उच्च आवृत्ति व्यापार प्रणाली के विकास

उच्च आवृत्ति ट्रेडिंग सिस्टम डिजाइन और प्रक्रिया प्रबंधन। उच्च आवृत्ति ट्रेडिंग सिस्टम डिजाइन और प्रक्रिया प्रबंधन। एडवाइजर रॉय ई। वेल्सच। डिपार्टमेंट सिस्टम डिज़ाइन और प्रबंधन कार्यक्रम। प्रकाशक मैसाचुसेट्स इंस्टीट्यूट ऑफ टेक्नोलॉजी.डेट जारी किया गया 2009. आजकल ताल्लुक वाली कंपनियां डेटा खनन, कंप्यूटर मॉडलिंग और सॉफ्टवेयर विकास वित्तीय विश्लेषकों सॉफ्टवेयर और विनिर्माण उद्योगों में उन लोगों के लिए कई समान कार्य करते हैं, हालांकि, वित्त उद्योग ने अभी तक उच्च मानक सिस्टम इंजीनियरिंग चौखटे और प्रक्रिया प्रबंधन के तरीकों को स्वीकार नहीं किया है जो सॉफ्टवेयर और विनिर्माण उद्योगों में सफल रहे हैं इंजीनियरिंग के विषयों में उत्पाद डिजाइन, गुणवत्ता नियंत्रण, व्यवस्थित नवाचार और निरंतर सुधार के लिए पारंपरिक पद्धतियां वित्त क्षेत्र में लागू की जा सकती हैं। इस थीसिस से पता चलता है कि इंजीनियरिंग विषयों से प्राप्त ज्ञान उच्च आवृत्ति व्यापार के डिजाइन और प्रक्रियाओं को कैसे सुधार सकता है यिस्टम्स हाई आवृत्ति ट्रेडिंग सिस्टम गणना-आधारित हैं ये सिस्टम स्वत: या अर्ध-स्वचालित सॉफ्टवेयर सिस्टम हैं जो स्वाभाविक रूप से जटिल हैं और उच्च परिमाण डिजाइन परिशुद्धता की आवश्यकता होती है उच्च आवृत्ति वाले ट्रेडिंग सिस्टम का डिजाइन कई क्षेत्रों को जोड़ता है, जिसमें मात्रात्मक वित्त, सिस्टम डिज़ाइन और सॉफ्टवेयर इंजीनियरिंग वित्त उद्योग में, जहां गणितीय सिद्धांत और व्यापारिक मॉडल अपेक्षाकृत अच्छी तरह से शोध करते हैं, असली व्यापार प्रथाओं में इन डिजाइनों को लागू करने की क्षमता एक निवेश फर्म की प्रतिस्पर्धात्मकता के मुख्य तत्वों में से एक है निवेश के विचारों को उच्च प्रदर्शन व्यापार में बदलने की क्षमता सिस्टम प्रभावी ढंग से और कुशलतापूर्वक एक निवेश फर्म को एक बड़ा प्रतिस्पर्धात्मक लाभ दे सकता है यह थीसिस उच्च आवृत्ति ट्रेडिंग सिस्टम डिजाइन, सिस्टम मॉडलिंग और सिद्धांतों से बना एक विस्तृत अध्ययन प्रदान करता है, और सिस्टम विकास के लिए प्रबंधन प्रक्रियाओं को विशेष रूप से बैकटेस्टिंग और अनुकूलन के लिए दिया जाता है, जो कि वें माना जाता है ई व्यापार प्रणाली का निर्माण करने में सबसे महत्वपूर्ण भाग यह शोध प्रणाली इंजीनियरिंग मॉडल बनाता है जो विकास प्रक्रिया को निर्देशित करता है यह इस थीसिस में संबोधित सिद्धांतों को सत्यापित और मान्य करने के लिए प्रयोगात्मक व्यापार प्रणालियों का भी उपयोग करता है अंत में, यह थीसिस यह निष्कर्ष निकाला है कि सिस्टम इंजीनियरिंग सिद्धांत और चौखटे महत्वपूर्ण हो सकते हैं उच्च आवृत्ति व्यापार या मात्रात्मक निवेश प्रणाली को लागू करने की सफलता के लिए। टीएसआईएस एसएम - मैसाचुसेट्स इंस्टीट्यूट ऑफ टेक्नोलॉजी, सिस्टम डिज़ाईन और मैनेजमेंट प्रोग्राम, 200 9 थिसिस के पीडीएफ संस्करण से कैबिज किए गए ग्रंथ सूची के संदर्भ में पी 78-79.कीवर्ड सिस्टम डिज़ाइन और प्रबंधन कार्यक्रम शामिल हैं। एल्गोरिथम ट्रेडिंग प्रणालियों के लिए प्रोग्रामिंग भाषा। मैं क्यूएस मेलबैग में सबसे अधिक लगातार प्रश्नों में से एक है एल्गोरिदमिक व्यापार के लिए सबसे अच्छा प्रोग्रामिंग भाषा क्या है? संक्षेप में उत्तर यह है कि कोई भी सर्वोत्तम भाषा रणनीति पैरामीटर, प्रदर्शन, मॉड्युलरिटी, विकास, लचीलापन और लागत को सभी पर विचार किया जाना चाहिए यह लेख ओ एल्गोरिथम ट्रेडिंग सिस्टम आर्किटेक्चर के आवश्यक घटकों को बताएं और कार्यान्वयन के बारे में निर्णय भाषा की पसंद को कैसे प्रभावित करते हैं। सबसे पहले, एल्गोरिथम ट्रेडिंग सिस्टम के प्रमुख घटक पर विचार किया जाएगा, जैसे अनुसंधान उपकरण, पोर्टफोलियो अनुकूलक, जोखिम प्रबंधक और निष्पादन इंजन इसके बाद , अलग-अलग व्यापारिक रणनीतियों की जांच की जाएगी और वे सिस्टम के डिजाइन को कैसे प्रभावित करते हैं विशेष रूप से व्यापार की आवृत्ति और संभावित व्यापारिक मात्रा दोनों पर चर्चा की जाएगी। एक बार जब ट्रेडिंग रणनीति चुनी गई हो, तो पूरे सिस्टम को आर्किटेक्ट करने के लिए आवश्यक है दुर्लभ, संभावित रूप से विपत्तिपूर्ण घटनाओं के खिलाफ हार्डवेयर, ऑपरेटिंग सिस्टम और सिस्टम लचीलेपन का विकल्प, वास्तुकला पर विचार किया जा रहा है, अनुसंधान के साथ-साथ लाइव एक्जीक्यूशन पर्यावरण दोनों के लिए प्रदर्शन को भुगतान करना होगा। व्यापार प्रणाली क्या है करने की कोशिश करो। सबसे अच्छी भाषा तय करने से पहले, जिसमें एक स्वचालित व्यापार लिखना है एनजी सिस्टम आवश्यकताओं को परिभाषित करना आवश्यक है क्या सिस्टम पूरी तरह से निष्पादन के आधार पर होगा क्या सिस्टम को जोखिम प्रबंधन या पोर्टफोलियो निर्माण मॉड्यूल की आवश्यकता होती है क्या सिस्टम को उच्च प्रदर्शन वाले बैटरेटर की आवश्यकता होती है सबसे अधिक रणनीतियों के लिए ट्रेडिंग सिस्टम को दो श्रेणियों में विभाजित किया जा सकता है अनुसंधान और सिग्नल पीढ़ी। अनुसंधान ऐतिहासिक डेटा पर एक रणनीति के प्रदर्शन के मूल्यांकन से संबंधित है पूर्व बाजार डेटा पर एक व्यापारिक रणनीति का मूल्यांकन करने की प्रक्रिया को बैकस्टेस्टिंग के रूप में जाना जाता है डेटा का आकार और एल्गोरिथम जटिलता का बैकटास्टर की कम्प्यूटेशनल तीव्रता पर बड़ा असर होगा सीपीयू की गति और संगामिति अक्सर अनुसंधान निष्पादन की गति को अनुकूलित करने के लिए सीमित कारक होते हैं। सिग्नल पीढ़ी एक एल्गोरिथ्म से व्यापारिक संकेतों का एक सेट तैयार करने और बाजार में ऐसे आदेश भेजने से संबंधित है, आमतौर पर ब्रोकरेज के माध्यम से कुछ रणनीतियों के लिए प्रदर्शन का उच्च स्तर नेटवर्क बैंडविड्थ और विलंबता जैसे आईओ के मुद्दों की आवश्यकता अक्सर होती है I निष्पादन प्रणाली को अनुकूलित करने में सीमित कारक इस प्रकार आपके पूरे सिस्टम के प्रत्येक घटक के लिए भाषाओं की पसंद काफी भिन्न हो सकती है। प्रकार, आवृत्ति और रणनीति का वॉल्यूम। नियोजित एल्गोरिदमिक रणनीति के प्रकार सिस्टम के डिजाइन पर काफी प्रभाव पड़ेगा बाजारों पर कारोबार करने, बाहरी डेटा विक्रेताओं को कनेक्टिविटी, रणनीति की आवृत्ति और मात्रा, विकास और प्रदर्शन अनुकूलन की आसानी के बीच ट्रेड-ऑफ और साथ ही कस्टम हार्डवेयर सहित सह-स्थित कस्टम सर्वर , GPUs या FPGA के लिए आवश्यक हो सकता है। कम आवृत्ति अमेरिकी इक्विटी रणनीति के लिए प्रौद्योगिकी विकल्प वायदा बाजार पर एक उच्च-आवृत्ति सांख्यिकीय मध्यस्थता रणनीति के कारोबार से काफी अलग होंगे। भाषा के चयन के पहले कई डेटा विक्रेताओं मूल्यांकन किया गया है जो हाथ में रणनीति से संबंधित है। यह विक्रेता को कनेक्टिविटी, किसी भी एपीआई की संरचना, डी के समयबद्धता पर विचार करने के लिए आवश्यक होगा एटा, भंडारण की आवश्यकताएं और लचीलापन ऑफ़लाइन जा रही है। यह भी बुद्धिमान है कि कई विक्रेताओं के लिए त्वरित पहुंच प्राप्त करना विभिन्न उपकरणों के पास सभी का अपना भंडारण क्विट होता है, जिनमें से कुछ में इक्विटी के लिए कई टिकर प्रतीकों और वायदा के समापन की तारीखें शामिल नहीं हैं किसी भी विशिष्ट ओटीसी डेटा का उल्लेख करना यह प्लेटफ़ॉर्म डिज़ाइन में कारगर होना जरूरी है। रणनीति की आवृत्ति एक सबसे बड़ी चालक के रूप में हो सकती है कि कैसे प्रौद्योगिकी स्टैक को परिभाषित किया जाएगा डेटा को रोज़गार या दूसरी सलाखों से अधिक बार रोजगार देने वाली रणनीति के साथ महत्वपूर्ण विचार की आवश्यकता होती है प्रदर्शन के संबंध में। दूसरी रणनीति से अधिक की एक रणनीति अर्थात् टिक डेटा प्राथमिकता के रूप में एक प्रदर्शन चालित डिजाइन को जन्म देती है उच्च आवृत्ति रणनीतियों के लिए पर्याप्त मात्रा में बाजार डेटा को संग्रहित और मूल्यांकित करने की आवश्यकता होगी जैसे एचडीएफ 5 या केडीबी जैसे सॉफ्टवेयर सामान्यतः इनके लिए उपयोग किए जाते हैं भूमिकाएं। एचएफटी अनुप्रयोगों के लिए आवश्यक डेटा के व्यापक संस्करणों को संसाधित करने के लिए, एक बड़े पैमाने पर ओपीटीआई mised backtester और निष्पादन प्रणाली सीसी संभवतः इस्तेमाल किया जाना चाहिए के साथ कुछ कोडांतरक सबसे मजबूत भाषा उम्मीदवार की संभावना है अल्ट्रा उच्च आवृत्ति रणनीतियों लगभग निश्चित रूप से ऐसे FPGAs, विनिमय सह स्थान और kernal नेटवर्क इंटरफेस ट्यूनिंग के रूप में कस्टम हार्डवेयर की आवश्यकता होगी। अनुसंधान प्रणालियों। अनुसंधान प्रणाली आम तौर पर इंटरैक्टिव विकास और स्वचालित स्क्रिप्टिंग का मिश्रण शामिल है पूर्व अक्सर एक आईडीई जैसे दृश्य स्टूडियो, मैटलैब या आर स्टूडियो के अंदर होता है जिसमें बाद में कई मापदंडों और डेटा बिंदुओं पर व्यापक संख्यात्मक गणना शामिल होती है यह एक भाषा विकल्प की ओर जाता है जिससे एक सीधा वातावरण प्रदान करता है परीक्षण कोड के साथ-साथ कई पैरामीटर आयामों पर रणनीतियों का मूल्यांकन करने के लिए पर्याप्त निष्पादन भी प्रदान करता है। इस स्थान में विशिष्ट IDE में माइक्रोसॉफ्ट विज़ुअल सीसी शामिल है, जिसमें व्यापक डीबगिंग उपयोगिताओं, इंटेलिसेंस के माध्यम से कोड समापन क्षमताएं और डाटाबेस ओआरएम के माध्यम से पूरे प्रोजेक्ट स्टैक के सीधा ब्योरा, LINQ MatLab जो व्यापक संख्यात्मक रेखीय बीजगणित और वेक्टरिज्ड परिचालन के लिए डिज़ाइन किया गया है, लेकिन एक इंटरैक्टिव कंसोल तरीके से आर स्टूडियो जो कि आर सांख्यिकीय भाषा कंसोल को लिनक्स जावा और सी के लिए पूर्णांकित IDE ग्रहण आईडीई और अर्ध-स्वामित्व वाली आईडीई जैसे एनथेट कैनोपी के लिए तैयार करता है पायथन, जिसमें डेटा विश्लेषण पुस्तकालय शामिल हैं जैसे कि एनआईएमपीवाई स्किफी स्किकिट-सीखें और पांडा को एक इंटरैक्टिव कंसोल वातावरण में। संख्यात्मक बैकटेस्टिंग के लिए, उपरोक्त सभी भाषाएं उपयुक्त हैं, हालांकि यह एक जीयूआई आईडीई का उपयोग करने के लिए आवश्यक नहीं है क्योंकि कोड हो जाएगा पृष्ठभूमि में निष्पादित इस चरण में मुख्य विचार निष्पादन की गति है सी जैसे एक संकलित भाषा अक्सर उपयोगी होती है यदि बैकटेस्टेगिंग पैरामीटर आयाम बड़ी हैं याद रखें कि ऐसे सिस्टम से सावधान रहना आवश्यक है यदि ऐसा मामला है। जैसे कि पाइथन अक्सर उच्च-प्रदर्शन वाली पुस्तकालयों जैसे बैकटीस्टिंग चरण के लिए नमुपी पैंडस का उपयोग करते हैं, ताकि सी के उचित डिग्री को बनाए रख सकें संकलित समकक्षों के साथ अंतःप्रेरणा। अंततः बैकटेस्टिंग के लिए चुने जाने वाली भाषा विशिष्ट एल्गोरिथम की जरूरतों के साथ-साथ इसके नीचे की भाषा में उपलब्ध पुस्तकालयों की श्रेणी के आधार पर निर्धारित की जाएगी, लेकिन बैकएटर और अनुसंधान वातावरण के लिए इस्तेमाल की जाने वाली भाषा पूरी तरह से उन लोगों से स्वतंत्र हो सकती है पोर्टफोलियो निर्माण, जोखिम प्रबंधन और निष्पादन घटकों में इस्तेमाल किया जाता है, जैसा कि देखा जाएगा। पोर्टफोलिओ निर्माण और जोखिम प्रबंधन। पोर्टफोलियो निर्माण और जोखिम प्रबंधन घटक अक्सर खुदरा एल्गोरिथम व्यापारियों द्वारा अनदेखी किए जाते हैं यह लगभग हमेशा एक गलती है ये उपकरण तंत्र प्रदान करते हैं जिसके द्वारा पूंजी को संरक्षित किया जाएगा वे न केवल जोखिम वाले दांव की संख्या को कम करने का प्रयास करते हैं, बल्कि लेनदेन लागत को कम करने, लेनदेन लागत को कम करने, स्वयं ट्रेडों का मंथन भी कम करते हैं। इन घटकों के परिष्कृत संस्करणों की गुणवत्ता और मुनाफे की सुसंगतता पर एक महत्वपूर्ण प्रभाव हो सकता है यह सीधा है के रूप में रणनीतियों के एक स्थिर बनाने के लिए पोर्टफोलियो निर्माण तंत्र और जोखिम प्रबंधक को आसानी से कई प्रणालियों को संभालने के लिए संशोधित किया जा सकता है इसलिए उन्हें एल्गोरिथम ट्रेडिंग सिस्टम के डिजाइन के प्रारंभ में आवश्यक घटक माना जाना चाहिए। पोर्टफोलियो निर्माण प्रणाली की नौकरी वांछित ट्रेडों का एक सेट लेना और उत्पादन करना है वास्तविक ट्रेडों का सेट जो मंथन को कम करता है, ऐसे क्षेत्रों, परिसंपत्ति वर्गों, अस्थिरता आदि जैसे विभिन्न कारकों के लिए जोखिम बनाए रखता है और पोर्टफोलियो में विभिन्न रणनीतियों के लिए पूंजी के आवंटन का अनुकूलन करता है। पोर्टफोलिओ निर्माण अक्सर रेखीय बीजगणित समस्या जैसे कि मैट्रिक्स फैक्टरसिएशन और इसलिए प्रदर्शन बहुत ही संख्यात्मक रैखिक बीजगणित कार्यान्वयन की प्रभावशीलता पर निर्भर है। आम पुस्तकालयों में शामिल हैं यूबीएलएस लॅपैक और सी मेटलैब के लिए एनएजी भी बड़े पैमाने पर अनुकूलित मैट्रिक्स संचालन के पास हैं। पायथन इस तरह के कम्प्यूटेशंस के लिए नमुपी साइपी का इस्तेमाल करता है एक अक्सर रिबीलेंस पोर्टफोलियो को संकलित और अच्छी तरह से अनुकूलित यह मैट्रिक्स लाइब्रेरी ले जाने के लिए बाहर निकालना, ताकि व्यापारिक प्रणाली को बाधा न पड़े। जोखिम प्रबंधन एक एल्गोरिथम व्यापार प्रणाली का एक और महत्वपूर्ण हिस्सा है जोखिम कई रूपों में आ सकता है वृद्धि अस्थिरता हालांकि यह कुछ रणनीतियों के लिए वांछनीय के रूप में देखा जा सकता है, परिसंपत्ति वर्गों, काउंटर - पर्टी डिफॉल्ट, सर्वर आउटेज, ब्लैक हंस इवेंट्स और अनक्यूटेड बग्स को कुछ नाम देने के लिए। जोखिम प्रबंधन घटकों का प्रयास करते हैं और एसेट क्लास के बीच अत्यधिक अस्थिरता और सहसंबंध के प्रभावों का अनुमान लगाते हैं और उनके बाद के प्रभावों को व्यापारिक पूंजी पर अक्सर इसे कम कर देता है मोंटे कार्लो तनाव परीक्षण जैसे सांख्यिकीय कम्प्यूटेशंस के एक सेट के लिए ये डेरिवेटिव प्राइसिंग इंजन की कम्प्यूटेशनल जरूरतों के समान है और जैसे सीपीयू-बद्ध होंगे ये सिमुलेशन बहुत ही समानांतर हैं नीचे देखें और एक निश्चित डिग्री के लिए, यह संभव है समस्या पर हार्डवेयर फेंकने के लिए। एक्ज़ीक्यूशन सिस्टम। निष्पादन प्रणाली की नौकरी टी से फ़िल्टर्ड ट्रेडिंग सिग्नल प्राप्त करना है वह पोर्टफोलियो निर्माण और जोखिम प्रबंधन घटकों और उन्हें ब्रोकरेज या मार्केट एक्सेस के अन्य माध्यमों तक भेजते हैं। खुदरा एल्गोरिदमिक व्यापार रणनीतियों के बहुमत के लिए यह एक एपीआई या फिक्स कनेक्शन को ब्रोकरेज जैसे इंटरैक्टिव ब्रोकर्स जैसे प्राथमिक भाषा में निर्णय लेता है एपीआई की गुणवत्ता, एक एपीआई, निष्पादन आवृत्ति और प्रत्याशित झुकाव के लिए भाषा-रैपर उपलब्धता शामिल है। एपीआई की गुणवत्ता को यह दर्शाता है कि कितनी अच्छी तरह से प्रलेखित किया गया है, यह किस तरह का प्रदर्शन प्रदान करता है, चाहे वह एक स्टैंडअलोन सॉफ़्टवेयर की आवश्यकता हो, चाहे एक गेटवे को बिना हेडलेस फैशन में स्थापित किया जा सकता है अर्थात कोई जीयूआई इंटरैक्टिव ब्रोकर्स के मामले में, ट्रेडर वर्कस्टेशन टूल को अपने एपीआई तक पहुंचने के लिए जीयूआई पर्यावरण में चलना चाहिए I एक बार एक डेस्कटॉप उबंटु संस्करण को एक अमेज़ॅन पर स्थापित करना था क्लाउड सर्वर इंटरैक्टिव ब्रोकर को दूरस्थ रूप से एक्सेस करने के लिए, विशुद्ध रूप से इस कारण से। अधिकांश एपीआई एक सी और या जावा इंटरफेस प्रदान करेगा यह आम तौर पर सी, पायथन, आर, एक्सेल और मैटलैब के लिए भाषा-विशिष्ट रैपर विकसित करने के लिए समुदाय ध्यान दें कि विशेषकर एपीआई रैपरों के इस्तेमाल के लिए हर अतिरिक्त प्लगइन के साथ सिस्टम में बग्स को रेंगने के लिए गुंजाइश होती है, हमेशा इस प्रकार के प्लगिन का परीक्षण करें और सुनिश्चित करें कि वे सक्रिय रूप से बनाए गए हैं एक सार्थक गेज यह देखने के लिए है कि हाल के महीनों में एक कोडबेस के लिए कितने नए अपडेट किए गए हैं। निष्पादन एल्गोरिथम में एक्सेक्यूशन आवृत्ति सबसे महत्वपूर्ण है। ध्यान दें कि सैकड़ों आदेश हर मिनट भेजे जा सकते हैं और इस तरह के प्रदर्शन के लिए महत्वपूर्ण है Slippage खराब प्रदर्शन वाली निष्पादन प्रणाली के माध्यम से किए गए और इसका मुनाफे पर नाटकीय प्रभाव पड़ेगा। स्थिर जावा टाइपेज के रूप में नीचे की गईं भाषाएं आम तौर पर निष्पादन के लिए इष्ट हैं लेकिन विकास के समय में एक व्यापारिक बंद है, परीक्षण और रखरखाव में आसानी गतिशील रूप से टाइप किए गए भाषाओं, जैसे कि पायथन और पर्ल अब आम तौर पर तेजी से पर्याप्त हैं हमेशा सुनिश्चित करें कि घटकों को एक मॉड्यूलर फैशन में डिज़ाइन किया गया है ताकि नीचे देखें सिस्टम स्केल के रूप में उन्हें बाहर निकाल दिया जा सकता है। आर्किटेक्चरल प्लानिंग और डेवलपमेंट प्रोसेस। एक ट्रेडिंग सिस्टम के घटकों, इसकी आवृत्ति और मात्रा की आवश्यकताओं को ऊपर चर्चा की गई है, लेकिन सिस्टम इंफ्रास्ट्रक्चर को अभी तक कवर नहीं किया गया है जो एक खुदरा व्यापारी के रूप में कार्य करना या काम करना एक छोटे से फंड में संभवतः कई टोपी पहने होंगे अल्फा मॉडल, जोखिम प्रबंधन और निष्पादन मापदंडों को कवर करने के लिए और सिस्टम के अंतिम क्रियान्वयन के लिए भी आवश्यक हो जाएगा विशिष्ट भाषाओं में प्रवेश करने से पहले एक इष्टतम प्रणाली आर्किटेक्चर के डिजाइन पर चर्चा की जाएगी चिंता की स्थिति। सबसे महत्वपूर्ण निर्णयों में से एक को शुरू में बनाया जाना चाहिए कि कैसे एक व्यापार प्रणाली की चिंताओं को अलग करना है सॉफ्टवेयर विकास में, इसका अनिवार्य रूप से मतलब है कि व्यापार प्रणाली के विभिन्न पहलुओं को अलग मॉड्यूलर घटकों में कैसे तोड़ना है । प्रत्येक घटक पर इंटरफेस को उजागर करके अन्य संस्करणों के लिए सिस्टम के कुछ हिस्सों को स्वैप करना आसान होता है जो सहायता प्रदर्शन, किसी भी बाहरी निर्भरता कोड को संशोधित किए बिना विश्वसनीयता या रखरखाव, इस प्रणाली के लिए यह सबसे अच्छा अभ्यास है कम आवृत्तियों पर रणनीतियों के लिए इस तरह के व्यवहार सलाह दी जाती है अल्ट्रा उच्च आवृत्ति व्यापार के लिए नियम पुस्तिका को और भी अधिक प्रदर्शन के लिए सिस्टम को छूने की कीमत पर अनदेखा करना पड़ सकता है एक अधिक कसकर युग्मित सिस्टम वांछनीय हो सकता है। एल्गोरिथमिक ट्रेडिंग सिस्टम के एक घटक का नक्शा बनाना उसके लिए एक लेख है, हालांकि, एक इष्टतम दृष्टिकोण यह सुनिश्चित करना है कि ऐतिहासिक और वास्तविक समय के बाजार डेटा इनपुट, डेटा संग्रहण के लिए अलग-अलग घटक हैं डेटा एक्सेस एपीआई, बैकटेस्टर, स्ट्रेटेजी मापदंडों, पोर्टफोलियो निर्माण, जोखिम प्रबंधन और स्वचालित निष्पादन प्रणालियां। उदाहरण के लिए, यदि डेटा स्टोर का इस्तेमाल किया जा रहा है, तो अब अनुकूलन के महत्वपूर्ण स्तर पर भी इसका प्रदर्शन कम हो रहा है, इसे कम से कम पुन: लिखने के साथ स्वैप किया जा सकता है डेटा अंतर्ग्रहण या डेटा एक्सेस एपीआई जहां तक ​​बैकस्टर और बाद के घटकों का संबंध है, वहां कोई घ नहीं है पृथक घटकों का एक अन्य लाभ यह है कि यह समग्र प्रणाली में विभिन्न प्रकार की प्रोग्रामिंग भाषाओं को इस्तेमाल करने की अनुमति देता है। अगर किसी घटक की संचार पद्धति स्वतंत्र है तो यह एक ही भाषा के लिए सीमित होने की कोई आवश्यकता नहीं है। वे टीसीपी आईपी, ज़ीरोएमक्यू या कुछ अन्य भाषा-स्वतंत्र प्रोटोकॉल के माध्यम से संचार कर रहे हैं। एक ठोस उदाहरण के रूप में, क्रैकिंग प्रदर्शन के लिए सी में एक बैकटेस्टिंग सिस्टम के लिए लिखा जा रहा है, जबकि पोर्टफोलियो मैनेजर और एक्ज़ीक्यूशन सिस्टम पायथन में SciPy का उपयोग करते हुए लिखा है और IBPy. Performance विचार। प्रदर्शन सबसे अधिक व्यापार रणनीतियों के लिए एक महत्वपूर्ण विचार है उच्च आवृत्ति रणनीतियों के लिए यह सबसे महत्वपूर्ण कारक है प्रदर्शन एल्गोरिथम निष्पादन की गति, नेटवर्क विलंबता, बैंडविड्थ, डेटा आईओ, concurrency समानांतर और एक विस्तृत श्रृंखला के मुद्दों को शामिल करता है स्केलिंग इन क्षेत्रों में से प्रत्येक को अलग-अलग बड़ी पाठ्यपुस्तकों द्वारा कवर किया जाता है, इसलिए यह आलेख केवल खरोंच होगा प्रत्येक विषय की सतह ई और वास्तुकला और भाषा की पसंद अब प्रदर्शन पर उनके प्रभाव के संदर्भ में चर्चा की जाएगी। प्रचलित ज्ञान, डोनाल्ड नुथ द्वारा कंप्यूटर साइंस के एक पिता ने कहा है, यह समयपूर्व अनुकूलन सभी बुराइयों की जड़ है यह लगभग है हमेशा मामला - एक उच्च आवृत्ति ट्रेडिंग एल्गोरिथ्म बनाने के अलावा, जो लोग कम आवृत्ति रणनीतियों में दिलचस्पी रखते हैं, एक सामान्य तरीका संभवतः सरल तरीके से एक प्रणाली का निर्माण करना है और केवल बाधाओं के रूप में ऑप्टिमाइज़ करना शुरू होने लगते हैं। प्रोफ़ाइल उपकरण निर्धारित करने के लिए उपयोग किया जाता है जहां बाधा उत्पन्न होती है, ऊपर सूचीबद्ध सभी कारकों के लिए प्रोफाइल बन सकते हैं, या तो एमएस विंडोज या लिनक्स के वातावरण में ऐसा करने के लिए कई ऑपरेटिंग सिस्टम और भाषा उपकरण उपलब्ध हैं, साथ ही साथ तीसरे पक्ष के उपयोगिता अब भाषा चुनाव में चर्चा की जाएगी। प्रदर्शन। सी, जावा, पायथन, आर और मैटलैब के संदर्भ में सभी उच्च-प्रदर्शन पुस्तकालयों को अपने मानक या बाह्य रूप से बुनियादी डेटा स्ट्रॉ के लिए ucture और एल्गोरिथम काम सी मानक टेम्पलेट पुस्तकालय के साथ सी, जबकि पायथन में NumPy SciPy शामिल है सामान्य गणितीय कार्य इन पुस्तकालयों में पाया जाता है और यह एक नया कार्यान्वयन लिखने के लिए शायद ही फायदेमंद है। एक अपवाद अगर अत्यधिक अनुकूलित हार्डवेयर वास्तुकला आवश्यक है और एक एल्गोरिथ्म कस्टम कैश जैसे मालिकाना विस्तारों का व्यापक उपयोग कर रहा है हालांकि, अक्सर व्हील की बर्बादी का समय बर्बाद होता है जो कि व्यापार के बुनियादी ढांचे के अन्य हिस्सों के विकास और अनुकूलन को बेहतर ढंग से बिता सकता है विकास का समय विशेष रूप से एकमात्र डेवलपर्स के संदर्भ में अत्यंत अनमोल है। लेटेंसी प्रायः निष्पादन प्रणाली का एक मुद्दा है क्योंकि अनुसंधान उपकरण आम तौर पर उसी मशीन पर स्थित होते हैं पूर्व के लिए, लेटेंसी एक्ज़्यूशन पथ के साथ कई बिंदुओं पर हो सकती है डेटाबेस को डिस्क नेटवर्क विलंबता से परामर्श किया जाना चाहिए, सिग्नल ऑपरेटिंग सिस्ट, कर्नेल मैसेजिंग विलंबता , व्यापार संकेतों में एनआईसी विलंबता और आदेश में संसाधित एक्सचेंज सिस्टम भेजा गया था टर्नल विलंबता। उच्च आवृत्ति परिचालन के लिए, कर्नल अनुकूलन के साथ ही परिचित परिचित होने के साथ-साथ नेटवर्क ट्रांसमिशन के अनुकूलन भी आवश्यक है यह एक गहरी क्षेत्र है और यह लेख के दायरे से काफी अधिक है, लेकिन यदि एक यूएचएफटी एल्गोरिथ्म वांछित है, तो इसके बारे में अवगत रहें आवश्यक ज्ञान की गहराई। कैशिंग एक मात्रात्मक व्यापारिक डेवलपर के टूलकिट में बहुत उपयोगी है कैशिंग बार-बार एक्सेस किए गए डेटा को ऐसे तरीके से संग्रहीत करने की अवधारणा को संदर्भित करता है जो डेटा के संभावित staleness की कीमत पर उच्च-प्रदर्शन पहुंच की अनुमति देता है आम उपयोग के मामले डिस्क-बैकड रिलेशनल डेटाबेस से डेटा लेते समय वेब डेवलपमेंट में होता है और इसे स्मृति में डालता है डेटा के लिए किसी भी बाद के अनुरोधों को डेटाबेस को हिट नहीं करना पड़ता है और इसलिए प्रदर्शन फायदे महत्वपूर्ण हो सकते हैं। व्यापारिक स्थितियों के लिए कैशिंग बेहद फायदेमंद हो सकता है उदाहरण के लिए , एक रणनीतिक पोर्टफोलियो की वर्तमान स्थिति एक कैश में तब तक जमा की जा सकती है जब तक कि वह पुनर्जन्म न हो, जैसे कि सूची में यह नहीं है डी को ट्रेडिंग एल्गोरिदम के प्रत्येक लूप पर पुनर्जीवित किया जाना चाहिए इस तरह के उत्थान को एक उच्च सीपीयू या डिस्क आईओ ऑपरेशन होने की संभावना है। हालांकि, कैशिंग अपने स्वयं के मुद्दों के बिना नहीं है कैश डेटा का पुनर्जन्म कैश भंडारण की वोल्टाइली प्रकृति के कारण , बुनियादी ढांचे पर महत्वपूर्ण मांग रख सकते हैं एक और मुद्दा कुत्ते का ढेर है, जहां एक नई कैश प्रति की कई पीढ़ियों को अत्यधिक उच्च भार के तहत किया जाता है, जिससे विफलता का झंडा पड़ता है। डायनेमिक स्मृति आवंटन सॉफ्टवेयर निष्पादन में एक महँगा ऑपरेशन है, इसलिए यह आवश्यक है कि उच्च निष्पादन व्यापार अनुप्रयोगों को अच्छी तरह से जागरूक होना चाहिए कि स्मृति प्रवाह को आवंटित किया जा रहा है और प्रोग्राम प्रवाह के दौरान वितरित किया जा रहा है जावा, सी और पायथन जैसे नए भाषा मानकों ने स्वचालित कचरा संग्रहण किया है जो कि गतिशील रूप से आवंटित स्मृति के वितरण को दर्शाता है जब वस्तुओं को क्षेत्र से बाहर जाना जाता है। गारबेज संग्रह विकास के दौरान बेहद उपयोगी होता है क्योंकि यह त्रुटियों को कम कर देता है और पठनीयता में सहायता करता है हालांकि, यह अक्सर सी के लिए उप-इष्टतम होता है कुछ उच्च आवृत्ति व्यापार रणनीतियों कस्टम कचरा संग्रह अक्सर इन मामलों के लिए इच्छित है जावा में, उदाहरण के लिए, कचरा कलेक्टर और हेप कॉन्फ़िगरेशन ट्यूनिंग करके, एचएफटी रणनीतियों के लिए उच्च प्रदर्शन प्राप्त करना संभव है। C एक देशी कचरा कलेक्टर प्रदान नहीं करता है और इसलिए किसी ऑब्जेक्ट के कार्यान्वयन के हिस्से के रूप में सभी स्मृति आवंटन deallocation को संभालना आवश्यक है। संभवतः त्रुटि प्रवण संभाव्य रूप से खतरनाक पॉइंटर्स के लिए अग्रणी हो सकता है, यह ठीक है कि कैसे कुछ अनुप्रयोगों के लिए ढेर पर ऑब्जेक्ट दिखाई देते हैं, यह ठीक से नियंत्रित होता है। कचरा कलेक्टर कैसे काम करता है और यह कि किसी विशेष उपयोग के मामले के लिए अनुकूलन करने के लिए संशोधित किया जा सकता है, इसका अध्ययन करना सुनिश्चित करें। एल्गोरिथम ट्रेडिंग प्रणालियों में कई कार्रवाइयों को समानांतर करने योग्य बनाया गया है यह एक ही समय में कई प्रोग्रामेटिक ऑपरेशन को चलाने की अवधारणा को संदर्भित करता है समानांतर तथाकथित embarassingly समांतर एल्गोरिथम में ऐसे चरण शामिल हैं जिन्हें पूरी तरह से स्वतंत्र रूप से गणना की जा सकती है अन्य कदमों के लिए मोंटे कार्लो सिमुलेशन जैसे कुछ सांख्यिकीय कार्रवाइयां, प्रत्येक यादृच्छिक एल्गोरिदम के रूप में शर्मनाक रूप से समानांतर एल्गोरिदम का एक अच्छा उदाहरण हैं और बाद के मार्ग संचालन को अन्य मार्गों के ज्ञान के बिना गणना की जा सकती हैं। अन्य एल्गोरिदम केवल आंशिक रूप से समानांतर योग्य द्रव गतिशीलता सिमुलेशन हैं एक उदाहरण, जहां गणना के डोमेन को विभाजित किया जा सकता है, लेकिन अंततः इन डोमेनों को एक दूसरे के साथ संवाद करना चाहिए और इस प्रकार संचालन आंशिक रूप से अनुक्रमिक है। समानांतर योग्य एल्गोरिदम Amdahl के कानून के अधीन हैं जो एक सैद्धांतिक ऊपरी सीमा प्रदान करता है जो एक समानांतरित एल्गोरिदम जब एन सीपीयू कोर या धागा पर अलग-अलग प्रक्रियाओं के उदाहरण होते हैं। पर्ललिलिज़ेशन प्रोटेसर घड़ी-गति की वजह से ऑप्टिमाइज़ेशन के एक साधन के रूप में तेजी से महत्वपूर्ण हो गया है, क्योंकि नए प्रोसेसर में कई कोर होते हैं जिसके साथ समानांतर गणना होती है उपभोक्ता ग्राफिक्स हार्डवेयर का उदय मुख्य रूप से वीडियो गेम के लिए नेतृत्व किया गया है ग्राफ़िकल प्रसंस्करण इकाइयों के विकास के लिए GPUs, जिसमें अत्यधिक समसामयिक कार्यों के लिए सैकड़ों कोर होते हैं, ऐसे GPU अब बहुत सस्ती उच्च-स्तरीय रूपरेखा हैं, जैसे कि एनवीडिया के CUDA ने शिक्षा और वित्त में बड़े पैमाने पर अपनाने का नेतृत्व किया है.इस प्रकार GPU हार्डवेयर आमतौर पर केवल मात्रात्मक वित्त के अनुसंधान पहल के लिए उपयुक्त है, जबकि फ़ील्ड-प्रोग्राममेबल गेट एरेज़ सहित अन्य विशेषीकृत हार्डवेयर - एफपीजीए का प्रयोग यू एचएफटी के लिए किया जाता है, आजकल सबसे आधुनिक लंगुगेज एक डिग्री संमिश्रण बहुस्तृतता का समर्थन करते हैं, इसलिए यह सभी बैकटेस्टर को अनुकूलित करने के लिए सरल है, क्योंकि सभी गणना आम तौर पर दूसरों से स्वतंत्र होते हैं। सॉफ़्टवेयर इंजीनियरिंग और संचालन में सुधार, सिस्टम की क्षमता को अधिक से अधिक अनुरोधों, उच्च प्रोसेसर के उपयोग और अधिक स्मृति आवंटन के रूप में लोड को बढ़ाने के लिए, एल्गोरिथम व्यापार में एक रणनीति को मापने में सक्षम है, बड़ी मात्रा में पूंजी स्वीकार कर सकते हैं और फिर भी लगातार रिटर्न पेश करते हैं टी रडिंग टेक्नोलॉजी स्टैक तराजू अगर यह बिना किसी बाधा के व्यापार के संस्करणों और बढ़ती विलंबता को सहन कर सकती है। जब सिस्टम को स्केल करने के लिए डिज़ाइन किया जाना चाहिए, तो पहले से ही भविष्यवाणी करना कठिन होता है कि एक बाधा उत्पन्न हो जाएगी, रग्जिंग लॉगिंग, टेस्टिंग, प्रोफाइलिंग और मॉनिटरिंग सिस्टम को स्केल करने के लिए सिस्टम को स्केल करने की अनुमति अक्सर अकसरनीय के रूप में वर्णित की जाती है यह आम तौर पर मुश्किल तथ्य के बजाय गलत सूचना का परिणाम है, यह कुल प्रौद्योगिकी स्टैक है जो स्केलिबिलिटी के लिए निर्धारित किया जाना चाहिए, नहीं भाषा स्पष्ट रूप से कुछ भाषाओं में विशेष रूप से दूसरों की तुलना में अधिक प्रदर्शन है मामलों का उपयोग करें, लेकिन हर भाषा में किसी एक भाषा की तुलना में बेहतर नहीं है। ऊपर दिए गए अनुसार, अलग-अलग चिंताओं को प्रबंधित करने का एक साधन है, सिस्टम में स्पाइक को संभालने की क्षमता को आगे बढ़ाने के लिए, अर्थात अचानक अस्थिरता जो ट्रेडों का एक बेड़ा है , यह एक संदेश कतार वास्तुकला बनाने के लिए उपयोगी है इसका मतलब सी के बीच संदेश कतार प्रणाली को रखने का मतलब है ओम्पोनेंट्स ताकि ऑर्डर को स्टैक्ड कर दिया जाता है यदि एक निश्चित घटक कई अनुरोधों को संसाधित करने में असमर्थ होता है। अनुरोध खो जाने के बजाय, केवल एक स्टैक में रखा जाता है जब तक कि संदेश संभाला नहीं जाता है यह एक निष्पादन इंजन में ट्रेडों भेजने के लिए विशेष रूप से उपयोगी है यदि इंजन है भारी विलंब के बाद पीड़ित होने पर ट्रेडों का बैक अप होगा व्यापार सिग्नल जनरेटर और निष्पादन एपीआई के बीच एक कतार संभावित व्यापार झुकाव की कीमत पर इस मुद्दे को कम करेगा एक अच्छी तरह से सम्मानित ओपन सोर्स संदेश क्यूई दलाल खरगोश एमक्यू। हार्डवेयर और ऑपरेटिंग सिस्टम है। आपकी रणनीति चलाने वाले हार्डवेयर का आपके एल्गोरिदम की लाभप्रदता पर महत्वपूर्ण प्रभाव हो सकता है यह उच्च आवृत्ति वाले व्यापारियों के लिए प्रतिबंधित मुद्दा नहीं है या तो हार्डवेयर और ऑपरेटिंग सिस्टम में खराब विकल्प मशीन दुर्घटना का कारण बन सकता है या सबसे अयोग्य क्षण पर रिबूट हो सकता है। यह विचार करना जरूरी है कि आपका आवेदन कैसा रहेगा चुनाव आमतौर पर एक व्यक्तिगत डेस्कटॉप मशीन, रिमोट सर्वर, क्लाउड के बीच है प्रदाता या एक एक्सचेंज सह-स्थित सर्वर। डीस्कटॉप मशीनें, खासकर नए उपयोगकर्ता के अनुकूल ऑपरेटिंग सिस्टम जैसे कि विंडोज 7 8, मैक ओएसएक्स और उबंटू डेस्कटॉप सिस्टम के पास कुछ महत्वपूर्ण खामियां हैं स्थापित करने और संचालित करने के लिए सरल हैं, हालांकि सबसे महत्वपूर्ण यह है कि संस्करण डेस्कटॉप मशीनों के लिए डिज़ाइन किए गए ऑपरेटिंग सिस्टमों को रिबूट्स पैचिंग की आवश्यकता होती है और अक्सर वे सबसे खराब समय पर वे एक ग्राफिकल यूजर इंटरफेस GUI की आवश्यकता के आधार पर अधिक कम्प्यूटेशनल संसाधनों का उपयोग करते हैं। घर या स्थानीय कार्यालय के वातावरण में हार्डवेयर का इस्तेमाल करने के लिए इंटरनेट कनेक्टिविटी और बिजली अपटाइम समस्याओं डेस्कटॉप सिस्टम का मुख्य लाभ यह है कि महत्वपूर्ण कम्प्यूटेशनल हॉर्स पावर को दूरस्थ समर्पित सर्वर या क्लाउड आधारित तुलनीय गति की प्रणाली के आधार के लिए खरीदा जा सकता है.एक समर्पित सर्वर या क्लाउड-आधारित मशीन, जबकि अक्सर एक डेस्कटॉप विकल्प की तुलना में अधिक महंगा होता है, जो अधिक महत्वपूर्ण रिडंडेंसी अवसंरचना, जैसे कि स्वचालित डेटा के लिए अनुमति देता है एक बैकअप, अधिक सख्ती से अपटाइम और रिमोट मॉनिटरिंग को सुनिश्चित करने की क्षमता क्योंकि वे ऑपरेटिंग सिस्टम की दूरस्थ लॉगिन क्षमताओं का उपयोग करने की क्षमता की आवश्यकता होती है, क्योंकि उन्हें संचालित करना कठिन होता है.विंडो में यह सामान्यतः जीयूआई रिमोट डेस्कटॉप प्रोटोकॉल RDP के माध्यम से यूनिक्स-आधारित सिस्टम कमांड लाइन सिक्योर शेल एसएसएच का इस्तेमाल होता है यूनिक्स-आधारित सर्वर इन्फ्रास्ट्रक्चर लगभग हमेशा कमांड लाइन आधारित होता है जो तुरंत GUI - आधारित प्रोग्रामिंग उपकरण जैसे कि मैटलाब या एक्सेल को अनुपयोगी बनता है। एक सह-स्थित सर्वर, जैसा वाक्यांश वाक्यांश में प्रयोग किया जाता है पूंजी बाजार, केवल एक समर्पित सर्वर है जो ट्रेडिंग एल्गोरिदम की विलंबता को कम करने के लिए एक एक्सचेंज में रहता है यह निश्चित उच्च आवृत्ति व्यापार रणनीतियों के लिए बिल्कुल आवश्यक है, जो अल्फा उत्पन्न करने के लिए कम विलंब पर भरोसा करते हैं। हार्डवेयर के लिए अंतिम पहलू पसंद और प्रोग्रामिंग भाषा का विकल्प प्लेटफ़ॉर्म-आजादी है क्या कई अलग-अलग ऑपरेटिंग सिस्टमों में चलाने के लिए कोड की आवश्यकता है कोड डी प्रोसेसर आर्किटेक्चर, जैसे कि इंटेल x86 x 64 या किसी आरआईएससी प्रोसेसर जैसे कि एआरएम द्वारा निर्मित उन पर चलाना संभव होगा, पर चलाया जा सकता है इन मुद्दों पर आवृत्ति और प्रकार की रणनीति के कार्यान्वयन पर अत्यधिक निर्भर होगा। लचीलापन और परीक्षण। एल्गोरिथम व्यापार पर बहुत अधिक धन खोने के सर्वोत्तम तरीकों में से किसी भी लचीलापन के साथ एक प्रणाली बनाने का नहीं है यह सिटम के स्थायित्व को संदर्भित करता है जब दुर्लभ घटनाओं, जैसे दलाली दिवालिया होने, अचानक अधिक अस्थिरता, क्षेत्र क्लाउड सर्वर प्रदाता के लिए एक डाउनटाइम या संपूर्ण ट्रेडिंग डाटाबेस के आकस्मिक विलोपन, लाभ के सालों में खराब डिज़ाइन किए गए आर्किटेक्चर के साथ सेकेंड में समाप्त किया जा सकता है debuggng, परीक्षण, लॉगिंग, बैकअप, हाई - आपके सिस्टम के मुख्य घटकों के रूप में उपलब्धता और निगरानी। यह संभावना है कि विकास के कम से कम 50 के किसी भी उचित जटिल मात्रात्मक व्यापार आवेदन में समय पर डीबगिंग, परीक्षण और रखरखाव पर खर्च किया जाएगा। लगभग सभी प्रोग्रामिंग भाषा या तो संबंधित डीबगर के साथ जहाज करते हैं या अच्छी तरह से सम्मानित तृतीय-पक्ष विकल्प रखती हैं संक्षेप में, डीबगर कोड के मार्ग में मनमाना तोड़ने के बिंदुओं को सम्मिलित करने के साथ प्रोग्राम के निष्पादन की अनुमति देता है , जो सिस्टम की स्थिति की जांच के लिए अस्थायी तौर पर निष्पादन को रोकता है डीबगिंग का मुख्य लाभ यह है कि ज्ञात क्रैश पॉइंट से पहले कोड के व्यवहार की जांच करना संभव है। प्रोग्रामिंग त्रुटियों का विश्लेषण करने के लिए टूलबॉक्स में डीबोबिंग एक आवश्यक घटक है , वे सी या जावा जैसी संकलित भाषाओं में अधिक व्यापक रूप से उपयोग किए जाते हैं, जैसे कि पाइथन जैसी व्याख्या की गई भाषाएं कम एलओसी की वजह से डिबग करने में आसान होती हैं और कम वर्बोज़ बयान के बावजूद अजगर इस प्रवृत्ति के बावजूद पायथन पीडीबी के साथ जहाज करता है जो एक आधुनिक डिबगिंग टूल है माइक्रोसॉफ्ट विज़ुअल सी आईडीई में व्यापक जीयूआई डिबगिंग यूटिलिटीज हैं, जबकि कमांड लाइन लिनक्स सी प्रोग्रामर के लिए, जीडीबी डीबगर मौजूद है। सॉफ़्टवेयर डेवलपमेंट में परीक्षण, ज्ञात मापदंडों और एक कोडबेस के भीतर विशिष्ट फ़ंक्शंस, विधियों और वस्तुओं के परिणामों को लागू करने की प्रक्रिया को दर्शाता है ताकि व्यवहार को अनुकरण और एकाधिक कोड-पथ का मूल्यांकन किया जा सके, यह सुनिश्चित करने में सहायता करता है कि एक सिस्टम के व्यवहार के अनुसार इसे और अधिक हालिया होना चाहिए। प्रतिमान को टेस्ट ड्राइविंग डेवलपमेंट टीडीडी के रूप में जाना जाता है, जहां परीक्षण कोड को बिना किसी क्रियान्वयन के निर्दिष्ट इंटरफ़ेस के विरुद्ध विकसित किया गया है वास्तविक कोडबेस के पूरा होने से पहले सभी परीक्षण विफल हो जाएंगे क्योंकि कोड रिक्त स्थान को भरने के लिए लिखा जाता है, परीक्षण अंततः सभी पास होंगे, जिस बिंदु पर विकास को समाप्त करना चाहिए। डीडीडीडी को व्यापक अपफ्रंट विनिर्देश डिजाइन की आवश्यकता होती है साथ ही साथ एक स्वस्थ डिग्री अनुशासन की आवश्यकता होती है ताकि सफलतापूर्वक सी में उठाया जा सके, बूस्ट एक इकाई परीक्षण रूपरेखा प्रदान करता है जावा में, एक समान प्रयोजन अजगर को पूरा करने के लिए ज्युनिट पुस्तकालय भी है मानक पुस्तकालय के हिस्से के रूप में यूनिटिस्ट मॉड्यूल है कई अन्य भाषाओं में यूनिट परीक्षण के ढांचे के अधिकारी होते हैं और अक्सर कई ऑप्टी होते हैं ons. In एक उत्पादन पर्यावरण, परिष्कृत लॉगिंग बिल्कुल जरूरी है Logging से संदेश outputting की प्रक्रिया को संदर्भित करता है, विभिन्न प्रकार की गंभीरता के साथ, एक प्रणाली के निष्पादन व्यवहार के बारे में एक फ्लैट फ़ाइल या डेटाबेस लॉग करने के लिए हमले की पहली पंक्ति जब अप्रत्याशित के लिए शिकार कार्यक्रम रनटाइम व्यवहार दुर्भाग्य से लॉगिंग सिस्टम की कमियों को केवल तथ्य के बाद ही खोजा जा सकता है नीचे बताए गए बैकअप के साथ, एक प्रणाली को डिज़ाइन करने से पहले लॉगींग सिस्टम पर विचार किया जाना चाहिए। दोनों माइक्रोसॉफ्ट विंडोज और लिनक्स व्यापक सिस्टम लॉगिंग क्षमता के साथ आते हैं और प्रोग्रामिंग भाषाएं मानक लॉगिंग लाइब्रेरी के साथ जहाज देती हैं जो अधिकांश उपयोग के मामलों को कवर करती हैं, यह अक्सर बाद की तारीख में विश्लेषण करने के लिए लॉगिंग सूचना को केंद्रीकृत करने के लिए बुद्धिमान है, क्योंकि यह अक्सर प्रदर्शन या त्रुटि में कमी लाने के बारे में विचार कर सकती है, जो लगभग निश्चित रूप से आपके ट्रेडिंग रिटर्न पर सकारात्मक प्रभाव पड़ता है। जब एक सिस्टम लॉग करना सूचना प्रदान करेगी किसी अतीत में क्या हुआ है, एक आवेदन की निगरानी में अभी क्या हो रहा है, इस बारे में जानकारी प्रदान की जाएगी प्रणाली के सभी पहलुओं पर नजर रखने के लिए विचार किया जाना चाहिए सिस्टम स्तर की मीट्रिक जैसे कि डिस्क उपयोग, उपलब्ध मेमोरी, नेटवर्क बैंडविड्थ और CPU उपयोग बुनियादी भार प्रदान करते हैं जानकारी। असामान्य कीमतों की मात्रा जैसे अत्याधुनिक मीट्रिक, विभिन्न क्षेत्रों के बाजारों के लिए अचानक तेजी से ड्रॉडाउन और खाता एक्सपोज़र भी लगातार निगरानी रखनी चाहिए। इसके अलावा, थ्रेसहोल्ड सिस्टम को उत्तेजित किया जाना चाहिए, जो सूचनाएं प्रदान करते हैं, जब कुछ मेट्रिक्स का उल्लंघन होता है, सूचना विधि ईमेल, एसएमएस, 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 outw eigh 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 tra ding 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-ins pected at run-time and this carries a performance hit Libraries for dynamic languages, such as NumPy SciPy alleviate this issue due to enforcing a type within arrays. Open Source or Proprietary. One of the biggest choices available to an algorithmic trading developer is whether to use proprietary commercial or open source technologies There are advantages and disadvantages to both approaches It is necessary to consider how well a language is supported, the activity of the community surrounding a language, ease of installation and maintenance, quality of the documentation and any licensing maintenance costs. The Microsoft stack including Visual C , Visual C and MathWorks MatLab are two of the larger proprietary choices for developing custom algorithmic trading software Both tools have had significant battle testing in the financial space, with the former making up the predominant software stack for investment banking trading infrastructure and the latter being heavily used for quantitative trading research within investment funds. Microsoft and MathWorks both provide extensive high quality documentation for their products Further, the communities surrounding each tool are very large with active web forums for both The software allows cohesive integration with multiple languages such as C , C and VB, as well as easy linkage to other Microsoft products such as the SQL Server database via LINQ MatLab also has many plugins libraries some free, some commercial for nearly any quantitative research domain. There are also drawbacks With either piece of software the costs are not insignificant for a lone trader although Microsoft does provide entry-level version of Visual Studio for free Microsoft tools play well with each other, but integrate less well with external code Visual Studio must also be executed on Microsoft Windows, which is arguably far less performant than an equivalent Linux server which is optimally tuned. MatLab also lacks a few key plugins such as a good wrapper around the Interactive Brokers API, one of the few brokers amenable to high-performance algorithmic trading The main issue with proprietary products is the lack of availability of the source code This means that if ultra performance is truly required, both of these tools will be far less attractive. Open source tools have been industry grade for sometime Much of the alternative asset space makes extensive use of open-source Linux, MySQL PostgreSQL, Python, R, C and Java in high-performance production roles However, they are far from restricted to this domain Python and R, in particular, contain a wealth of extensive numerical libraries for performing nearly any type of data analysis imaginable, often at execution speeds comparable to compiled languages, with certain caveats. The main benefit of using interpreted languages is the speed of development time Python and R require far fewer lines of code LOC to achieve similar functionality, principally due to the extensive libraries Further, they often allow interactive console based development, rapidly reducing the iterative development process. Given that time as a developer is extremely valuable, and execution speed often less so unless in the HFT space , it is worth giving extensive consideration to an open source technology stack Python and R possess significant development communities and are extremely well supported, due to their popularity Documentation is excellent and bugs at least for core libraries remain scarce. Open source tools often suffer from a lack of a dedicated commercial support contract and run optimally on systems with less-forgiving user interfaces A typical Linux server such as Ubuntu will often be fully command-line oriented In addition, Python and R can be slow for certain execution tasks There are mechanisms for integrating with C in order to improve execution speeds, but it requires some experience in multi-language programming. While proprietary software is not immune from dependency versioning issues it is far less common to have to deal with incorrect library versions in such environments Open source operating systems such as Linux can be trickier to administer. I will venture my personal opinion here and state that I build all of my trading tools with open source technologies In particular I use Ubuntu, MySQL, Python, C and R The maturity, community size, ability to dig deep if problems occur and lower total cost ownership TCO far outweigh the simplicity of proprietary GUIs and easier installations Having said that, Microsoft Visual Studio especially for C is a fantastic Integrated Development Environment IDE which I would also highly recommend. Batteries Included. The header of this section refers to the out of the box capabilities of the language - what libraries does it contain and how good are they This is where mature languages have an advantage over newer variants C , Java and Python all now possess extensive libraries for network programming, operating system interact ion, 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 fo r algorithmic trading research Further, high-performance plugins exist for access to the main relational databases, such as MySQL MySQL C , JDBC Java MatLab , MySQLdb MySQL Python and psychopg2 PostgreSQL Python Python can even communicate with R via the RPy plugin. An often overlooked aspect of a trading system while in the initial research and design stage is the connectivity to a broker API Most APIs natively support C and Java, but some also support C and Python, either directly or with community-provided wrapper code to the C APIs In particular, Interactive Brokers can be connected to via the IBPy plugin If high-performance is required, brokerages will support the FIX protocol. As is now evident, the choice of programming language s for an algorithmic trading system is not straightforward and requires deep thought The main considerations are performance, ease of development, resiliency and testing, separation of concerns, familiarity, maintenance, source code availability, licensing costs and maturity of libraries. The benefit of a separated architecture is that it allows languages to be plugged in for different aspects of a trading stack, as and when requirements change A trading system is an evolving tool and it is likely that any language choices will evolve along with it. Just Getting Started with Quantitative Trading. Algorithmic Trading Custom Software Development. DataArt s services have been very helpful to firms and institutions which use automated trading strategies and quantitative data analysis We help clients in building and implementation of alpha, risk, transaction cost and portfolio models. For many modern strategies which use data mining for building data driven alpha models intraday and end-of-day data availability and quality is critical for strategy success High volumes of trades could lead to delays of historical data series delivered by exchanges This often leads to losing days of algo trading. DataArt is familiar with building custom frameworks a nd systems for big volume high frequency data logging. High frequency market data signals frequency down to five milliseconds. Process up to 15,000 inputs prices, Volumes and Quotes for 5000 of US stocks per registration node. Real-time data filtering. Publishing filtered signals to enterprise message bus. Quick access to historical data series is another critical point for quantitative data mining The speed of access to data often defines how much data one can mine and quality of output results the more in-sample data is mined the better the out-of-sample strategy behavior will be DataArt is experienced in building historical tick data storing in an optimized compact format. One-second data available for a three years period, thousands of signals, regular disk space. Quick access to historical data access time is 600 ms when accessing one year of data for one signal. Ability to apply cleaning anti-spike filters and transformation to raw historical data on the fly. Data quality validation jobs missing points, duplicates, out-of-range values. Integration jobs. DataArt also helps with building fast and effective back-testing systems which allow for executing and playing back in-sample and out-of-sample tests for strategies in seconds The quality of our back-testing systems and proprietary algorithms allow matching 99 of the intra-day trades with back-tests They support the following output parameters. Cumulative profit over time. Average rate of return and Std of return over time. Predictive power. Winning trades winning time percentage. Return ratio VS Risk. Sharpe ratio. DataArt is familiar with specifics of order execution in algorithmic trading such as. Cancelling and amending orders. Hidden Visible order. Aggressive Passive execution. Order size strategy. Execution strategy. Our experience and knowledge of algo trading and data mining opens additional opportunities for those who use mathematical models and quantitative analysis for big data, web and social web mining.