغ ل C ++. ماتلاب تمتلك أيضا عمليات مصفوفة الأمثل على نطاق واسع. يستخدم بيثون نومبي / سسيبي لمثل هذه الحسابات. وستتطلب المحفظة التي تمت إعادة توازنها بشكل متكرر مكتبة مصفوفة مجمعة (ومثبتة بشكل جيد!) لتنفيذ هذه الخطوة، حتى لا تعيق نظام التداول.
إدارة المخاطر جزء آخر مهم للغاية من نظام التداول الخوارزمي. يمكن أن تأتي المخاطر بأشكال عديدة: زيادة التقلب (على الرغم من أن هذا قد يكون مرغوبا فيه لاستراتيجيات معينة!)، وزيادة الارتباطات بين فئات الأصول، والتخلف عن الطرف المقابل، وانقطاعات الخادم، وأحداث "البجعة السوداء" والأخطاء غير المكتشفة في رمز التداول، على سبيل المثال لا الحصر.
وتسعى مكونات إدارة المخاطر إلى التنبؤ بآثار التقلبات المفرطة والروابط بين فئات األصول وتأثيرها الالحق على رأس المال المتداول. في كثير من الأحيان هذا يقلل إلى مجموعة من الحسابات الإحصائية مثل مونت كارلو "اختبارات الإجهاد". وهذا يشبه إلى حد كبير الاحتياجات الحسابية لمحرك تسعير المشتقات وعلى هذا النحو سوف تكون مرتبطة بو. هذه المحاكاة هي موازية للغاية (انظر أدناه)، وإلى حد ما، فمن الممكن "رمي الأجهزة في المشكلة".
أنظمة التنفيذ.
وتتمثل مهمة نظام التنفيذ في تلقي إشارات تجارية مصفاة من مكونات بناء المحفظة وإدارة المخاطر وإرسالها إلى وساطة أو أي وسيلة أخرى للوصول إلى الأسواق. بالنسبة لمعظم استراتيجيات التداول خوارزمية التجزئة وهذا ينطوي على اتصال أبي أو فيكس إلى الوساطة مثل وسطاء التفاعلية. الاعتبارات الأساسية عند اتخاذ قرار بشأن لغة تشمل جودة أبي، توفر اللغة المجمع ل أبي، وتيرة التنفيذ والانزلاق المتوقع.
تشير "جودة" واجهة برمجة التطبيقات إلى مدى توثيقها بشكل جيد، ونوع الأداء الذي توفره، وما إذا كانت تحتاج إلى برنامج مستقل يمكن الوصول إليه أو ما إذا كان يمكن إنشاء بوابة بطريقة بدون رأس (أي واجهة المستخدم الرسومية). في حالة الوسطاء التفاعليين، يجب أن تعمل أداة ترادر ​​وركستاتيون في بيئة واجهة المستخدم الرسومية من أجل الوصول إلى واجهة برمجة التطبيقات الخاصة بهم. كان لي مرة واحدة لتثبيت طبعة سطح المكتب أوبونتو على خادم سحابة الأمازون للوصول إلى وسطاء التفاعلية عن بعد، بحتة لهذا السبب!
توفر معظم واجهات برمجة التطبيقات واجهة C ++ و / أو جافا. وعادة ما يصل إلى المجتمع لتطوير مغلفات لغة محددة ل C #، بايثون، R، إكسل وماتلاب. لاحظ أنه مع كل الإضافات الإضافية المستخدمة (وخاصة أبي مغلفات) هناك مجال للخلل لزحف إلى النظام. دائما اختبار الإضافات من هذا النوع وضمان الحفاظ عليها بنشاط. مقياس جدير بالاهتمام هو معرفة عدد التحديثات الجديدة التي تم إجراؤها على كودباس في الأشهر الأخيرة.
تردد التنفيذ هو في غاية الأهمية في خوارزمية التنفيذ. لاحظ أن المئات من الطلبات قد يتم إرسالها كل دقيقة، وعلى هذا النحو من الأهمية بمكان. سوف يتم تكبد الانزلاق من خلال نظام التنفيذ سيئة الأداء وهذا سيكون له تأثير كبير على الربحية.
تعتبر اللغات التي تمت كتابتها إحصائيا (انظر أدناه) مثل C ++ / جافا بشكل عام مثالية للتنفيذ ولكن هناك مفاضلة في وقت التطوير والاختبار وسهولة الصيانة. اللغات التي يتم كتابتها ديناميكيا، مثل بيثون و بيرل هي الآن بشكل عام "سريع بما فيه الكفاية". تأكد دائما من تصميم المكونات بطريقة نمطية (انظر أدناه) بحيث يمكن "تبديلها" خارجا كما موازين النظام.
التخطيط المعماري وعملية التنمية.
وقد نوقشت أعلاه مكونات نظام تجاري، ومتطلباته من حيث التردد والحجم، غير أنه لم يتم بعد تغطية الهياكل الأساسية للنظام. أولئك الذين يعملون كمتاجر التجزئة أو يعملون في صندوق صغير من المرجح أن "يرتدي قبعات كثيرة". وسوف يكون من الضروري أن تغطي نموذج ألفا، وإدارة المخاطر والتنفيذ المعلمات، وأيضا التنفيذ النهائي للنظام. قبل مناقشة لغات محددة، سيتم مناقشة تصميم بنية النظام الأمثل.
فصل الشواغل.
ومن أهم القرارات التي يجب اتخاذها في البداية كيفية "فصل الشواغل" عن نظام تجاري. في تطوير البرمجيات، وهذا يعني أساسا كيفية تفريق مختلف جوانب النظام التجاري إلى مكونات وحدات منفصلة.
من خلال تعريض الواجهات في كل من المكونات من السهل مبادلة أجزاء من النظام للنسخ الأخرى التي تساعد على الأداء، والموثوقية أو الصيانة، دون تعديل أي رمز التبعية الخارجية. وهذه هي "أفضل الممارسات" لهذه النظم. وبالنسبة للاستراتيجيات في الترددات المنخفضة، ينصح بهذه الممارسات. فبالنسبة لتداول الترددات العالية جدا، قد يكون من الضروري تجاهل قاعدة البيانات على حساب التغيير والتبديل في النظام للحصول على المزيد من الأداء. قد يكون من المرغوب فيه نظام أكثر إحكاما.
إن إنشاء خريطة مكونة لنظام التداول الخوارزمي يستحق مقالا في حد ذاته. ومع ذلك، فإن النهج الأمثل هو التأكد من وجود مكونات منفصلة للمدخلات بيانات السوق التاريخية والحقيقية، وتخزين البيانات، أبي الوصول إلى البيانات، باكتستر، معايير الاستراتيجية، بناء محفظة وإدارة المخاطر وأنظمة التنفيذ الآلي.
على سبيل المثال، إذا كان مخزن البيانات قيد الاستخدام حاليا ضعيفا، حتى عند مستويات كبيرة من التحسين، يمكن تبديله مع الحد الأدنى من إعادة الكتابة إلى ابتلاع البيانات أو أبي الوصول إلى البيانات. بقدر ما باكتستر والمكونات اللاحقة المعنية، ليس هناك فرق.
فائدة أخرى من المكونات فصل هو أنه يسمح لمجموعة متنوعة من لغات البرمجة لاستخدامها في النظام العام. ليست هناك حاجة إلى أن تقتصر على لغة واحدة إذا كانت طريقة الاتصال من مكونات اللغة مستقلة. وسوف يكون هذا هو الحال إذا كانوا التواصل عبر تكب / إب، زيرومق أو بعض بروتوكول آخر اللغة مستقلة.
وكمثال ملموس، يجب النظر في حالة نظام باكتستينغ الذي كتب في C ++ لأداء "طحن عدد"، في حين تتم كتابة مدير محفظة ونظم التنفيذ في بيثون باستخدام سسيبي و إبي.
اعتبارات الأداء.
الأداء هو اعتبار كبير لمعظم استراتيجيات التداول. لاستراتيجيات تردد أعلى هو العامل الأكثر أهمية. "الأداء" يغطي مجموعة واسعة من القضايا، مثل سرعة التنفيذ الخوارزمية، الكمون الشبكة، عرض النطاق الترددي، I / O البيانات، التزامن / التوازي والتحجيم. كل من هذه المجالات هي التي تغطيها بشكل فردي الكتب المدرسية الكبيرة، لذلك هذه المادة سوف تخدش فقط سطح كل موضوع. سيتم الآن مناقشة الهندسة المعمارية واختيار اللغة من حيث آثارها على الأداء.
الحكمة السائدة كما ذكر دونالد نوث، أحد آباء علوم الحاسوب، هو أن "التحسين المبكر هو جذر كل الشر". هذا هو الحال دائما تقريبا - إلا عند بناء خوارزمية التداول عالية التردد! بالنسبة لأولئك الذين يرغبون في استراتيجيات التردد المنخفض، نهج مشترك هو بناء نظام في أبسط طريقة ممكنة وتحسين فقط كما تبدأ الاختناقات في الظهور.
وتستخدم أدوات التنميط لتحديد أين تنشأ الاختناقات. يمكن أن تكون ملامح لجميع العوامل المذكورة أعلاه، إما في بيئة ويندوز أو لينوكس. هناك العديد من أنظمة التشغيل وأدوات اللغة المتاحة للقيام بذلك، فضلا عن المرافق طرف ثالث. وسيتم الآن مناقشة اختيار اللغة في سياق الأداء.
C ++ و جافا و بيثون و R و ماتلاب كلها تحتوي على مكتبات عالية الأداء (إما كجزء من معيارها أو خارجيا) لبنية البيانات الأساسية والعمل الخوارزمي. C ++ السفن مع مكتبة قالب قياسي، في حين يحتوي بيثون نومبي / سسيبي. المهام الرياضية المشتركة هي التي يمكن العثور عليها في هذه المكتبات ونادرا ما تكون مفيدة لكتابة تنفيذ جديد.
ويتمثل أحد الاستثناءات في ما إذا كانت معمارية الأجهزة عالية التخصيص مطلوبة، وأن الخوارزمية تستخدم استخداما موسعا للملحقات الخاصة (مثل مخابئ مخصصة). ومع ذلك، في كثير من الأحيان "إعادة اختراع العجلة" الوقت النفايات التي يمكن أن تنفق بشكل أفضل تطوير وتحسين أجزاء أخرى من البنية التحتية التجارية. وقت التطوير ثمين للغاية وخاصة في سياق المطورين الوحيد.
وكثيرا ما يكون الكمون مشكلة في نظام التنفيذ حيث أن أدوات البحث عادة ما تكون موجودة على نفس الجهاز. بالنسبة إلى السابق، يمكن أن يحدث الكمون عند نقاط متعددة على طول مسار التنفيذ. يجب استشارة قواعد البيانات (زمن الاستجابة للقرص / الشبكة)، يجب إنشاء إشارات (التشغيل المؤقت، زمن استجابة الرسائل)، وإشارات التجارة المرسلة (زمن استجابة نيك) والأوامر المعالجة (زمن الاستجابة الداخلي للتبادل).
لعمليات تردد أعلى من الضروري أن تصبح مألوفة على نحو وثيق مع التحسين الأمثل، فضلا عن الأمثل لنقل الشبكة. هذا هو منطقة عميقة و هو إلى حد كبير خارج نطاق هذه المادة ولكن إذا كان المطلوب خوارزمية أوفت ثم يكون على بينة من عمق المعرفة المطلوبة!
التخزين المؤقت مفيد جدا في مجموعة أدوات مطور التداول الكمي. التخزين المؤقت يشير إلى مفهوم تخزين البيانات التي يتم الوصول إليها بشكل متكرر بطريقة تسمح بالوصول إلى الأداء العالي، على حساب احتمال عدم دقة البيانات. تحدث حالة الاستخدام الشائعة في تطوير الويب عند أخذ البيانات من قاعدة بيانات علائقية تدعمها الأقراص ووضعها في الذاكرة. أي طلبات لاحقة للبيانات لا تضطر إلى "ضرب قاعدة البيانات" وبالتالي مكاسب الأداء يمكن أن تكون كبيرة.
للتداول حالات التخزين المؤقت يمكن أن تكون مفيدة للغاية. على سبيل المثال، يمكن تخزين الحالة الحالية لمحفظة إستراتيجية في ذاكرة التخزين المؤقت حتى يتم إعادة توازنها، بحيث لا تحتاج القائمة إلى إعادة توليدها عند كل حلقة من خوارزمية التداول. من المرجح أن يكون هذا التجميع وحدة المعالجة المركزية عالية أو القرص I / O العملية.
ومع ذلك، التخزين المؤقت لا يخلو من القضايا الخاصة بها. تجديد بيانات ذاكرة التخزين المؤقت في كل مرة، ويرجع ذلك إلى طبيعة فوليلي تخزين ذاكرة التخزين المؤقت، يمكن أن تضع طلبا كبيرا على البنية التحتية. وثمة مسألة أخرى هي تكديس الكلاب، حيث يتم تنفيذ أجيال متعددة من نسخة مخبأ جديدة تحت حمولة عالية للغاية، الأمر الذي يؤدي إلى فشل سلسلة.
تخصيص الذاكرة الديناميكية عملية مكلفة في تنفيذ البرامج. وبالتالي فإنه من الضروري لتطبيقات التداول أداء أعلى أن تكون على بينة جيدا كيف يتم تخصيص الذاكرة وإزالة ديالوكاتد خلال تدفق البرنامج. معايير اللغة الأحدث مثل جافا و C # و بيثون جميعها تؤدي إلى جمع القمامة التلقائي، الذي يشير إلى إلغاء تخصيص الذاكرة التي يتم تخصيصها ديناميكيا عندما تخرج الكائنات من النطاق.
جمع القمامة مفيد للغاية أثناء التطوير لأنه يقلل من الأخطاء ويساعد القراءة. ومع ذلك، فإنه غالبا ما يكون دون المستوى الأمثل لبعض استراتيجيات التداول عالية التردد. عادة ما تكون هناك حاجة لجمع القمامة المخصصة لهذه الحالات. في جافا، على سبيل المثال، من خلال ضبط جامع القمامة وتكوين كومة الذاكرة المؤقتة، فمن الممكن الحصول على أداء عال لاستراتيجيات هفت.
C ++ لا توفر جامع القمامة الأصلي ولذلك فمن الضروري التعامل مع جميع تخصيص الذاكرة / ديالوكاتيون كجزء من تنفيذ كائن. في حين يحتمل أن يكون عرضة للخطأ (يحتمل أن يؤدي إلى مؤشرات التعلق) من المفيد للغاية أن يكون التحكم الدقيق الحبيبات لكيفية ظهور الكائنات على كومة لتطبيقات معينة. عند اختيار لغة تأكد من دراسة كيفية عمل جامع القمامة وما إذا كان يمكن تعديلها لتحسين حالة استخدام معينة.
العديد من العمليات في أنظمة التداول الخوارزمية هي قابلة للتوازي. وهذا يشير إلى مفهوم تنفيذ عمليات برمجية متعددة في نفس الوقت، أي في "موازية". وتشمل ما يسمى بالخوارزميات "الموازية بشكل محرج" خطوات يمكن حسابها بشكل مستقل تماما عن الخطوات الأخرى. بعض العمليات الإحصائية، مثل محاكاة مونتي كارلو، هي مثال جيد للخوارزميات المتوازية بشكل محرج حيث يمكن حساب كل سحب عشوائي وعملية المسار اللاحقة دون معرفة مسارات أخرى.
الخوارزميات الأخرى هي موازية جزئيا فقط. ديناميات السوائل المحاكاة هي مثل هذا المثال، حيث مجال الحساب يمكن تقسيمها، ولكن في نهاية المطاف يجب أن هذه المجالات التواصل مع بعضها البعض، وبالتالي فإن العمليات هي متتابعة جزئية. Parallelisable algorithms are subject to Amdahl's Law, which provides a theoretical upper limit to the performance increase of a parallelised algorithm when subject to $N$ separate processes (e. g. on a CPU core or thread ).
Parallelisation has become increasingly important as a means of optimisation since processor clock-speeds have stagnated, as newer processors contain many cores with which to perform parallel calculations. The rise of consumer graphics hardware (predominently for video games) has lead to the development of Graphical Processing Units (GPUs), which contain hundreds of "cores" for highly concurrent operations. Such GPUs are now very affordable. High-level frameworks, such as Nvidia's CUDA have lead to widespread adoption in academia and finance.
Such GPU hardware is generally only suitable for the research aspect of quantitative finance, whereas other more specialised hardware (including Field-Programmable Gate Arrays - FPGAs) are used for (U)HFT. Nowadays, most modern langauges support a degree of concurrency/multithreading. Thus it is straightforward to optimise a backtester, since all calculations are generally independent of the others.
Scaling in software engineering and operations refers to the ability of the system to handle consistently increasing loads in the form of greater requests, higher processor usage and more memory allocation. In algorithmic trading a strategy is able to scale if it can accept larger quantities of capital and still produce consistent returns. The trading technology stack scales if it can endure larger trade volumes and increased latency, without bottlenecking .
While systems must be designed to scale, it is often hard to predict beforehand where a bottleneck will occur. Rigourous logging, testing, profiling and monitoring will aid greatly in allowing a system to scale. Languages themselves are often described as "unscalable". This is usually the result of misinformation, rather than hard fact. It is the total technology stack that should be ascertained for scalability, not the language. Clearly certain languages have greater performance than others in particular use cases, but one language is never "better" than another in every sense.
One means of 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. هناك مزايا وعيوب لكلا النهجين. 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.
استنتاج.
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.
مجرد بدء مع التداول الكمي؟
3 أسباب الاشتراك في قائمة البريد الإلكتروني كوانتستارت:
1. دروس التداول الكمي.
سوف تحصل على إمكانية الوصول الفوري إلى دورة مجانية 10-البريد الإلكتروني معبأة مع تلميحات ونصائح لمساعدتك على البدء في التداول الكمي!
2. جميع أحدث المحتوى.
كل أسبوع سوف نرسل لك التفاف جميع الأنشطة على كوانتستارت لذلك عليك أن لا يفوتون وظيفة مرة أخرى.
ريال مدريد، وقابلة للتنفيذ نصائح التداول الكمي مع أي هراء.