วิธีการ สร้าง ความถี่สูง ซื้อขาย ระบบ

พื้นฐานของการซื้อขายอัลกอริทึม: แนวคิดและตัวอย่างอัลกอริทึมคือชุดคำสั่งที่กำหนดไว้อย่างชัดเจนเพื่อสร้างงานหรือกระบวนการ การค้าอัลกอริธึม (การซื้อขายแบบอัตโนมัติการซื้อขายกล่องดำหรือการซื้อขายแบบอัลกอฮอล) เป็นกระบวนการของการใช้คอมพิวเตอร์ที่ตั้งโปรแกรมให้ทำตามคำแนะนำที่กำหนดไว้สำหรับการวางการค้าเพื่อสร้างผลกำไรด้วยความเร็วและความถี่ที่เป็นไปไม่ได้สำหรับ พ่อค้ามนุษย์ ชุดของกฎที่กำหนดขึ้นอยู่กับระยะเวลาราคาปริมาณหรือรูปแบบทางคณิตศาสตร์ใด ๆ นอกเหนือจากโอกาสในการทำกำไรสำหรับผู้ประกอบการค้าแล้วการค้าประเวณีจะทำให้ตลาดมีสภาพคล่องมากขึ้นและทำให้การค้าขายเป็นไปอย่างเป็นระบบมากยิ่งขึ้นโดยการลดผลกระทบจากอารมณ์ของมนุษย์ต่อกิจกรรมการค้า สมมติว่าผู้ค้าทำตามเงื่อนไขการค้าแบบง่ายๆเหล่านี้: ซื้อหุ้น 50 หุ้นเมื่อค่าเฉลี่ยเคลื่อนที่ 50 วันสูงกว่าค่าเฉลี่ยเคลื่อนที่ 200 วันขายหุ้นของหุ้นเมื่อค่าเฉลี่ยเคลื่อนที่ของ 50 วันต่ำกว่าค่าเฉลี่ยเคลื่อนที่ 200 วัน การใช้ชุดคำสั่งง่ายๆสองชุดนี้เป็นเรื่องง่ายที่จะเขียนโปรแกรมคอมพิวเตอร์ซึ่งจะตรวจสอบราคาหุ้นโดยอัตโนมัติ (และตัวบ่งชี้ค่าเฉลี่ยเคลื่อนที่) และวางคำสั่งซื้อและขายเมื่อเงื่อนไขที่กำหนดไว้ ผู้ประกอบการไม่จำเป็นต้องคอยเฝ้าดูราคาและกราฟสดอีกต่อไปหรือสั่งซื้อด้วยตนเอง ระบบการซื้อขายแบบอัลกอทิกซ์จะดำเนินการโดยอัตโนมัติสำหรับเขาโดยระบุโอกาสทางการค้าได้อย่างถูกต้อง (สำหรับข้อมูลเพิ่มเติมเกี่ยวกับค่าเฉลี่ยเคลื่อนที่โปรดดูที่: Simple Moving Averages ทำให้เทรนด์โดดเด่น) Algo-trading ให้ประโยชน์ต่อไปนี้: ธุรกรรมที่ดำเนินการในราคาที่ดีที่สุดการจัดตำแหน่งทางการค้าทันทีและถูกต้อง (มีโอกาสสูงในการดำเนินการในระดับที่ต้องการ) Trades (ดูตัวอย่างการขาดการดำเนินการด้านล่าง) การตรวจสอบอัตโนมัติแบบอัตโนมัติในสภาวะตลาดหลาย ๆ เงื่อนไขลดความเสี่ยงของข้อผิดพลาดด้วยตนเองในการวางธุรกิจการค้า Backtest อัลกอริทึมนี้ขึ้นอยู่กับข้อมูลทางประวัติศาสตร์และข้อมูลเรียลไทม์ที่มีอยู่ลดลง ความเป็นไปได้ที่จะเกิดความผิดพลาดจากผู้ค้ามนุษย์ขึ้นอยู่กับปัจจัยทางด้านอารมณ์และจิตใจส่วนที่สำคัญที่สุดของการซื้อขายสินค้าอัลกอฮอลในปัจจุบันคือการซื้อขายด้วยความถี่สูง (HFT) ซึ่งพยายามที่จะใช้คำสั่งซื้อจำนวนมากที่ความเร็วอย่างรวดเร็วในหลายตลาด พารามิเตอร์ตามคำแนะนำที่ตั้งไว้ล่วงหน้า (สำหรับข้อมูลเพิ่มเติมเกี่ยวกับการซื้อขายความถี่สูงโปรดดูที่: กลยุทธ์และความลับของ บริษัท การค้า High Frequency Trading (HFT)) การค้าขาย Algo ใช้ในรูปแบบต่างๆของการซื้อขายและการลงทุนรวมถึง: นักลงทุนระยะกลางหรือระยะยาว , กองทุนรวม บริษัท ประกัน) ที่ซื้อหุ้นในปริมาณมาก แต่ไม่ต้องการมีอิทธิพลต่อราคาหุ้นด้วยการลงทุนที่ไม่ต่อเนื่องปริมาณมาก ผู้ค้าระยะสั้นและผู้ขาย (นักลงทุนในตลาดนักเก็งกำไรและ arbitrageurs) ได้รับประโยชน์จากการดำเนินการทางการค้าโดยอัตโนมัตินอกจากนี้ algo-trading aids ในการสร้างสภาพคล่องที่เพียงพอสำหรับผู้ขายในตลาด ผู้ค้าที่มีระบบ (ผู้ติดตามแนวโน้มคู่ค้ากองทุนป้องกันความเสี่ยง ฯลฯ ) พบว่ามีประสิทธิภาพมากขึ้นในการตั้งกฎการซื้อขายของตนและให้การค้าโปรแกรมโดยอัตโนมัติ การซื้อขายแบบอัลกอริธึมช่วยให้การซื้อขายหลักทรัพย์เป็นไปอย่างเป็นระบบมากกว่าวิธีการที่อาศัยสัญชาตญาณของพ่อค้ามนุษย์หรือสัญชาตญาณ กลยุทธ์การค้าอัลกอริธึมกลยุทธ์สำหรับการซื้อขายแบบอัลกอริธึมจะต้องมีโอกาสที่ระบุซึ่งเป็นประโยชน์ในแง่ของรายได้ที่เพิ่มขึ้นหรือลดต้นทุน ต่อไปนี้เป็นกลยุทธ์การซื้อขายทั่วไปที่ใช้ในการซื้อขายแบบอัลกอฮอร์: กลยุทธ์การซื้อขายตามอัลกอริธึมที่พบมากที่สุดจะเป็นไปตามแนวโน้มการเคลื่อนที่โดยเฉลี่ย breakouts ช่อง การเคลื่อนไหวในระดับราคาและตัวชี้วัดทางเทคนิคที่เกี่ยวข้อง นี่คือกลยุทธ์ที่ง่ายที่สุดและง่ายที่สุดในการดำเนินการผ่านทางการค้าอัลกอริทึมเนื่องจากกลยุทธ์เหล่านี้ไม่เกี่ยวข้องกับการคาดการณ์หรือการคาดการณ์ราคาใด ๆ การค้าจะเริ่มขึ้นอยู่กับการเกิดแนวโน้มที่พึงประสงค์ ซึ่งง่ายและตรงไปตรงมาในการดำเนินการผ่านอัลกอริทึมโดยไม่ต้องเข้าสู่ความซับซ้อนของการวิเคราะห์เชิงพยากรณ์ ตัวอย่างเช่นค่าเฉลี่ยเคลื่อนที่ 50 และ 200 วันเป็นกลยุทธ์ที่นิยมใช้กันต่อไป (สำหรับข้อมูลเพิ่มเติมเกี่ยวกับกลยุทธ์การซื้อขายเทรนด์โปรดดูที่: Simple Strategies for Capitalising on Trends) การซื้อหุ้นที่จดทะเบียนในตลาดหลักทรัพย์ในราคาที่ต่ำกว่าในตลาดเดียวและขายพร้อมกันในราคาที่สูงขึ้นในตลาดอื่น ๆ จะทำให้ราคาแตกต่างกันไปในระดับที่ปราศจากความเสี่ยง หรือการเก็งกำไร การดำเนินการเดียวกันสามารถทำซ้ำสำหรับหุ้นเมื่อเทียบกับเครื่องมือฟิวเจอร์สเนื่องจากความแตกต่างของราคามีอยู่เป็นครั้งคราว การใช้อัลกอริทึมเพื่อระบุความแตกต่างของราคาดังกล่าวและการวางคำสั่งซื้อจะช่วยให้มีโอกาสทำกำไรได้อย่างมีประสิทธิภาพ กองทุนดัชนีได้กำหนดระยะเวลาการปรับสมดุลใหม่เพื่อนำการถือครองของตนไปเทียบกับดัชนีอ้างอิงที่เกี่ยวข้อง ซึ่งจะสร้างโอกาสที่เป็นประโยชน์สำหรับผู้ค้าปลีกแบบอัลกอริธึมที่ใช้ประโยชน์จากธุรกิจการค้าที่คาดว่าจะมีกำไรจากฐาน 20-80 จุดขึ้นอยู่กับจำนวนหุ้นในกองทุนดัชนีก่อนที่จะมีการปรับสมดุลของดัชนีใหม่ ธุรกิจการค้าดังกล่าวเริ่มต้นผ่านระบบการซื้อขายแบบอัลกอรึทึมสำหรับการดำเนินการในเวลาที่เหมาะสมและราคาที่ดีที่สุด โมเดลทางคณิตศาสตร์ที่ได้รับการพิสูจน์แล้วมากมายเช่นกลยุทธ์การซื้อขายเดลต้าเป็นกลางซึ่งช่วยให้สามารถซื้อขายหลักทรัพย์ได้หลายรูปแบบ ที่ธุรกิจการค้าจะถูกวางไว้เพื่อชดเชย deltas บวกและลบเพื่อให้เดลต้าผลงานจะยังคงอยู่ที่ศูนย์ กลยุทธ์การพลิกกลับหมายถึงขึ้นอยู่กับแนวคิดที่ว่าราคาของสินทรัพย์สูงและต่ำเป็นปรากฏการณ์ชั่วคราวที่กลับคืนสู่ค่าเฉลี่ยของพวกเขาเป็นระยะ ๆ การระบุและการกำหนดช่วงราคาและการใช้อัลกอริทึมขึ้นอยู่กับว่าจะอนุญาตให้ธุรกิจการค้าสามารถวางได้โดยอัตโนมัติเมื่อราคาของสินทรัพย์อยู่ในและนอกช่วงที่กำหนด กลยุทธ์ราคาตลาดถัวเฉลี่ยถ่วงน้ำหนักของปริมาณแบ่งคำสั่งซื้อจำนวนมากและเผยแพร่กลุ่มย่อยที่มีขนาดเล็กลงเพื่อให้เข้าสู่ตลาดโดยใช้โปรไฟล์ปริมาณการขายในอดีตที่เฉพาะเจาะจง จุดมุ่งหมายคือการดำเนินการคำสั่งซื้อใกล้เคียงกับราคาเฉลี่ยถ่วงน้ำหนัก (Volume Weighted Average Price - VWAP) ซึ่งจะได้ประโยชน์จากราคาเฉลี่ย กลยุทธ์ราคาถัวเฉลี่ยถ่วงน้ำหนักในช่วงเวลาแบ่งคำสั่งซื้อที่มีขนาดใหญ่และเผยแพร่ชิ้นเล็ก ๆ ที่มีขนาดเล็กลงเพื่อให้ได้ตามตลาดโดยใช้ช่วงเวลาที่แบ่งกันระหว่างช่วงเริ่มต้นและสิ้นสุด เป้าหมายคือการดำเนินการตามคำสั่งใกล้เคียงกับราคาเฉลี่ยระหว่างเวลาเริ่มต้นและเวลาสิ้นสุดซึ่งจะช่วยลดผลกระทบของตลาด จนกว่าคำสั่งซื้อจะได้รับการเติมเต็มขั้นตอนนี้จะยังคงส่งใบสั่งซื้อบางส่วนตามอัตราส่วนการมีส่วนร่วมที่กำหนดไว้และตามปริมาณการซื้อขายในตลาด กลยุทธ์ขั้นตอนที่เกี่ยวข้องจะส่งคำสั่งซื้อตามเปอร์เซ็นต์ของปริมาณตลาดที่ผู้ใช้กำหนดและเพิ่มหรือลดอัตราการมีส่วนร่วมนี้เมื่อราคาหุ้นถึงระดับที่กำหนดโดยผู้ใช้ กลยุทธ์การขาดแคลนการดำเนินงานมีวัตถุประสงค์เพื่อลดต้นทุนการดำเนินการของคำสั่งซื้อด้วยการปิดตลาดเรียลไทม์ทำให้ประหยัดค่าใช้จ่ายในการสั่งซื้อและได้รับประโยชน์จากต้นทุนที่เสียโอกาสในการดำเนินการล่าช้า กลยุทธ์จะเพิ่มอัตราการมีส่วนร่วมที่กำหนดไว้เมื่อราคาหุ้นปรับตัวดีขึ้นและลดลงเมื่อราคาหุ้นปรับตัวสูงขึ้น มีขั้นตอนวิธีพิเศษบางอย่างที่พยายามระบุเหตุการณ์ที่เกิดขึ้นในอีกด้านหนึ่ง อัลกอริทึมการดัดแปลงเหล่านี้ใช้ตัวอย่างเช่นโดยผู้ทำการตลาดด้านการขายมีสติปัญญาในตัวเพื่อระบุการดำรงอยู่ของอัลกอริทึมใด ๆ ในด้านการซื้อของใบสั่งขนาดใหญ่ การตรวจสอบผ่านอัลกอริทึมจะช่วยให้ผู้ทำการตลาดสามารถระบุโอกาสในการสั่งซื้อที่มีขนาดใหญ่และช่วยให้เขาได้รับประโยชน์จากการกรอกคำสั่งซื้อในราคาที่สูงขึ้น นี่เป็นบางครั้งเรียกว่า front-run ที่มีเทคโนโลยีสูง (หากต้องการข้อมูลเพิ่มเติมเกี่ยวกับการซื้อขายด้วยความถี่สูงและการหลอกลวงโปรดดูที่: หากคุณซื้อหุ้นออนไลน์คุณมีส่วนร่วมใน HFT) ข้อกำหนดด้านเทคนิคสำหรับการซื้อขายขั้นตอนวิธีการใช้อัลกอริทึมโดยใช้โปรแกรมคอมพิวเตอร์เป็นส่วนสุดท้ายที่ถูกคว่ำด้วย backtesting ความท้าทายคือการเปลี่ยนกลยุทธ์ที่ระบุไว้ในกระบวนการทางคอมพิวเตอร์รวมที่สามารถเข้าถึงบัญชีการซื้อขายสำหรับการสั่งซื้อได้ โปรแกรมเมอร์ที่ได้รับการว่าจ้างหรือซอฟต์แวร์ซื้อขายที่ทำไว้ล่วงหน้าการเชื่อมต่อเครือข่ายและการเข้าถึงแพลตฟอร์มการซื้อขายสำหรับการวางคำสั่งซื้อการเข้าถึงข้อมูลข้อมูลตลาดที่จะได้รับการตรวจสอบตามอัลกอริทึมสำหรับโอกาสในการวาง ความสามารถและโครงสร้างพื้นฐานในการ backtest ระบบที่สร้างขึ้นก่อนที่จะไปอยู่ในตลาดจริงข้อมูลทางประวัติศาสตร์ที่มีอยู่สำหรับ backtesting ขึ้นอยู่กับความซับซ้อนของกฎที่ใช้ในขั้นตอนต่อไปนี้เป็นตัวอย่างที่ครอบคลุม: Royal Dutch Shell (RDS) จดทะเบียนในอัมสเตอร์ดัม Stock Exchange (AEX) และตลาดหลักทรัพย์ลอนดอน (LSE) ช่วยให้สามารถสร้างอัลกอริทึมเพื่อระบุโอกาสในการเก็งกำไร นี่เป็นข้อสังเกตที่น่าสนใจบางส่วน: การซื้อขาย AEX ในสกุลเงินยูโรในขณะที่ธุรกิจการค้าของ LSE ในสกุลปอนด์สเตอร์ลิงเนื่องจากความแตกต่างของเวลาหนึ่งชั่วโมง AEX เปิดให้บริการเมื่อเร็ว ๆ นี้เมื่อเทียบกับ LSE ตามด้วยตลาดหุ้นทั้งสองมีการซื้อขายพร้อมกันสำหรับสองสามชั่วโมงถัดไปและซื้อขายเฉพาะใน LSE ในช่วง ชั่วโมงสุดท้ายที่ AEX ปิดเราสามารถสำรวจความเป็นไปได้ของการซื้อขายเก็งกำไรใน Royal Dutch Shell หุ้นจดทะเบียนในตลาดทั้งสองนี้ในสองสกุลเงินที่แตกต่างกันโปรแกรมคอมพิวเตอร์ที่สามารถอ่านราคาในตลาดปัจจุบันฟีดราคาจากทั้งสอง LSE และ AEX อัตราฟีดอัตราแลกเปลี่ยนสำหรับ อัตราแลกเปลี่ยน GBP-EUR ความสามารถในการสั่งซื้อเพื่อสั่งการแลกเปลี่ยนความถูกต้องความสามารถในการทดสอบย้อนกลับในฟีดราคาย้อนหลังโปรแกรมคอมพิวเตอร์ควรปฏิบัติดังนี้: อ่านฟีดราคาที่รับเข้าของสต็อค RDS จากทั้งสองฝ่ายโดยใช้อัตราแลกเปลี่ยนเงินตราต่างประเทศที่มีอยู่ . แปลงราคาของสกุลเงินหนึ่งไปยังอีกหากมีความแตกต่างของราคามากพอ (ลดค่านายหน้า) นำไปสู่โอกาสที่มีกำไรจากนั้นวางคำสั่งซื้อในใบสั่งซื้อที่ต่ำกว่าและใบสั่งขายในราคาที่สูงกว่าถ้าใบสั่งซื้อดำเนินการเป็น ที่ต้องการกำไรการเก็งกำไรจะเป็นไปตามแบบง่ายและใช้งานง่าย แต่การปฏิบัติของการค้าอัลกอริธึมไม่ง่ายที่จะรักษาและดำเนินการ โปรดจำไว้ว่าหากคุณสามารถวางการค้าที่สร้างโดยอัลกอฮ์ผู้เข้าร่วมการตลาดอื่น ๆ จะสามารถเข้าร่วมได้ ดังนั้นราคาจึงมีความผันผวนในมิลลิลิตรและแม้แต่ไมโครวินาที ในตัวอย่างข้างต้นสิ่งที่เกิดขึ้นหากการซื้อขายซื้อของคุณได้รับการดำเนินการ แต่การขายไม่ได้เป็นราคาขายเปลี่ยนแปลงตามเวลาที่สั่งซื้อของคุณฮิตตลาดคุณจะสิ้นสุดการนั่งกับตำแหน่งที่เปิด ทำให้กลยุทธ์การเก็งกำไรของคุณไร้ค่า มีความเสี่ยงและความท้าทายเพิ่มขึ้นเช่นความเสี่ยงของความล้มเหลวของระบบข้อผิดพลาดในการเชื่อมต่อเครือข่ายความล่าช้าในเวลาระหว่างการสั่งซื้อสินค้าและการดำเนินการและที่สำคัญที่สุดคืออัลกอริทึมที่ไม่สมบูรณ์ อัลกอริธึมที่มีความซับซ้อนมากขึ้นต้องใช้การทดสอบย้อนหลังที่เข้มงวดมากขึ้นก่อนที่จะมีการใช้งาน การวิเคราะห์เชิงปริมาณของการทำงานของอัลกอริทึมมีบทบาทสำคัญและควรได้รับการตรวจสอบอย่างละเอียด มันน่าตื่นเต้นที่จะไปสำหรับระบบอัตโนมัติช่วยโดยคอมพิวเตอร์ที่มีความคิดที่จะทำเงินได้อย่างง่ายดาย แต่ต้องแน่ใจว่าระบบได้รับการทดสอบอย่างละเอียดและกำหนดข้อ จำกัด ไว้ ผู้ค้าวิเคราะห์ควรพิจารณาการเรียนรู้ระบบการเขียนโปรแกรมและการสร้างด้วยตัวเองเพื่อให้มั่นใจในการใช้กลยุทธ์ที่เหมาะสมในลักษณะที่ไม่สามารถเข้าใจได้ การใช้อย่างรอบคอบและการทดสอบอย่างละเอียดของการซื้อขายสัญญาซื้อขายล่วงหน้าสามารถสร้างโอกาสที่ทำกำไรได้ ข้อ 50 คือข้อตกลงการเจรจาต่อรองและข้อยุติในสนธิสัญญา EU ที่ระบุขั้นตอนที่จะต้องดำเนินการสำหรับประเทศใด ๆ ที่ การเสนอราคาเริ่มต้นของสินทรัพย์ของ บริษัท ที่ล้มละลายจากผู้ซื้อที่สนใจที่ได้รับเลือกโดย บริษัท ที่ล้มละลาย จากกลุ่มผู้เสนอราคา เบต้าเป็นตัวชี้วัดความผันผวนหรือความเสี่ยงอย่างเป็นระบบของการรักษาความปลอดภัยหรือผลงานเมื่อเทียบกับตลาดโดยรวม ประเภทของภาษีที่เรียกเก็บจากเงินทุนที่เกิดจากบุคคลและ บริษัท กำไรจากการลงทุนเป็นผลกำไรที่นักลงทุนลงทุน คำสั่งซื้อความปลอดภัยที่ต่ำกว่าหรือต่ำกว่าราคาที่ระบุ คำสั่งซื้อวงเงินอนุญาตให้ผู้ค้าและนักลงทุนระบุ กฎสรรพากรภายใน (Internal Internal Revenue Service หรือ IRS) ที่อนุญาตให้มีการถอนเงินที่ปลอดจากบัญชี IRA กฎข้อนี้กำหนดให้คุณเฮเรสวิธีที่คุณตั้งค่าการดำเนินธุรกิจการค้าด้วยความถี่สูงของคุณเองสัปดาห์ที่แล้วเรามีสิทธิ์ที่จะนั่งลงกับไมค์เฟลิกซ์และหมอ Lawrence Hansen จากนายหน้าไลม์ นายหน้าตัวแทนในนิวยอร์กซิตี้ที่เชี่ยวชาญด้านความถี่สูง การซื้อขายแฝงต่ำ Takeaway หลัก บรรดาผู้ที่คิดว่าความเร็วเป็นที่ยอมรับไม่ได้ดีกว่าได้รับใช้มันเพราะพวกเขากำลังอยู่ที่นี่เพื่อที่จะอยู่และเพียงเพื่อจะได้รับได้เร็วขึ้นจากที่นี่ เราถามพวกเขาว่าจะทำอย่างไรกับการตั้งค่าการดำเนินการซื้อขายความถี่สูงของตนเองในระดับที่ไม่เป็นมืออาชีพ หลังจากที่เก่งพอ ๆ กับคำจำกัดความของการซื้อขายด้วยความถี่สูง เราไปตามขั้นตอนที่คุณต้องทำเพื่อให้เกิดขึ้น ดูใน: สไลด์หน้าเดียวการโพสต์นี้จะอธิบายรายละเอียดของสิ่งที่ฉันทำเพื่อให้ได้ประมาณ 500k จากการซื้อขายความถี่สูงตั้งแต่ปีพ. ศ. 2552 ถึงปี พ. ศ. 2553 นับตั้งแต่ที่ผมซื้อขายกันอย่างสมบูรณ์และไม่ต้องรอโครงการ Irsquom อีกต่อไป การซื้อขายของฉันส่วนใหญ่เป็นสัญญา Russel 2000 และ DAX futures กุญแจสำคัญในความสำเร็จของผมเชื่อว่าไม่ใช่ในสมการทางการเงินที่มีความซับซ้อน แต่ในขั้นตอนการออกแบบโดยรวมซึ่งเชื่อมโยงองค์ประกอบร่วมกันหลายอย่างและการเรียนรู้เกี่ยวกับเครื่องจักรที่ใช้เพื่อเพิ่มประสิทธิภาพสูงสุดในการทำกำไร คุณจำเป็นต้องรู้คำศัพท์ที่ซับซ้อนใด ๆ ที่นี่เพราะเมื่อฉันตั้งโปรแกรมของฉันมันขึ้นอยู่กับสัญชาตญาณทั้งหมด (Andrew Ngrsquos หลักสูตรการเรียนรู้เครื่องที่น่าตื่นตาตื่นใจยังไม่พร้อมใช้งาน - btw ถ้าคุณคลิกที่ลิงก์ yourquoll ถูกนำไปใช้กับโครงการปัจจุบันของฉัน: CourseTalk เว็บไซต์ทบทวนสำหรับ MOOCs) ก่อนอื่นฉันต้องการแสดงให้เห็นว่าความสำเร็จของฉันไม่ได้เป็นเพียงผลของ โชค. โปรแกรมของฉันทำธุรกิจซื้อขาย 1000-4000 ต่อวัน (ครึ่งยาวครึ่งสั้น) และไม่เคยเข้าสู่ตำแหน่งมากกว่าสองสามสัญญาในแต่ละครั้ง นั่นหมายความว่าโชคแบบสุ่มจากการค้าใด ๆ โดยเฉพาะอย่างยิ่งออกโดยเฉลี่ยอย่างรวดเร็ว ผลที่ได้คือฉันไม่เคยสูญเสียมากกว่า 2000 ในหนึ่งวันและไม่เคยมีการสูญเสียเดือน: (แก้ไขตัวเลขเหล่านี้หลังจากที่จ่ายค่าคอมมิชชั่น) และ herersquos แผนภูมิเพื่อให้คุณรู้สึกของรูปแบบรายวัน โปรดทราบว่านี่ไม่รวม 7 เดือนที่ผ่านมาเนื่องจาก - เนื่องจากตัวเลขหยุดลง - ฉันสูญเสียแรงจูงใจในการป้อน พื้นหลังการซื้อขายของฉันก่อนที่จะมีการตั้งค่าโปรแกรมการซื้อขายอัตโนมัติของฉัน Irsquod มีประสบการณ์ 2 ปีในฐานะนักเทรดเดอร์รายวัน ldquomanualrdquo นี้กลับมาในปี 2001 - มันเป็นวันแรกของการซื้อขายอิเล็กทรอนิกส์และมีโอกาสสำหรับ ldquoscalpersrdquo เพื่อให้ได้เงินที่ดี ฉันสามารถอธิบายสิ่งที่ฉันกำลังทำเช่นเดียวกับการเล่นเกมการพนันวิดีโอเกมที่มีขอบที่ควร การประสบความสำเร็จหมายถึงการได้อย่างรวดเร็วมีระเบียบวินัยและมีความสามารถในการจดจำรูปแบบที่ใช้งานได้ง่าย ฉันสามารถทำเงินได้ประมาณ 250,000 บาทจ่ายเงินให้กู้ยืมเพื่อการศึกษาของฉันและมีเงินเหลือ ชนะในช่วงห้าปีถัดไปผมจะเปิดตัวสอง startups ยกทักษะการเขียนโปรแกรมบางอย่างไปพร้อมกัน มันจะไม่ถึงปลายปี 2008 ที่ฉันจะได้รับกลับเข้ามาในการซื้อขาย ด้วยเงินที่วิ่งต่ำจากการขายครั้งแรกของฉันเริ่มต้นการค้าเสนอความหวังของเงินสดบางอย่างรวดเร็วในขณะที่ฉันคิดย้ายถัดไปของฉัน ในปีพ. ศ. 2551 ดิฉันเป็นนายหน้าซื้อขายสัญญาซื้อขายล่วงหน้าในวันทำการโดยใช้ซอฟต์แวร์ที่เรียกว่า T4 Irsquod กำลังต้องการองรหัสรายการสั่งซื้อที่กำหนดเองดังนั้นหลังจากที่ค้นพบ T4 มี API ฉันจึงรู้สึกท้าทายในการเรียนรู้ C (ภาษาเขียนโปรแกรมที่จำเป็นต้องใช้ API) และเดินหน้าและสร้างคีย์ลัดตัวเองขึ้น หลังจากที่เท้าของฉันเปียกกับ API ฉันก็มีแรงบันดาลใจที่ใหญ่ขึ้น: ฉันต้องการสอนคอมพิวเตอร์เพื่อแลกกับฉัน API ให้ทั้งข้อมูลตลาดและวิธีง่ายๆในการส่งคำสั่งซื้อไปยัง Exchange - ทั้งหมดที่ฉันต้องทำคือการสร้างตรรกะตรงกลาง ด้านล่างเป็นภาพหน้าจอของหน้าต่างการซื้อขาย T4 สิ่งที่น่าสนใจก็คือเมื่อฉันได้โปรแกรมของฉันทำงานฉันก็สามารถที่จะดูการค้าคอมพิวเตอร์บนอินเตอร์เฟซเดียวกันนี้แน่นอน การดูใบสั่งซื้อจริงที่เกิดขึ้นทั้งในและนอก (ด้วยตัวเองด้วยเงินจริง) เป็นเรื่องที่น่าตื่นเต้นและน่ากลัว การออกแบบอัลกอริธึมของฉันตั้งแต่เริ่มแรกเป้าหมายของฉันคือการติดตั้งระบบเพื่อให้ฉันมั่นใจได้ว่า Irsquod จะสร้างรายได้ก่อนที่จะทำการค้าขายสด เพื่อให้บรรลุนี้ฉันจำเป็นต้องสร้างกรอบการจำลองการซื้อขายที่จะ - เป็นอย่างถูกต้องที่สุด - จำลองการซื้อขายสด ขณะที่การซื้อขายในโหมดสดต้องมีการประมวลผลการอัปเดตของตลาดการประมวลผลผ่านทาง API โหมดการจำลองจำเป็นต้องอ่านการปรับปรุงตลาดจากไฟล์ข้อมูล ในการรวบรวมข้อมูลนี้ฉันจะติดตั้งโปรแกรมเวอร์ชันแรกเพื่อเชื่อมต่อกับ API และอัปเดตข้อมูลการตลาดด้วย timestamps ฉันใช้ข้อมูลการตลาดล่าสุดในการฝึกอบรมและทดสอบระบบของฉันเป็นเวลา 4 สัปดาห์ ด้วยกรอบพื้นฐานในสถานที่ที่ฉันยังคงมีงานของการหาวิธีที่จะทำให้ระบบการค้าที่ทำกำไรได้ ตามที่ปรากฎว่าอัลกอริธึมของฉันจะแบ่งออกเป็นสองส่วนที่แตกต่างกันซึ่ง Irsquoll สำรวจในทางกลับกัน: การคาดการณ์การเคลื่อนไหวของราคาและการทำกำไรจากการค้าการคาดการณ์การเคลื่อนไหวของราคาอาจเป็นส่วนประกอบที่ชัดเจนของระบบการค้าใด ๆ ที่สามารถทำนายราคาที่จะย้ายไปได้ และฉันก็ไม่มีข้อยกเว้น ฉันกำหนดราคาปัจจุบันเป็นค่าเฉลี่ยของราคาเสนอภายในและข้อเสนอภายในและฉันตั้งเป้าหมายในการทำนายราคาที่จะอยู่ใน 10 วินาทีถัดไป อัลกอริธึมของฉันจะต้องมาพร้อมกับการคาดคะเนนี้ทีละตอนตลอดทั้งวันทำการซื้อขาย การสร้างตัวบ่งชี้การเพิ่มประสิทธิภาพแอมป์ฉันได้สร้างดัชนีชี้วัดที่มีความหมายในการคาดการณ์การเคลื่อนไหวของราคาในระยะสั้น ตัวบ่งชี้แต่ละตัวบ่งชี้จำนวนที่เป็นบวกหรือลบ ตัวบ่งชี้ที่เป็นประโยชน์ถ้าบ่อยกว่าไม่เป็นบวกจำนวนสอดคล้องกับตลาดขึ้นและตัวเลขเชิงลบสอดคล้องกับตลาดลง. ระบบของฉันช่วยให้ฉันสามารถกำหนดความสามารถในการทำนายของตัวบ่งชี้ได้อย่างรวดเร็วดังนั้นฉันจึงสามารถทดลองกับตัวชี้วัดที่แตกต่างกันจำนวนมากเพื่อดูว่าอะไรที่ทำงานได้ ตัวชี้วัดหลายตัวมีตัวแปรในสูตรที่สร้างได้และสามารถหาค่าที่ดีที่สุดสำหรับตัวแปรเหล่านั้นได้ด้วยการเปรียบเทียบผลลัพธ์ที่ได้จากค่าต่างๆกัน ตัวบ่งชี้ที่มีประโยชน์มากที่สุดคือทั้งหมดที่ค่อนข้างง่ายและขึ้นอยู่กับเหตุการณ์ล่าสุดในตลาดที่ฉันถูกซื้อขายเช่นเดียวกับตลาดของหลักทรัพย์ที่มีความสัมพันธ์ การคาดการณ์การย้ายราคาที่แน่นอนมีตัวบ่งชี้ที่คาดการณ์ว่าการเคลื่อนไหวของราคาขึ้นหรือลงไม่เพียงพอ ฉันจำเป็นต้องทราบว่าการเคลื่อนไหวของราคาได้รับการคาดการณ์ตามค่าที่เป็นไปได้ของแต่ละตัวบ่งชี้ได้หรือไม่ ฉันต้องการสูตรที่จะแปลงค่าตัวบ่งชี้ไปเป็นการคาดการณ์ราคา เพื่อให้บรรลุเป้าหมายนี้ฉันได้ติดตามการเคลื่อนไหวของราคาที่คาดการณ์ไว้ในถัง 50 รายการขึ้นอยู่กับช่วงที่ค่าตัวบ่งชี้ลดลงการคาดการณ์ที่ไม่ซ้ำกันนี้ทำให้มีการคาดการณ์ที่ไม่ซ้ำกันสำหรับแต่ละข้อมูลที่ฉันสามารถกราฟใน Excel ได้ คุณสามารถเห็นการเปลี่ยนแปลงราคาที่คาดว่าจะเพิ่มขึ้นเมื่อค่าตัวบ่งชี้เพิ่มขึ้น ขึ้นอยู่กับกราฟเช่นนี้ฉันสามารถที่จะทำให้สูตรเพื่อให้พอดีกับเส้นโค้ง ในตอนแรกฉันได้ลองใช้ ldquocurve fittingrdquo ด้วยตนเอง แต่ฉันได้เขียนโค้ดขึ้นมาเพื่อทำให้กระบวนการนี้เป็นแบบอัตโนมัติ โปรดทราบว่าไม่ใช่ทุกเส้นโค้งตัวบ่งชี้มีรูปร่างเหมือนกัน นอกจากนี้โปรดทราบว่าที่เก็บข้อมูลได้รับการแจกแจงลอการิทึมเพื่อกระจายจุดข้อมูลออกอย่างเท่าเทียมกัน สุดท้ายทราบว่าค่าตัวบ่งชี้ค่าลบ (และการคาดการณ์ราคาถดถอยที่สอดคล้องกัน) ถูกพลิกกลับและบวกกับค่าบวก (อัลกอริธึมของฉันได้รับการปฏิบัติแบบเดียวกันและขึ้นลง) การรวมตัวบ่งชี้สำหรับการคาดเดาเดียวสิ่งสำคัญที่ต้องพิจารณาคือตัวบ่งชี้แต่ละตัวไม่ได้เป็นอิสระอย่างสิ้นเชิง ฉันไม่สามารถทำได้เพียงเพิ่มการคาดการณ์ทั้งหมดที่ตัวบ่งชี้แต่ละตัวทำขึ้นเอง กุญแจสำคัญคือการหาค่าพยากรณ์เพิ่มเติมที่ตัวบ่งชี้แต่ละตัวมีมากกว่าที่คาดการณ์ไว้ นี้ไม่ได้ยากที่จะใช้ แต่มันก็หมายความว่าถ้าฉันเป็นตัวชี้วัดหลายตัวเลือกที่ดีในเวลาเดียวกันฉันต้องระวังการเปลี่ยนแปลงหนึ่งจะมีผลต่อการคาดการณ์ของผู้อื่น เพื่อให้ได้ตัวชี้วัดทั้งหมดพร้อมกันฉันจะตั้งค่าเครื่องมือเพิ่มประสิทธิภาพให้เหลือเพียงขั้นตอนที่ 30 ไปจนถึงเส้นโค้งการทำนายใหม่ด้วยการส่งแต่ละครั้ง ด้วยการกระโดด 30 ครั้งนี้ผมพบว่าเส้นโค้งการคาดการณ์จะเสถียรภายในไม่กี่นาที ด้วยตัวบ่งชี้แต่ละตัวตอนนี้ทำให้เราสามารถคาดเดาราคาเพิ่มเติมได้ง่ายขึ้นเพียงแค่เพิ่มค่าเหล่านี้ไว้เพื่อให้สามารถคาดเดาได้ว่าจะทำตลาดได้ภายใน 10 วินาที ทำไมการคาดการณ์ราคาไม่เพียงพอคุณอาจคิดว่าด้วยขอบนี้ในตลาดฉันเป็นสีทอง แต่คุณต้องจำไว้ว่าตลาดถูกสร้างขึ้นจากการเสนอราคาและข้อเสนอ - itrsquos ไม่เพียงแค่ราคาตลาดเท่านั้น ประสบความสำเร็จในการซื้อขายความถี่สูงลงมาเพื่อให้ได้ราคาที่ดีและไม่ง่ายเลย ปัจจัยต่อไปนี้ทำให้การสร้างระบบที่ทำกำไรได้ยาก: ในแต่ละการค้าฉันต้องเสียค่าคอมมิชชั่นให้กับโบรกเกอร์และการแลกเปลี่ยนของฉัน การแพร่กระจาย (ความแตกต่างระหว่างการเสนอราคาสูงสุดและข้อเสนอต่ำสุด) หมายความว่าหากฉันเพียงแค่ซื้อและขาย Irsquod แบบสุ่มจะสูญเสียเงินเป็นจำนวนมาก ส่วนใหญ่ปริมาณการตลาดเป็นบอทอื่น ๆ ที่จะดำเนินการค้ากับฉันเท่านั้นหากพวกเขาคิดว่าพวกเขามีขอบทางสถิติบางอย่าง การเห็นข้อเสนอพิเศษไม่ได้รับประกันว่าฉันสามารถซื้อได้ เมื่อคำสั่งซื้อของฉันได้รับการแลกเปลี่ยนเป็นไปได้ว่าข้อเสนอนั้นจะถูกยกเลิกไป ในฐานะที่เป็นผู้เล่นในตลาดเล็ก ๆ ไม่มีทางใดที่ฉันสามารถแข่งขันด้วยความเร็วเพียงอย่างเดียว ฉันมีกรอบที่อนุญาตให้ฉันทำ backtest และเพิ่มประสิทธิภาพตัวชี้วัดได้ แต่ฉันต้องไปไกลกว่านี้ - ฉันต้องการกรอบที่จะช่วยให้ฉัน backtest และเพิ่มประสิทธิภาพระบบการค้าแบบเต็มหนึ่งที่ฉันถูกส่งคำสั่งซื้อและรับในตำแหน่ง ในกรณีนี้ Irsquod จะเพิ่มประสิทธิภาพสำหรับ PampL ทั้งหมดและมีค่าเฉลี่ย PampL ต่อการค้า นี้จะยุ่งยากและในบางวิธีเป็นไปไม่ได้รูปแบบ แต่ฉันได้ดีที่สุดเท่าที่จะทำได้ ต่อไปนี้เป็นบางประเด็นที่ฉันต้องจัดการกับ: เมื่อคำสั่งซื้อถูกส่งไปยังตลาดในแบบจำลองฉันต้องสร้างแบบจำลองเวลาที่ล่าช้า ความจริงที่ว่าระบบของฉันเห็นข้อเสนอพิเศษไม่ได้หมายความว่าจะสามารถซื้อได้ทันที ระบบจะส่งคำสั่งซื้อรอประมาณ 20 มิลลิวินาทีต่อจากนั้นเฉพาะในกรณีที่ข้อเสนอพิเศษยังมีอยู่ถือว่าเป็นการซื้อขายที่ดำเนินการ นี่เป็นข้อผิดพลาดเนื่องจากเวลาล่าช้าที่แท้จริงไม่สอดคล้องกันและไม่มีการรายงาน เมื่อฉันเสนอราคาเสนอหรือข้อเสนอพิเศษฉันต้องดูสตรีมการดำเนินการทางการค้า (โดย API) และใช้เกณฑ์เหล่านี้เพื่อประเมินเมื่อคำสั่งซื้อของฉันถูกดำเนินการ เมื่อต้องการทำเช่นนี้ฉันต้องติดตามตำแหน่งคำสั่งซื้อของฉันในคิว (Itrsquos ระบบแรกออกก่อน) อีกครั้งฉัน couldnrsquot ทำอย่างนี้ได้อย่างสมบูรณ์ แต่ฉันได้ประมาณที่ดีที่สุด เพื่อปรับแต่งการดำเนินการตามคำสั่งซื้อของฉันสิ่งที่ฉันได้ทำคือนำไฟล์บันทึกของฉันจากการซื้อขายผ่าน API และเปรียบเทียบกับล็อกไฟล์ที่ผลิตโดยการซื้อขายแบบจำลองจากช่วงเวลาเดียวกันที่แน่นอน ฉันสามารถจำลองได้ถึงจุดที่ถูกต้องและสำหรับชิ้นส่วนที่ไม่สามารถสร้างแบบจำลองได้อย่างถูกต้องฉันมั่นใจว่าอย่างน้อยก็สร้างผลลัพธ์ที่คล้ายคลึงกันทางสถิติ (ในเมตริกที่ฉันคิดว่ามีความสำคัญ) การทำธุรกิจการค้าที่มีกำไรด้วยโมเดลจำลองใบสั่งซื้อในสถานที่ที่ฉันสามารถส่งคำสั่งซื้อในโหมดจำลองและดู PampL จำลองได้ แต่ระบบของฉันรู้ได้อย่างไรว่าจะซื้อและขายที่ไหนเมื่อไรการคาดการณ์การเคลื่อนไหวของราคาเป็นจุดเริ่มต้น แต่ไม่ใช่เรื่องทั้งหมด สิ่งที่ฉันได้สร้างระบบการให้คะแนนสำหรับแต่ละระดับราคา 5 ระดับในราคาเสนอและข้อเสนอพิเศษ ราคาเหล่านี้รวมอยู่ในระดับสูงกว่าราคาเสนอภายใน (สำหรับคำสั่งซื้อ) และระดับหนึ่งต่ำกว่าข้อเสนอภายใน (สำหรับใบสั่งขาย) หากคะแนนที่ระดับราคาใดก็ตามที่สูงกว่าเกณฑ์ที่กำหนดซึ่งหมายความว่าระบบของฉันควรมี bidoffer ที่ใช้งานอยู่ที่ด้านล่างเกณฑ์จะยกเลิกคำสั่งที่ใช้งานอยู่ จากนี้มันไม่ใช่เรื่องผิดปกติที่ระบบของฉันจะแฟลชในตลาดแล้วยกเลิกทันที (แม้ว่าฉันจะพยายามลดค่าใช้จ่ายนี้ให้มากที่สุดเท่าที่จะเป็นที่น่ารำคาญก็ตาม แต่ก็ให้ความสำคัญกับทุกคนที่มองหน้าจอด้วยสายตาของมนุษย์เช่นฉัน) คะแนนระดับราคาถูกคำนวณตามปัจจัยต่อไปนี้: การคาดการณ์การเลื่อนระดับราคา (ที่เราได้กล่าวไว้ก่อนหน้านี้) ระดับราคาที่ถาม (ระดับภายในหมายถึงการคาดการณ์การย้ายฐานการผลิตที่สูงขึ้นเป็นสิ่งจำเป็น) จำนวนสัญญาที่อยู่ข้างหน้าคำสั่งซื้อของฉันในคิว (น้อยกว่าดีกว่า) จำนวนสัญญาที่อยู่เบื้องหลังคำสั่งซื้อของฉันในคิว (เพิ่มเติมได้ดีกว่า) โดยพื้นฐานแล้วปัจจัยเหล่านี้มีไว้เพื่อระบุสถานที่ในการเสนอราคา bidoffer โดย ldquosaferdquo การคาดการณ์การย้ายราคาเพียงอย่างเดียวไม่เพียงพอเนื่องจากไม่ได้ระบุถึงข้อเท็จจริงที่ว่าเมื่อวางการเสนอราคาฉันไม่ได้เติมเงินโดยอัตโนมัติฉันจะเติมเต็มถ้ามีคนขายให้ฉันที่นั่น ความเป็นจริงก็คือความเป็นจริงเพียงอย่างเดียวของคนที่ขายให้ฉันในราคาที่แน่นอนก็เปลี่ยนแปลงอัตราสถิติของการค้า ตัวแปรที่ใช้ในขั้นตอนนี้ทั้งหมดขึ้นอยู่กับการเพิ่มประสิทธิภาพ นี้ทำในลักษณะเดียวกับที่ผมปรับตัวแปรในตัวบ่งชี้การเคลื่อนไหวของราคายกเว้นในกรณีนี้ผมได้เพิ่มประสิทธิภาพสำหรับบรรทัดล่าง PampL สิ่งที่โปรแกรมของฉันละเลยเมื่อการซื้อขายเป็นมนุษย์เรามักมีอารมณ์และอคติที่มีประสิทธิภาพซึ่งอาจนำไปสู่การตัดสินใจที่น้อยกว่า เห็นได้ชัดว่าฉันไม่ต้องการสร้างความลำเอียงเหล่านี้ นี่คือปัจจัยบางประการที่ระบบของฉันละเลย: ราคาที่ถูกป้อน - ในสำนักงานการค้ามีการพูดคุยเกี่ยวกับราคาที่ใครบางคนยาวหรือสั้นราวกับว่าจะส่งผลต่อการตัดสินใจในอนาคตของพวกเขา ขณะนี้มีความถูกต้องบางส่วนเป็นส่วนหนึ่งของกลยุทธ์การลดความเสี่ยงจริงๆมันไม่มีผลต่อเส้นทางในอนาคตของเหตุการณ์ในตลาด ดังนั้นโปรแกรมของฉันจึงไม่สนใจข้อมูลนี้ทั้งหมด Itrsquos แนวคิดเช่นเดียวกับการละเลยค่าใช้จ่ายจม จะสั้นกับออกจากตำแหน่งยาว - โดยปกติพ่อค้าจะมีเกณฑ์ที่แตกต่างกันที่กำหนดที่จะขายตำแหน่งยาวเมื่อเทียบกับที่จะไปสั้น อย่างไรก็ตามจากมุมมองของอัลกอริทึมฉันไม่มีเหตุผลที่จะสร้างความแตกต่าง ถ้าอัลกอริทึมของฉันคาดว่าการขายย้ายลงจะเป็นแนวคิดที่ดีไม่ว่าจะเป็นเวลานานสั้นหรือแบน กลยุทธ์ ldquodoubling uprdquo - นี่เป็นกลยุทธ์ทั่วไปที่ผู้ค้าจะซื้อหุ้นเพิ่มมากขึ้นในกรณีที่มีการค้าขายกับพวกเขา ซึ่งส่งผลให้ราคาซื้อเฉลี่ยของคุณต่ำลงและหมายความว่าเมื่อใด (หรือถ้ามี) สต็อกจะหมุนเวียนรอบ ๆ คุณจะได้รับการตั้งค่าเพื่อให้คุณสามารถรับเงินคืนได้ทันที ในความเห็นของฉันนี่เป็นกลยุทธ์ที่น่าสยดสยองเว้นแต่คุณจะได้รับ Warren Buffet Yoursquore หลอกให้คิดว่าคุณทำดีเพราะส่วนใหญ่ของธุรกิจการค้าของคุณจะเป็นผู้ชนะ ปัญหาคือเมื่อคุณสูญเสียคุณสูญเสียใหญ่ ผลอื่น ๆ คือมันทำให้ยากที่จะตัดสินว่าคุณมีขอบในตลาดหรือเพิ่งจะโชคดี ความสามารถในการตรวจสอบและยืนยันว่าโปรแกรมของฉันในความเป็นจริงมีขอบเป็นเป้าหมายที่สำคัญ เนื่องจากอัลกอริทึมของฉันได้ตัดสินใจด้วยวิธีเดียวกันโดยไม่คำนึงว่าจะเข้าสู่การค้าหรือถ้าในปัจจุบันเป็นเวลานานหรือสั้นก็มีบางครั้งนั่งอยู่ใน (และใช้เวลา) ธุรกิจการค้าที่สูญเสียรายใหญ่บางแห่ง (นอกเหนือจากธุรกิจการค้าที่มีผู้ชนะจำนวนมาก) แต่คุณไม่ควรคิดว่ามีการจัดการความเสี่ยงใด ๆ เพื่อบริหารความเสี่ยงผมบังคับให้มีตำแหน่งสูงสุดได้ไม่เกิน 2 สัญญาต่อครั้งบางครั้งก็มีการพุ่งขึ้นในวันที่มีปริมาณมาก ฉันยังมีขีด จำกัด การสูญเสียรายวันสูงสุดเพื่อป้องกันมิให้เกิดสภาวะตลาดที่ไม่คาดคิดหรือข้อผิดพลาดในซอฟต์แวร์ของฉัน ขีด จำกัด เหล่านี้ถูกบังคับใช้ในรหัสของฉัน แต่ยังอยู่ในแบ็กเอนด์ผ่านโบรกเกอร์ของฉัน เมื่อเกิดขึ้นฉันไม่เคยเจอปัญหาสำคัญใด ๆ การเรียกใช้อัลกอริทึมจากช่วงเวลาที่ฉันเริ่มต้นทำงานในโปรแกรมของฉันฉันใช้เวลาประมาณ 6 เดือนก่อนที่จะเริ่มต้นใช้งาน แม้ว่าจะเป็นธรรมจำนวนมากเวลาคือการเรียนรู้ภาษาเขียนโปรแกรมใหม่ ขณะที่ฉันทำงานเพื่อปรับปรุงโปรแกรมฉันเห็นผลกำไรที่เพิ่มขึ้นสำหรับแต่ละสี่เดือนถัดไป ในแต่ละสัปดาห์ฉันจะฝึกระบบใหม่ตามข้อมูล 4 สัปดาห์ที่ผ่านมา ฉันพบว่านี่เป็นจุดสมดุลระหว่างการจับแนวโน้มพฤติกรรมการตลาดล่าสุดและการประกันอัลกอริทึมของฉันมีข้อมูลเพียงพอที่จะสร้างรูปแบบที่มีความหมาย ขณะที่การฝึกอบรมเริ่มใช้เวลามากขึ้นเรื่อย ๆ ผมแยกออกเพื่อให้สามารถดำเนินการโดยเครื่องเสมือน 8 เครื่องโดยใช้ amazon EC2 ผลลัพธ์ถูกรวมอยู่ในเครื่องท้องถิ่นของฉันแล้ว จุดสูงสุดของการซื้อขายของฉันคือเดือนตุลาคมปี 2009 เมื่อฉันทำเกือบ 100k หลังจากนั้นฉันยังคงใช้จ่ายต่อไปอีก 4 เดือนเพื่อปรับปรุงโปรแกรมแม้กำไรจะลดลงในแต่ละเดือน น่าเสียดายที่มาถึงจุดนี้ผมคิดว่า Irsquod ได้ใช้ความคิดที่ดีที่สุดของฉันเพราะไม่มีอะไรที่ฉันพยายามจะช่วยได้มากนัก ด้วยความขุ่นมัวที่ไม่สามารถปรับปรุงได้และไม่รู้สึกถึงการเติบโตผมเริ่มคิดถึงทิศทางใหม่ ฉันส่งอีเมล 6 บริษัท การค้าความถี่สูงต่างๆเพื่อดูว่า theyrsquod สนใจที่จะซื้อซอฟต์แวร์ของฉันหรือไม่และจ้างฉันให้ทำงานกับพวกเขา ไม่มีใครตอบ ฉันมีแนวคิดใหม่ในการเริ่มต้นใหม่ที่ฉันต้องการจะทำเพื่อไม่ให้ฉันติดตาม อัปเดต - ฉันโพสต์เรื่องนี้ใน Hacker News และได้รับความสนใจเป็นอย่างมาก ฉันแค่อยากจะบอกว่าฉันไม่สนับสนุนใครก็ตามที่พยายามทำอะไรแบบนี้ในตอนนี้ คุณจะต้องมีทีมของคนเก่งจริงๆที่มีประสบการณ์มากมายที่จะมีความหวังในการแข่งขัน แม้ว่าฉันจะทำแบบนี้ฉันเชื่อว่ามันหายากมากสำหรับบุคคลที่จะประสบความสำเร็จ (แม้ว่าฉันเคยได้ยินคนอื่น ๆ ) มีความคิดเห็นที่ด้านบนของหน้าเว็บที่กล่าวถึงสถิติการจัดการและอ้างถึงฉันว่าเป็นนักลงทุนที่มีปัญหา จะเลือกรับ offrdquo นี่เป็นความคิดเห็นที่ค่อนข้างน่าเสียดายที่ไม่ได้มีพื้นฐานอยู่ในความเป็นจริง UPDATE 2 - Irsquove โพสต์คำถามที่พบบ่อยติดตามผลที่ตอบคำถามทั่วไป Irsquove ได้รับจากผู้ค้าเกี่ยวกับ post. As นี้อย่างหมดจดนักวิทยาศาสตร์คอมพิวเตอร์ youre ในตำแหน่งที่สมบูรณ์แบบเพื่อเริ่มต้นในการซื้อขาย algorithmic . นี่คือสิ่งที่ฉันได้เคยเห็นที่ Quantiacs1 ซึ่งนักวิทยาศาสตร์และวิศวกรสามารถข้ามไปสู่การซื้อขายอัตโนมัติได้โดยไม่ต้องมีประสบการณ์ใด ๆ มาก่อน กล่าวอีกนัยหนึ่งสับโปรแกรมเป็นองค์ประกอบหลักที่จำเป็นในการเริ่มต้น เพื่อทำความเข้าใจเกี่ยวกับสิ่งที่ท้าทายรอคุณอยู่หลังจากสร้างระบบการซื้อขายแบบอัลกอรึทึมให้ดูที่โพสต์ Quora นี้ การสร้างระบบการซื้อขายตั้งแต่ต้นจะต้องมีพื้นฐานความรู้พื้นฐานการซื้อขายข้อมูลการตลาดและการเข้าถึงตลาด ในขณะที่ไม่จำเป็นต้องเลือกแพลตฟอร์มการซื้อขายเดียวที่มีทรัพยากรเหล่านี้มากที่สุดจะช่วยให้คุณได้รับการขึ้นอย่างรวดเร็ว ที่กล่าวทักษะที่คุณพัฒนาจะโอนไปยังภาษาการเขียนโปรแกรมใด ๆ และเกือบทุกแพลตฟอร์ม เชื่อหรือไม่ว่าการสร้างกลยุทธ์การซื้อขายแบบอัตโนมัติไม่ได้เป็นการบอกกล่าวเป็นผู้เชี่ยวชาญด้านการตลาด อย่างไรก็ตามการเรียนรู้กลไกพื้นฐานของตลาดจะช่วยให้คุณค้นพบกลยุทธ์การซื้อขายที่มีกำไร ตัวเลือกฟิวเจอร์และอนุพันธ์อื่น ๆ โดย John C. Hull - หนังสือเล่มแรกที่ดีสำหรับการป้อนข้อมูลทางการเงินเชิงปริมาณและเข้าใกล้จากด้านคณิตศาสตร์ การค้าเชิงปริมาณโดย Ernie Chan - เออร์นี่จันทร์นำเสนอหนังสือที่ดีที่สุดสำหรับการซื้อขายเชิงปริมาณและนำคุณสู่ขั้นตอนการสร้างอัลกอริธึมการค้าใน MATLAB และ Excel การซื้อขายสัญญาซื้อขายล่วงหน้าขั้นสุดท้ายผ่านทางการเรียนรู้ด้วยเครื่อง - การวิเคราะห์แบบใช้เวลา 5 วันในการใช้โมเดลการเรียนรู้แบบง่ายๆกับตัวบ่งชี้การวิเคราะห์ทางเทคนิคที่ใช้ทั่วไป นี่เป็น PDF สำหรับอ่านหนังสือที่รวมกันโดยมีรายละเอียดเกี่ยวกับหนังสือวิดีโอหลักสูตรและฟอรัมการซื้อขาย วิธีที่ดีที่สุดในการเรียนรู้ก็คือการทำเช่นนี้และในกรณีของการซื้อขายอัตโนมัติที่เกิดขึ้นกับการสร้างแผนภูมิและการเข้ารหัส จุดเริ่มต้นที่ดีคือตัวอย่างที่มีอยู่ของระบบการซื้อขายและการจัดแสดงเทคนิคการวิเคราะห์ทางเทคนิคที่มีอยู่ Moreover, a skilled computer scientist has the additional edge of being able to apply machine learning to algorithmic trading. Here are some of those resources: TradingView - A fantastic visual charting platform on its own, TradingView is a great playground for getting comfortable with technical analysis. It has the added benefit of allowing you to script trading strategies and browse other peoples trade ideas. Automated Trading Forum - Great online community for posting beginner questions and finding answers to common quant issues when just getting started. Quant forums are a great place to become immersed in strategies, tools, and techniques. YouTube Seminar on trading ideas with working code samples on Github . Machine Learning: More presentations on automated trading can be found at the Quantiacs Quant Club . Most people from a scientific background (whether thats computer science or engineering) have had exposure to Python or MATLAB, which happen to be popular languages for quantitative finance. Quantiacs has created an open source toolbox that provides backtesting and 15 years of historical market data for free. The best part is everything is built on both Python and MATLAB giving you the choice of what to develop your system with. Heres a sample trend-following trading strategy in MATLAB. This is all the code needed to run an automated trading system, showcasing both the power of MATLAB and the Quantiacs Toolbox. Quantiacs lets you trade 44 futures and all the stocks of the SampP 500. In addition, a variety of additional libraries such as TensorFlow are supported. (Disclaimer: I work at Quantiacs) Once youre ready to make money as a quant, you can join the latest Quantiacs automated trading contest, with a total of 2,250,000 in investments available: Can you compete with the best quants 29.4k Views middot View Upvotes middot Not for Reproduction This answer has been completely re-written Here are 6 main knowledge base for building algorithmic trading systems. You should be acquainted with all of them in order to build effective trading systems. Some of the terms used may be slightly technical, but you should be able to understand them by Googling. Note: (Most of) these do not apply if you want to do High-Frequency Trading 1. Market Theories You need to understand how the market works. More specifically, you should understand market inefficiencies, relationships between different assetsproducts and price behaviour. Trading ideas stem from market inefficiencies. You will need to know how to evaluate market inefficiencies that give you a trading edge versus those that doesnt. Designing effective robots entails understanding how automated trading systems work. Essentially, an algorithmic trading strategy consists of 3 core components: 1) Entries, 2) Exits and 3) Position sizing. Youll need to design these 3 components in relation to the market inefficiency you are capturing (and no, this is not a straightforward process). You dont need to know advanced math (although it will help if you aim to build more complex strategies). Good critical thinking skills and a decent grasp on statistics will take you very far. Design involves backtesting (testing for trading edge and robustness) and optimisation (maximising performance with minimal curve fitting). Youll need to know how to manage a portfolio of algorithmic trading strategies too. Strategies can be complementary or conflicting this may lead to unplanned increases in risk exposure or unwanted hedging. Capital allocation is important too do you split capital equally during regular intervals or reward the winners with more capital If you know what products you want to trade, find suitable trading platforms for these products. Then learn the programming language API of this platformbacktesters. If you starting out, I would recommend Quantopian (stocks only), Quantconnect (stocks and FX) or Metatrader 4 (FX and CFDs on equity indices, stocks and commodities). The programming languages used are Python, C and MQL4 respectively. 4. Data Management Garbage in garbage out. Inaccurate data leads to inaccurate test results. We need reasonably clean data for accurate testing. Cleaning data is a trade-off between cost and accuracy. If you want more accurate data, you need to spend more time (time money) cleaning it. Some issues that cause dirty data include missing data, duplicate data, wrong data (bad ticks). Other issues that leads to misleading data include dividends, stock splits and futures rollovers etc. 5. Risk Management There are 2 main types of risk: Market risk and Operational risk. Market risk involves risk related to your trading strategy. Does it consider worst case scenarios What if a black swan event like World War 3 happens Have you hedged away unwanted risk Is your position sizing too high In addition to managing market risk, you need to look at operational risk. System crash, loss of internet connect, poor execution algorithm (leading to poorly executed prices, or missed trades due to inability to handle requoteshigh slippage) and theft by hackers are very real issues. 6. Live Execution Backtesting and live trading are very different. Youll need to select proper brokers (MM vs STP vs ECN). Forex Market News with Forex Trading Forums amp Forex Brokers Reviews is your best friend, read broker reviews there. You need proper infrastructure (secure VPN and downtime handling etc) and evaluation procedures (monitor your robots performance and analyse them in relation to market inefficiencybacktestsoptimisations) to manage your robot throughout its lifetime. You need to know when to intervene (modifyupdateshutdownturn on your robots) and when not to. Evaluation and Optimization of Trading Strategies Pardo (Great insights on methods on building and testing trading strategies) Trade your way to Financial Freedom Van K Tharp (Ridiculous-Click bait title aside, this book is a great overview to mechanical trading systems) Quantitative Trading Ernest Chan (Great introduction to algo trading on a retail level.) Trading and Exchanges: Market Microstructure for Practitioners Larry Harris (Market microstructure is the science of how exchanges function and what actually happens when a trade is placed. It is important to know this information even though you are just starting out) Algorithmic Trading amp DMA Barry Johnson (Shed light on banks execution algorithms. This is not directly applicable your algo trading but it is good to know) The Quants Scott Patterson (War stories of some top quants. Good as a bedtime read) Quantopian (Code, research, and discuss ideas with the community. Uses Python) Fundamentals of Algo Trading Algo Trading101 (Disclaimer: I own this sitecourse. Learn robot design theories, market theories and coding. Uses MQL4) - Join the challenge (Learn trading concepts and backtesting theories. They recently developed their own backtesting and trading platform so this part is still new to me. But their knowledge base on trading concepts are good.) Recommended BlogsForums (these includes finance, trading and algo trading forums): Recommended Programming Languages: If you know what products you want to trade, find suitable trading platforms for these products. Then learn the programming language API of this platformbacktesters. If you starting out, I would recommend Quantopian (stocks only), Quantconnect (stocks and FX) or Metatrader 4 (FX and CFDs on equity indices, stocks and commodities). The programming languages used are Python, C and MQL4 respectively. 17.1k Views middot View Upvotes middot Not for Reproduction If investment is a process, then the logical conclusion is automation. Algorithms are nothing else than the extreme formalisation of an underlying philosophy. This is the visual expression of a trading edge Trading edge Win Avg Win - Loss Avg Loss It changed my life and the way I approach the markets. Visualise your distribution, always. It will help You clarify your concepts, shed light on your logical flaws, but first let039s start with philosophy and belief elicitation 1. Why is it important to clarify your beliefs We trade our beliefs. More importantly, we trade our subconscious beliefs. quotIf You don039t know who you are, markets are an expensive place to find outquot, Adam Smith Many people do not take the time to elicit their beliefs and operate on borrowed beliefs. Unanswered questions and faulty logic is the reason why some systematic traders tweak their system around each drawdown. i used to be like that for many years. Belief elicitation exercises: The Work by Byron Katie. After i completed a 2 beliefs a day challenge for 100 days, i could explain my style to any grandmother 5 why. Ask yourself a question with why and dive deeper. Mindsets: expansive and subtractive or smoothie Vs band-aid There are two types of mindset, and we need both at different times: Expansive to explore concepts, ideas, tricks etc Subtractive: to simplify and clarify concepts Systematic traders who fail at being subtractive have a smoothie approach. They throw all kinds of stuff into their strategy and then blend it with an optimizer. Bad move: complexity is a form of laziness Overly subtractive systematic traders have a band aid mentality. They hard-code everything and then good luck patching quotEssentialist tradersquot understand that it is a dance between periods of exploration and times of hard core simplification. Simple is not easy It has taken me 3,873 hours, and i accept it may take a lifetime2. Exit: start with the end in mind Counter-intuitive truth The only time when you know if a trade was profitable is after exit, right So, focus on the exit logic first. In my opinion, the main reason why people fail to automate their strategy is that they focus too much on entry and not enough on exit. The quality of your exits shapes your PampL distribution, see chart above Spend enormous time on stop loss as it affects 4 components of your trading system: Win, Loss, Avg Loss, trading frequency The quality of your system will be determined by the quality of your stop loss, 3. Money is made in the money management module Equal weight is a form of laziness. The size of your bets will determine the shape of your returns. Understand when your strategy does not work and reduce size. Conversely, increase size when it works. I will write more about position sizing on my website, but there are many resources across the internet 3. Last and very least, Entry After you have watched a full season of quotdesperate housewivesquot or quotbreaking badquot, had some chocolate, walked the dog, fed the fish, called your mom, then it039s time to think about entry. Read the above formula, stock picking is not a primary component. One may argue that proper stock picking may increase win. Maybe, but it is worthless if there is neither proper exit policy, nor money management. In probabilistic terms, after you have fixed exit, entry becomes a sliding scale probability 4. What to focus on when testing There is no magical moving average, indicator value. When testing your system, focus on three things: False positives: they erode performance. Find simple (elegant) ways to reduce them, work on the logic periods when the strategy does not work: no strategy works all the time. Be prepared for that and prepare contingency plans in advance. Tweaking the system during a drawdown is like learning to swim in a storm Buying power and money management: this is another counter-intuitive fact. Your system may generate ideas but you do not have the buying power to execute. Please, have a look at the chart above I build all my strategies from the short side first. The best test of robustness for a strategy is the short side: Thin volume brutally volatile shorter cycle Platforms I started out on WealthLab developer. It has a spectacular position sizing library. This is the only platform that allows portfolio wide backtetsing and optimisation. I test all my concepts on WLD. Highly recommend. It has one drawback, it does not connect position sizer with real live trading. Amibroker is good too. It has an API that connects to Interactive brokers and a decent poisition sizer. We program on Metatrader for Forex. Unfortunately, Metatrader has gone down the complexity rabbit hole. there is a vibrant community out there. MatLab, the weapon of choice for engineers. No comment. Tradestation Perry Kaufman wrote some good books about TS. There is a vibrant community out there. It is easier than most other platforms Final advice If You want to learn to swim, You have to jump in the water. Many novices want to send their billion dollar ideas to some cheap programmers somewhere. It does not work like that. You need to learn the language, the logic. Brace for a long journey 14.9k Views middot View Upvotes middot Not for Reproduction Though this is a very broad topic with references to building algorithms, setting infrastructure, asset allocation and risk management but i will just focus on the first part of how should be work on building our own algorithm, and doing the right things. 1. Building Strategy . Some of the key points to note here are: Catch Big Trends - A good strategy must in all the cases, make money when the market is trending. Markets go with a good trend which lasts only 15-20 of the time, but this is the time when all the cats and dogs(traders from all time-frame, intraday, daily, weekly, long term) are out shopping and they all have one common theme. A lot of traders also build mean reversion strategies in which they try to judge conditions when the price have moved far from the mean, and take a trade against the trend but they should be built when you have successfully build and traded some good trend following systems. Odds of stacking up - People often work towards trying to build a system which has a excellent winloss ratio but that039s not the right approach. For example an algo with a winner of 70 with a average profit of 100 per trade and average loss of 200 per trade will just make 100 per 10 trades(10trade net). But an algo with a winner of 30 with average profit of 500 per trade and loss of 100 per trade will make a net profit of 800 for 10 trades(80trade). So it is not necessary that winloss ratio should be good, rather it039s the odds of stacking up which should be better. This goes by saying quotKeep losses small, but let your winners runquot. quotIn investing, what is comfortable is rarely profitable. quot - Robert Arnott Drawdown - Drawdown is unavoidable, if you are following any type of strategy. So while designing an algo don039t try to reduce the drawdown or do some specific custom condition to take care of that drawdown. This specific condition can in future may act as a roadblock in catching a big trend and your algo may perform poorly. Risk Management - When constructing a strategy, you should always have an exit gate, whatever the market chooses to do. The market is a place of odds and you must design an algo to get you out of a trade as soon as possible if it doesn039t fit your risk appetite. Normally it is argued that you must risk 1-2 of capital in each trade, and is optimal in a lot of ways as even if you get arnd 10 false trades in succession your capital will go down by only 20.But this is not the case in actual market scenario. Some lossing trades will be between 0-1, while some may go to 3-4, so it is better to define average lossing capital per trade and the max capital you can loose in a trade, as markets are completely random and can039t be judged. quotEvery once in a while, the market does something so stupid it takes your breath away. quot - Jim Cramer 2. Testing and optimizing a Strategy Slippage . When we are testing a strategy on historical data, we are under the assumption that the order will be executed at the predefined price arrived by the algo. But this will never be the case, as we have to deal with market makers and HFT algo039s now. Your order in today039s world will never be executed on the desired price, and there will be slippage. This must be included in the testing. Market Impact : Volume traded by the algo is another major factor to be considered while doing back-testing and collecting historical results. As volume increases the orders placed by algo will have considerable market impact and the average price of filled order will be much different. Your algo may produce complete different results in actual market conditions, if you will not study the volume dynamics your algo has. Optimization : Most traders suggest you not to do curve fitting and over optimization and they are correct as the markets are a function of random variables and no two situation will ever be the same. So optimizing parameters for particular situations is a bad idea. I would suggest you to go for Zonal Optimization . It is a technique which i follow, buy identifying zones which have similar characteristics in terms of volatility and volume. Optimize these areas seperately, rather than optimizing for the whole period. The above are some of the most basic and most important steps that i follow, when converting a basic thought into an algorithm and checking it039s validity. quot Everyone has the brainpower to follow the stock market. If you made it through fifth-grade math, you can do it. quotPeter Lynch 17.3k Views middot View Upvotes middot Not for Reproduction Short answer: Learn mathematics applied to trading, the structure of markets and optionally be a top networkdistributed systems programmer. There are three potentially parallel tracks that can be taken to learn algorithmic trading from scratch depending on the ultimate purpose of why you wish to learn it. Here they are in increasing order of difficulty which also correlates to how much it becomes your part of your livelihood. The earlier ones will open the opportunities for the following ones. You may stop at any step along the way once you039ve learned enough or got a job doing it. If you want to be a quant, mostly use math software and not actually be a programmer of an algo system, then the short answer is get a PhD in Mathematics, Physics or some math-heavy related engineering topic. Try to get internships at top hedge funds, prop shops or investment banks. If you can get employed by a successful firm then you will be taught there otherwise, it simply won039t happen. But in any case, you still should finish the 039Self Study039 section below to make sure you really want to go through the effort of getting a PhD. Unless you are a genius, if you don039t have a PhD you won039t be able to compete with those that do unless you specialize in the programming of trading systems. If you wish to be more on the programming side, try applying for employment after each step, but no often than once a year per firm. Self Study The first step is to understand what algorithmic trading really is and what systems are required to support it. I039d recommend reading through quotAlgorithmic Trading amp DMAquot (Johnson, 2010), something I personally did and can recommend. That will let you understand at a basic level. Next you should program your own order book, a simple market data simulator and one algorithm implementation on your on with Java or CC. For extra credit that would help with getting employment you should write your own networking communication layer from scratch too. At this point you may be able finish answering the question on your own. But for completeness and curiosity, feel free to continue: The next book to tackle is quotTrading amp Exchanges: Market Microstructure for Practitionersquot (Harris, 2003). This will go into finer details of how the markets work. It is another book I039ve read, but not completely studied because I was a systems programmer and not a quant nor a manager on the business side. Finally, if you want to start to learn the mathematics on how the markets work, work through the text and problems in quotOptions, Futures, and Other Derivativesquot (Hull, 2003). I made it through about half of that textbook either in preparation for or as part of internal training at one of my former employers. I believe I originally found out about that book because it was either suggested or required reading for one of well regarded MS Financial Mathematics programs. To potentially get a better chance at employment through a new-grad feeder program, complete a MS Financial Mathematics program if you wish to be a programmer for a trading platform or a team of quants. If you want to be the one designing the algos, then you need to take the PhD route explained earlier. If you still haven039t finished college, then by all means, try to get an internship at the same type of places. Employment No matter how much you learn in books and school, nothing will compare with the little details you learn while working for a firm. If you don039t know all the edge cases and know when your model stops working, you will lose money. I hope that answers your question and that along the way of learning you discover if you really wish to transition from study to actual day-to-day work. 18.6k Views middot View Upvotes middot Not for Reproduction I do have a background as a programmer and setting up agilescrum teams before I started to look at algorithmic trading. The world of algorithmic trading fascinates me, however it can be a bit overwhelming. I started to get some perspective by diving into the Quantopian platform, watching the quant lectures series and running my and adapted community based algo trading systems in their environment. Like the one below: I then realised to get in deeper more fast, I have to meet people that love to create trading strategies, but can not program - to match myself as an agile team manager and programmer of trading systems. So I wrote a book on how to create a team to implement your trading algorithms . Building Trading Systems The Agile Way: How to Build Winning Algorithmic Trading Systems as a Team. In the community of Quantopian I saw financial savvy people looking for people to implement their trading strategies, but where afraid to ask programmers to implement their ideas. Since they potentially can start running their trading ideas without them. I address this issue in my book. To avoid programmers to run away with your ideas: create a specification for your trading idea that uses a coding framework that is tailored for the type of strategy you want to develop . This might sound difficult, but when you know all the baby steps and how they fit together, it is pretty straightforward and fun to manage If you enjoyed this answer, please up vote and follow. 2.7k Views middot View Upvotes middot Not for Reproduction Look at TradeLink (C) or ActiveQuant (Java). TradeLink039s code is more elegant. I039m typing this on a cell phone, so please excuse my brevity. basically, look at what comes in vs what goes out as an initial way to frame the problem. In. market data, exhangemarket events (executions to trades that your system placed, acks, rejects, trading-halted notification, etc). Out. Orders, modifications to ordes. quotBuy 100 15.5, IOCquot, for example. IOC immediate or cancel. In between. strategy decisions based on information gathered from real-time data, in conjunction with historical data and any other inputs (trader039s command from his GUI to trade moreless aggressively, etc). Things like. place an order, amend an existing order, etc Now you can begin to address the technical architecture of such a system. Of key importance would be the ability to express the strategy easily, elegantly, despite the complexity of event-processing involved (there are several interesting race conditions that can confuse your system with regards to the state of the market your orders, for example). I used to do this for a living and can probably go on endlessly But typing on a cell phone is a deterrent. Hope you found this useful. Contact me if you need further guidance. 21.3k Views middot View Upvotes middot Not for Reproduction Stephen Steinberg. Founder of Raw Athletics Founder of Capitol Startup Interactive Brokers Interactive Brokers has a really top-notch investing platform and decent pricing. It039s definitely a powerful tool, so you could probably get cheaper alternatives from the discount brokers like Etrade and Scottrade, but if you039re serious about algorithmic trading, IB is where it039s at. InvestFly Success is all about practice and testing your hypothesis and algorithms. Back-test, test the markets and compare it to others. I prefer Investfly - Virtual Stock Exchange, Stock Market Game amp Trading Strategies. but there are a ton of good programs out there. Idea Generation Don039t start from ground zero-- I like to get ideas from Motif Investing ( Online Brokerage, Investment Ideas, Stock Trading ) and Seeking Alpha, but always look at the big picture and think about how these things apply to your own hypothesis and formulas. Cheers and good luck 4.5k Views middot View Upvotes middot Not for Reproduction Updated 101w ago middot Upvoted by Patrick J Rooney. 5 years trading professionally I specialize in advanced o To start with the basics, get a hold of Amibroker ( AmiBroker - Download ). Amibroker has an easy to learn language and powerful backtest engine where you can prototype your ideas. Also get Howard Bandy 039s book Quantitative Trading Systems. This book is a really good introduction to the concepts of quant developing. You039ll also need at least a basic knowledge of statistics. There are plenty of good MOOC courses available for this for free. Such as this one Statistics One - Princeton University Coursera It039s also worth following The Whole Street. which is a mashup of all the quant blogs, many of whom publish Amibroker code with their ideas. From there, it039s then worth learning Python ( learn python - Google Search ), and also doing Andrew Ng039s excellent Stanford University Machine Learning course, which runs for free on Coursera . If you then want to put your own algorithms to the test, good sites for that are Quantconnect or Quantopian . Finally, this guy has some good advice on turning it into your career quantstart Good luck with the journey Partially taken from Alan Clement039s answer to How can a software developer in finance become a quant developer 16.3k Views middot View Upvotes middot Not for Reproduction What broker can I use to start paper trading my algorithm for free How can I build an Order Routing System for an algorithmic trading platform How profitable are the best stock trading algorithms Can a single person actually profitably engage in algorithmic trading Where can I get resources to start learning Python for Algorithmic trading Which broker is good for algorithmic trading I have a solid understanding of stocksderivatives amp have Python skills. I want to develop an automated algorithmic trading system. Where do I start What are the best returns from algorithm trading