Automated trading system in c ++

Criando sistemas automatizados de negociação Usando corretores interativos: Negociação automatizada com corretores interativos A plataforma de negociação Interactive Brokers em si não oferece negociação automatizada. No entanto, várias soluções estão disponíveis para comerciantes que desejam automatizar os sistemas de negociação usando a plataforma IB Trader Workstation (TSW), incluindo: APIs de Terceiros Consultores de Programação IB APIs 13 APIs de Terceiros Uma Interface de Programação de Aplicativos (API) Utilizado por um programa aplicativo para se comunicar com outro software do sistema. Uma API funciona como uma interface ou intermediário que permite que o código se comunique com a plataforma de negociação do IB. Fornecedores terceirizados oferecem uma variedade de APIs proprietárias que fornecem algoritmos customizáveis ​​e pré-construídos e aplicativos de software de troca plug-and-play projetados para serem executados em conjunto com a plataforma de negociação IBS Trader Workstation (TWS). Uma lista de APIs de terceiros está disponível em O site do IB: na página inicial, clique no título Educação e selecione O MarketplaceIB. Leia o aviso de isenção de responsabilidade e, se concordar com os termos, clique em Se concordar com o aviso de isenção, clique aqui para continuar. Clique na guia Ferramentas de software e no subtítulo Software de gerenciamento de pedidos para exibir fornecedores e produtos (mostrados na Figura 1). Figura 1 - Selecione a guia Ferramentas de software no MarketplaceIB para procurar fornecedores de terceiros. Consultores de Programação Além das APIs comercialmente disponíveis, The MarketplaceIB também tem um link para Consultores de Programação que podem ajudar os comerciantes e investidores com o desenvolvimento de indicadores personalizados e estratégias para ser usado na negociação automatizada. Os consultores fornecem codificação em uma variedade de linguagens, incluindo Java, C, Visual Basic, SQL, Perl, Matlab, bem como outras plataformas de negociação linguagens proprietárias que podem ser interfaceados com IB. Tenha em mente que os programadores só podem programar regras absolutas e, normalmente, não oferecem sugestões para melhorar a lucratividade de um sistema - apenas o desempenho do código. Antes de trabalhar com um programador, é importante ser capaz de definir todos os sistemas de negociação entrada, saída e lógica de gestão. Se ele pode ser definido, ele provavelmente pode ser codificado. Programação com IB APIs Uma terceira solução é para os comerciantes com as habilidades (ou desejo de aprender) para programar suas próprias APIs. O Interactive Brokers fornece várias APIs que os comerciantes podem usar para se conectar através do TWS ou do Gateway IB. A conexão através do TWS requer que o aplicativo esteja em execução, mas permite que os operadores testem e confirmem que os pedidos de API estão funcionando corretamente. A conexão através do Gateway IB, por outro lado, não fornece uma interface para teste e confirmação, mas permite que a API seja executada sem um grande aplicativo GUI sendo executado. Onde as APIs de terceiros fornecem algoritmos customizáveis ​​e pré-construídos, o ambiente de programação IB API é essencialmente matéria-prima. IB fornece os equipamentos e componentes, eo usuário faz toda a programação. Os usuários podem programar em uma variedade de idiomas, incluindo C, Java, ActiveX ou DDE para Excel. Há uma série de configurações relacionadas ao API no TWS que os comerciantes podem configurar, mostradas na Figura 2. O Guia de Referência da API do IB (disponível no site do Interactive Brokers: busca do Guia de Referência da API) fornece uma visão geral, bem como instruções específicas para As várias linguagens de programação. 13 Figura 2 - Configurando as configurações de API no TWS. Conclusão Traders que desejam implementar sistemas de negociação automatizada através da plataforma Interactive Brokers têm uma variedade de opções. Os não programadores podem querer explorar os fornecedores de APIs de terceiros que oferecem uma variedade de opções personalizáveis ​​ou plug-and-play. Comerciantes com ideias únicas podem trabalhar com um consultor de programação qualificado. Aqueles com experiência em programação ou o tempo eo desejo de aprender uma linguagem de programação podem empregar as APIs IB ao desenvolver sistemas de negociação automatizados. Inscrever-se para Notícias para usar para as últimas insights e análiseSenior C Automated Trading System Developer Obtendo animado sobre o desenvolvimento de sistemas de negociação automatizada em C É você, como um Desenvolvedor, desafiado por problemas técnicos complexos dentro de um ambiente dinâmico e acelerado Você é capaz de usar As últimas tecnologias para traduzir esses problemas em soluções técnicas elegantes Se você tem pelo menos 5 anos de experiência trabalhando com C, você pode ser o Senior C Automated Trading System Developer que estamos procurando. Quem somos Somos a Optiver, uma empresa comercial internacional, sediada em Amsterdã. Com mais de 700 colegas em quatro continentes oferecemos constantemente preços justos e altamente competitivos para a compra e venda de ações, títulos, opções, futuros, ETFs e outros. É chamado mercado fazendo. Nós construímos mercados e fornecemos liquidez para intercâmbios internacionais na Europa, Estados Unidos e Ásia-Pacífico. Fazemos mercados financeiros justos, abertos e confiáveis. Nós não negociamos somente quando nós sentimos como ele. Não só quando nossa perspectiva é brilhante, mas 24 horas por dia. Seja como for, os mercados estão lá, sempre sob nosso próprio risco, utilizando nosso próprio capital. Valor a diferença resume perfeitamente. Explica em poucas palavras o que fazemos todos os dias. Ele também convida você a explorar como fazemos nosso trabalho de forma diferente. Nós valorizamos essa diferença desde 1986, ano em que começamos na Bolsa Européia de Opções com sede em Amsterdã com um trader de chão único. Hoje somos uma das empresas mais dinâmicas, inovadoras e bem sucedidas na Holanda e além. TI na Optiver Desde negociação no chão mudou para a tela de negociação baseada, que constantemente precisam da tecnologia mais avançada, software de negociação e conexões para o mercado. Em suma, precisamos dos melhores profissionais de TI para desenvolver, otimizar e apoiar nossos sistemas e ferramentas. A atmosfera em que estamos trabalhando é rápida, mas excitante. Isso torna a TI na Optiver um grande desafio em que a experiência, a inovação e o divertimento andam de mãos dadas todos os dias. Como Senior C Automated Trading System Developer você será responsável pelo desenvolvimento de alta velocidade sistemas automatizados de negociação em C para o sistema operacional Linux. Ao trabalhar em estreita colaboração com outros desenvolvedores, comerciantes e pesquisadores, você responderá a pedidos complexos com elegantes soluções técnicas usando as mais recentes tecnologias. Com suas fortes habilidades orientadas a objetos, você é capaz de projetar e implementar novas estratégias lucrativas de negociação, ao mesmo tempo em que gerencia expectativas claras em relação a seus stakeholders internos. Ao compartilhar seus conhecimentos extensivos com os membros de sua equipe e orientar os colegas jovens em decisões técnicas, você vai apoiar a equipe de desenvolvimento para ter uma compreensão das complexidades do negócio. Um mestrado em Ciência da Computação, Engenharia de TI ou Sistemas de Informação pelo menos 5 anos de experiência de trabalho como desenvolvedor de software em C, com um excelente histórico experiência em STL, Boost e outras populares (open source) bibliotecas C conhecimento especialista de UNIX E conhecimentos de sistemas operacionais Linux de Alto Desempenho Computação, baixa latência e experiência de desenvolvimento em tempo real com multithreading em C forte conhecimento dos mercados financeiros e negociação de derivativos, preferencialmente 2 anos de experiência de trabalho no âmbito de desenvolvimento de negociação automatizado a ambição de desenvolver-se constantemente através da formação E uma boa compreensão no desenvolvimento de trabalho C 11 é um plus um fundo em Matemática e experiência de trabalho com algoritmos é um plus ser um jogador de equipe e comunicador que goza de liberdade criativa e independência. O que você vai obter Optiver é acima de tudo um estado de espírito. Estamos procurando por você quando você acredita na melhoria diária, quando você gosta de ser seriamente recompensado pelo seu desempenho e quando você facilmente se adaptar para mudar e desfrutar de algum humor e diversão. Para sermos concretos, oferecemos-lhe uma excelente remuneração. Mas também oferecemos-lhe grandes benefícios secundários, tais como totalmente pagos despesas de deslocação de primeira classe, uma pensão livre de prémio, estrutura atraente participação nos lucros, pacotes de deslocalização, oportunidades de formação, descontos no seguro de saúde, pequeno-almoço e almoço instalações, Bebidas de sexta-feira à tarde e até mesmo massagens semanais em cadeira de casa. Interessado Somos 350 profissionais altamente qualificados de mais de 30 países diferentes que trabalham na Optiver em Amsterdã. Nosso objetivo é ser inigualável em nossa indústria, por ser talentoso, criativo e orientado para resultados. E não importa como nos vestimos ou o que acreditamos, contanto que excedermos nossas expectativas e as de cada um. Se você está pronto para aplicar, e esperamos que você seja, aplique diretamente através do botão abaixo para a posição de Senior C Automated Trading System Developer. Por favor, forneça-nos um CV e uma carta de motivação em inglês. As candidaturas sem carta de motivação não serão revistas. Quando pensamos que a magia está lá, você vai ouvir de nós mais cedo do que você espera. Se tiver alguma dúvida, não hesite em contactar Marlouk Stek no 31 20 708 70 00. Uma avaliação faz parte do processo de candidatura. Seguir a reunião CAutomated Trading Experiência Trading automatizado cada tick Executar em microssegundos Lightspeed oferece duas formas de soluções comerciais automatizadas Lightspeed Gateway e Lightspeed Trader API. A Interface de Programação de Aplicações do Lightspeed Trader (API) expõe várias bibliotecas dentro do Lightspeed Trader que os programadores C podem usar para acessar a funcionalidade Lightspeed Traders. Os usuários podem criar bibliotecas de vínculo dinâmico (DLLs) que podem ser iniciadas a partir da janela Lightspeed Graybox para executar essas funções. Lightspeed Gateway é um sistema de negociação totalmente automatizado que oferece latência super baixa para as bolsas de valores nacionais, incluindo a NYSE eo mercado de ações NASDAQ. Lightspeed Gateway é completamente agnóstico de plataforma e pode ser usado em todos os principais sistemas operacionais e linguagens de programação. Precisa de Ajuda Entre em contato com a nossa equipe de Lightspeed hoje Lightspeed Institutional é uma divisão da Lightspeed Trading, LLC (Membro FINRA SIPC). A resposta do sistema, a execução comercial e os tempos de acesso à conta podem variar devido a uma variedade de fatores, incluindo volumes de negociação, condições de mercado, desempenho do sistema, atrasos nos dados de mercado e outros fatores. Valores mobiliários executados através da Lightspeed Trading, LLC. Os sistemas automatizados de negociação são programas de computador projetados por desenvolvedores especializados para seguir um determinado algoritmo de mercado, a cada minuto do dia. Você deve considerar a automação se você quiser participar no mercado de futuros, mas falta o tempo para monitorar, formular e implementar seu próprio plano de negociação. Sistemas automatizados são programados para procurar tendências, analisar dados de mercado e aplicar fórmulas matemáticas / técnicas específicas que, por sua vez, gera sinais - comprar e vender ordens - para ir de longa ou curta. O desempenho - seja hipotético ou ao vivo - é rastreado em tempo real e você pode se inscrever, ativar e desativar qualquer sistema a qualquer momento. A Optimus Futures oferece acesso exclusivo a três diferentes bases de dados de sistemas automatizados de negociação. Escolha qualquer sistema a partir de baixo e ter os negócios colocados automaticamente em sua conta de corretagem da vida real. PASSO 1 Subscrever um Sistema a partir de uma das nossas bases de dados PASSO 2 Abrir e Fundir a sua Conta Optimus Futures PASSO 3 Sente-se e acompanhe os resultados enquanto executamos automaticamente o sistema seleccionado. Por que escolher sistemas automáticos de trading mais de Self Directed Negociação Para ser um comerciante de futuros bem sucedido, você tem que entender diferentes tendências de mercado, conhecer todos os fatores que afetam os mercados, e seguir tanto a longo prazo e mudanças de preços de curto prazo causadas por fatores técnicos e notícias fundamentais . Esta não é uma tarefa fácil. Enquanto alguns comerciantes optam por dedicar suas vidas ao estudo dessas abordagens diferentes para ciclos de mercado e os movimentos de preços, alguns optam por participar no mercado de futuros, deixando uma estratégia automatizada negociação de futuros de tomar as decisões de negociação para eles. Automation impõe disciplina, onde cada comércio, independentemente de perder consecutivos e / ou ganhar estrias, vai continuar a negociar uma metodologia pré-definida, ignorando o capital emocional que acompanha as contas auto-dirigida. Quais são os benefícios dos sistemas de negociação SAVE TIME: Quando seus negócios são executados automaticamente, você não tem que gastar mais tempo estudando gráficos, formulando estratégias de negociação e colocando ordens. Você deve considerar a automação se você não tem tempo para a negociação discricionária, mas gostaria de aproveitar a metodologia de outros traders comprovada. Você ainda pode obter os benefícios de diversificar sua carteira com futuros e ter mais tempo atendendo às outras prioridades em sua vida. ELIMINE ESTRESSE: Quando você está fazendo suas próprias decisões comerciais, é fácil ser influenciado pelo medo, ganância e outros preconceitos emocionais que podem nublar seu julgamento. Com um sistema automatizado de negociação, você estará tomando uma abordagem disciplinada, sem emoção e sistemática para negociação. Um sistema negocia somente quando seu método diz a ele e não muda o número de contratos enquanto troca (além de seus parâmetros ajustados). Portanto, o lado emocional da negociação não afeta sua tomada de decisão. SALVAR O DINHEIRO: Ao seguir um sistema de negociação, você não precisa se inscrever para uma cotação de mercado caro ou feed de dados, ou ter um computador robusto para lidar com software comercial. Além disso, nossas taxas são muito razoáveis ​​e podem ser deduzidas de sua conta. PERFORMANCE: Os sistemas de negociação podem ajudá-lo a atingir seus objetivos de investimento, pois todas as suas decisões são baseadas em fórmulas desenvolvidas por um profissional experiente. Sistemas automatizados de negociação são algorítmicos, e se comportam de acordo com as fórmulas e entradas programadas neles. Eles são desenvolvidos por testes contra dados históricos. Os sistemas são projetados para explorar ineficiências de preços no mercado e tirar proveito assim que um foi detectado. A parte de fazer dinheiro é um resultado da capacidade do sistema para prever a ação de preço na direção certa. Deseja automatizar seu próprio método Nós podemos ajudá-lo a projetar um sistema baseado em sua metodologia, parâmetros de risco e capital de risco. Trabalhamos com vários programadores com experiência em Genesis Trade Navigator, TradeStation e Traders Studio. Também podemos projetar estratégias em C, C, Multicharts e outras linguagens de programação. Temos acesso a desenvolvedores e programadores comerciais especializados que podem transformar suas idéias em métodos de negociação automatizados. Ou se você é vendedor de sistemas procurando a execução do sistema para seus clientes, você pode nos usar para uma execução adequada e um serviço superior ao cliente. Você pode permitir que a Optimus execute todos os negócios recomendados pelo sistema de negociação. Tudo que você tem a fazer é sentar e assistir o seu sistema de trabalho para você Esta é uma solução fácil que leva o fardo de executar seus próprios comércios. Se você precisa falar com alguém que pode ajudá-lo a fazer essa escolha, ligue gratuitamente para 1.800.771.6748. Ainda tenho perguntas Vamos conversar. Não hesite em contactar-nos através do formulário à direita ou ligue para (800) 771-6748. Este assunto deve ser visto como uma solicitação para o comércio. Negociação de futuros e opções envolve risco substancial de perda e não é adequado para todos os investidores. O desempenho passado não é necessariamente indicativo de resultados futuros. O risco de perda em interesses comerciais de commodities pode ser substancial. Você deve, portanto, cuidadosamente considerar se tal negociação é adequado para você em função de sua condição financeira. A colocação de ordens contingentes por você ou corretor, ou consultor de negociação, como uma ordem stop-loss ou stop-limit, não limitará necessariamente suas perdas aos montantes previstos, uma vez que as condições do mercado podem tornar impossível executar tais ordens. O alto grau de alavancagem que muitas vezes pode ser obtido no comércio de commodities pode trabalhar contra você, bem como para você. O uso de alavancagem pode levar a grandes perdas, bem como ganhos. A Optimus Futures, LLC não é afiliada nem endossa nenhum sistema de negociação, metodologias, boletim ou outro serviço similar. Nós encorajamos você a realizar sua própria diligência. Melhor linguagem de programação para sistemas de negociação algorítmica Por Michael Halls-Moore em 26 de julho de 2013 Uma das perguntas mais freqüentes que recebo no mailbag QS é Qual é a melhor linguagem de programação para negociação algorítmica. A resposta curta é que não há melhor linguagem. Parâmetros de estratégia, desempenho, modularidade, desenvolvimento, resiliência e custo devem ser considerados. Este artigo descreverá os componentes necessários de uma arquitetura de sistema de negociação algorítmica e como as decisões relativas à implementação afetam a escolha da linguagem. Em primeiro lugar, serão consideradas as principais componentes de um sistema de negociação algorítmica, tais como as ferramentas de pesquisa, otimizador de portfólio, gerente de risco e mecanismo de execução. Posteriormente, diferentes estratégias de negociação serão examinadas e como elas afetam a concepção do sistema. Em especial, a frequência das negociações e o provável volume de transacções serão discutidos. Uma vez selecionada a estratégia de negociação, é necessário arquitetar todo o sistema. Isso inclui a escolha do hardware, do (s) sistema (s) operacional (is) e da resiliência do sistema contra eventos raros, potencialmente catastróficos. Enquanto a arquitetura está sendo considerada, devemos ter devidamente em conta o desempenho - tanto para as ferramentas de pesquisa como para o ambiente de execução ao vivo. O que é o sistema de negociação que tenta fazer Antes de decidir-se sobre a mais melhor língua com que para escrever um sistema negociando automatizado é necessário definir os requisitos. Será que o sistema vai ser puramente baseado na execução Será que o sistema requer um módulo de gestão de risco ou construção de carteira Será que o sistema requer um backtester de alto desempenho Para a maioria das estratégias o sistema de negociação pode ser dividido em duas categorias: Pesquisa e geração de sinal. A pesquisa se preocupa com a avaliação do desempenho de uma estratégia em relação aos dados históricos. O processo de avaliação de uma estratégia de negociação sobre dados de mercado anteriores é conhecido como backtesting. O tamanho dos dados ea complexidade algorítmica terão um grande impacto na intensidade computacional do backtester. A velocidade ea simultaneidade da CPU são frequentemente os fatores limitantes na otimização da velocidade de execução da pesquisa. Geração de sinal está preocupado com a geração de um conjunto de sinais de negociação a partir de um algoritmo e enviar tais ordens para o mercado, geralmente através de uma corretora. Para certas estratégias é necessário um alto nível de desempenho. Problemas de E / S, como largura de banda de rede e latência, são freqüentemente o fator limitante na otimização de sistemas de execução. Assim, a escolha das linguagens para cada componente de todo o seu sistema pode ser bastante diferente. Tipo, Frequência e Volume da Estratégia O tipo de estratégia algorítmica empregada terá um impacto substancial na concepção do sistema. Será necessário considerar os mercados sendo negociados, a conectividade com fornecedores de dados externos, a freqüência e o volume da estratégia, o trade-off entre facilidade de desenvolvimento e otimização de desempenho, bem como qualquer hardware personalizado, Servidores, GPUs ou FPGAs que possam ser necessários. As escolhas tecnológicas para uma estratégia de ações de baixa freqüência nos EUA serão muito diferentes das de uma estratégia de arbitragem estatística de alta freqüência negociada no mercado de futuros. Antes da escolha do idioma muitos fornecedores de dados devem ser avaliados que pertencem a uma estratégia em mãos. Será necessário considerar a conectividade com o fornecedor, a estrutura de qualquer API, a oportunidade dos dados, os requisitos de armazenamento e a resiliência em face de um fornecedor ficar offline. Também é aconselhável possuir acesso rápido a vários fornecedores. Vários instrumentos têm todos os seus próprios caprichos de armazenamento, exemplos dos quais incluem múltiplos símbolos de ticker para ações e datas de vencimento para futuros (sem mencionar quaisquer dados OTC específicos). Isso precisa ser incorporado ao design da plataforma. Freqüência da estratégia é provável que seja um dos maiores drivers de como a pilha de tecnologia será definido. Estratégias empregando dados mais freqüentemente do que minuciosamente ou em segundo lugar barras exigem consideração significativa com relação ao desempenho. Uma estratégia que ultrapassa as barras secundárias (isto é, dados de carraça) conduz a um design conduzido pelo desempenho como o requisito primário. Para estratégias de alta freqüência, uma quantidade substancial de dados de mercado precisará ser armazenada e avaliada. Software como HDF5 ou kdb são comumente usados ​​para essas funções. Para processar os volumes extensos de dados necessários para aplicações HFT, um sistema de backtester e de execução extensivamente otimizado deve ser usado. C / C (possivelmente com algum montador) é provável que o candidato linguagem mais forte. As estratégias de freqüência ultra-alta quase certamente requerem hardware personalizado, como FPGAs, troca de co-location e kernal / interface de rede. Sistemas de pesquisa Os sistemas de pesquisa normalmente envolvem uma mistura de desenvolvimento interativo e scripts automatizados. O primeiro ocorre frequentemente dentro de um IDE, como Visual Studio, MatLab ou R Studio. Este último envolve cálculos numéricos extensos sobre vários parâmetros e pontos de dados. Isso leva a uma escolha de linguagem proporcionando um ambiente direto para testar o código, mas também fornece desempenho suficiente para avaliar estratégias em várias dimensões de parâmetro. IDEs típicos neste espaço incluem Microsoft Visual C / C, que contém utilitários de depuração extensa, capacidades de conclusão de código (via Intellisense) e visões gerais diretas de toda a pilha de projeto (via o banco de dados ORM, LINQ) MatLab. Que é projetado para a álgebra linear numerosa extensa e operações vectorized, mas em uma maneira console interativa R Studio. Que envolve o console de linguagem estatística R em um Edi IDE Eclipse totalmente desenvolvido para Linux Java e C e IDEs semi-proprietários, como o Enthought Canopy para Python, que incluem bibliotecas de análise de dados como NumPy. SciPy. Scikit-learn e pandas em um único ambiente interativo (console). Para backtesting numérico, todos os idiomas acima são adequados, embora não seja necessário utilizar uma GUI / IDE, pois o código será executado em segundo plano. A principal consideração nesta fase é a da velocidade de execução. Uma linguagem compilada (como C) é frequentemente útil se as dimensões do parâmetro backtesting forem grandes. Lembre-se que é necessário ter cuidado com esses sistemas, se for esse o caso. Interpretadas linguagens como Python muitas vezes fazem uso de bibliotecas de alto desempenho como NumPy / pandas para o backtesting passo, a fim de manter um grau razoável de competitividade com compilado Equivalentes. Em última análise, o idioma escolhido para o backtesting será determinado por necessidades específicas algorítmicas, bem como a gama de bibliotecas disponíveis no idioma (mais sobre isso abaixo). No entanto, a linguagem utilizada para o backtester e os ambientes de pesquisa pode ser completamente independente daqueles usados ​​nos componentes de construção de portfólio, gerenciamento de risco e execução, como será visto. Construção de Portfólio e Gerenciamento de Risco Os componentes de construção de carteira e gerenciamento de risco são freqüentemente ignorados por comerciantes de algoritmos de varejo. Isso é quase sempre um erro. Essas ferramentas fornecem o mecanismo pelo qual o capital será preservado. Eles não só tentam aliviar o número de apostas arriscadas, mas também minimizar churn das próprias operações, reduzindo os custos de transação. Versões sofisticadas desses componentes podem ter um efeito significativo na qualidade e consistência da lucratividade. É fácil criar um estável de estratégias, pois o mecanismo de construção do portfólio e o gerenciador de riscos podem ser facilmente modificados para lidar com vários sistemas. Assim, devem ser considerados componentes essenciais no início do projeto de um sistema de negociação algorítmica. O trabalho do sistema de construção de carteira é ter um conjunto de negócios desejados e produzir o conjunto de negócios reais que minimizam churn, manter exposições a vários fatores (como setores, classes de ativos, volatilidade etc) e otimizar a alocação de capital para vários Estratégias em um portfólio. A construção da carteira reduz-se frequentemente a um problema de álgebra linear (tal como uma factorização de matriz) e, portanto, o desempenho é altamente dependente da eficácia da implementação numérica de álgebra linear disponível. As bibliotecas comuns incluem uBLAS. LAPACK e NAG para C. MatLab também possui operações de matriz amplamente otimizadas. Python utiliza NumPy / SciPy para tais computações. Uma carteira freqüentemente reequilibrada exigirá uma biblioteca de matriz compilada (e bem otimizada) para realizar essa etapa, de modo a não encolher o sistema de negociação. A gestão de risco é outra parte extremamente importante de um sistema de negociação algorítmica. O risco pode vir de muitas formas: Aumento da volatilidade (embora isso possa ser visto como desejável para certas estratégias), aumento das correlações entre classes de ativos, padrão de contraparte, interrupções de servidores, eventos de cisne preta e bugs não detectados no código de negociação poucos. Os componentes de gerenciamento de risco tentam antecipar os efeitos da volatilidade excessiva e correlação entre as classes de ativos e seus efeitos subseqüentes sobre o capital comercial. Muitas vezes isso se reduz a um conjunto de cálculos estatísticos, como testes de estresse de Monte Carlo. Isso é muito semelhante às necessidades computacionais de um mecanismo de preços de derivativos e, como tal, será ligado à CPU. Essas simulações são altamente paralelas (veja abaixo) e, até certo ponto, é possível lançar hardware no problema. Sistemas de Execução O trabalho do sistema de execução é receber sinais de negociação filtrada dos componentes de construção de portfólio e gerenciamento de risco e enviá-los para uma corretora ou outros meios de acesso ao mercado. Para a maioria das estratégias de negociação de algoritmos de varejo, isso envolve uma conexão API ou FIX para uma corretora, como Interactive Brokers. As considerações principais ao decidir sobre uma linguagem incluem a qualidade da API, a disponibilidade do wrapper de linguagem para uma API, a freqüência de execução e a antecipação do deslizamento. A qualidade da API refere-se a quão bem documentada é, qual o tipo de desempenho que ela fornece, se ele precisa de software autônomo para ser acessado ou se um gateway pode ser estabelecido de uma forma sem cabeça (isto é, sem GUI). No caso de Interactive Brokers, a ferramenta Trader WorkStation precisa estar em execução em um ambiente GUI para acessar sua API. Uma vez tive que instalar uma edição Desktop Ubuntu em um servidor de nuvem Amazon para acessar Interactive Brokers remotamente, puramente por esta razão A maioria das APIs irá fornecer uma interface C e / ou Java. Normalmente, é a comunidade que desenvolve invólucros específicos de linguagem para C, Python, R, Excel e MatLab. Note que com cada plugin adicional utilizado (especialmente API wrappers) há espaço para bugs a fluência no sistema. Sempre testar plugins deste tipo e garantir que eles são mantidos ativamente. Um indicador valioso é ver quantas novas atualizações de um codebase foram feitas nos últimos meses. A freqüência de execução é de extrema importância no algoritmo de execução. Observe que centenas de pedidos podem ser enviados a cada minuto e, como tal, o desempenho é crítico. Slippage será incorrido através de um sistema de execução mal executando e isso terá um impacto dramático sobre a rentabilidade. Linguagens estaticamente tipadas (veja abaixo), como C / Java, geralmente são ótimas para execução, mas há um trade-off no tempo de desenvolvimento, testes e facilidade de manutenção. As linguagens de tipo dinâmico, como Python e Perl, são agora geralmente suficientemente rápidas. Certifique-se sempre de que os componentes são projetados de forma modular (veja abaixo) para que possam ser trocados para fora à medida que o sistema é escalado. Processo de Planejamento e Desenvolvimento Arquitetônico Os componentes de um sistema de negociação, suas necessidades de freqüência e volume foram discutidos acima, mas a infra-estrutura do sistema ainda não foi coberta. Aqueles que atuam como um comerciante de varejo ou trabalhando em um pequeno fundo provavelmente será usando muitos chapéus. Será necessário estar cobrindo o modelo alfa, os parâmetros de gerenciamento e execução de riscos, e também a implementação final do sistema. Antes de aprofundar em linguagens específicas o projeto de uma arquitetura de sistema ideal será discutido. Separação de preocupações Uma das decisões mais importantes que devem ser tomadas desde o início é como separar as preocupações de um sistema de comércio. No desenvolvimento de software, isso significa essencialmente como quebrar os diferentes aspectos do sistema de comércio em componentes modulares separados. Ao expor as interfaces em cada um dos componentes, é fácil trocar partes do sistema por outras versões que auxiliem o desempenho, a confiabilidade ou a manutenção, sem modificar nenhum código de dependência externo. Esta é a melhor prática para esses sistemas. Para estratégias em freqüências mais baixas tais práticas são aconselhadas. Para negociação de freqüência ultra alta o livro de regras pode ter que ser ignorado às custas de ajustar o sistema para ainda mais desempenho. Um sistema mais fortemente acoplado pode ser desejável. Criar um mapa de componentes de um sistema de negociação algorítmico vale um artigo em si. No entanto, uma abordagem ótima é certificar-se de que há componentes separados para as entradas de dados históricos e em tempo real do mercado, armazenamento de dados, API de dados de acesso, backtester, parâmetros de estratégia, construção de portfólio, gerenciamento de riscos e sistemas de execução automatizada. Por exemplo, se o armazenamento de dados que está sendo usado está underperforming, até mesmo em níveis significativos de otimização, ele pode ser trocado com rewrites mínimo para a ingestão de dados ou API de acesso a dados. Tanto quanto o backtestter e componentes subsequentes estão em causa, não há diferença. Outro benefício de componentes separados é que ele permite que uma variedade de linguagens de programação para ser usado no sistema global. Não é necessário restringir-se a uma única língua se o método de comunicação dos componentes for independente da língua. Este será o caso se eles estão se comunicando via TCP / IP, ZeroMQ ou algum outro protocolo independente de linguagem. Como exemplo concreto, considere o caso de um sistema de backtesting sendo escrito em C para desempenho de crunching de números, enquanto o gerenciador de portfólio e sistemas de execução são escritos em Python usando SciPy e IBPy. Considerações sobre Desempenho O desempenho é uma consideração significativa para a maioria das estratégias de negociação. Para estratégias de freqüência mais alta, é o fator mais importante. O desempenho abrange uma ampla gama de problemas, como velocidade de execução algorítmica, latência da rede, largura de banda, E / S de dados, paralelismo e paralelismo e escalonamento. Cada uma dessas áreas são cobertas individualmente por grandes livros didáticos, portanto, este artigo apenas arranhará a superfície de cada tópico. A arquitetura ea escolha da língua serão agora discutidas em termos de seus efeitos sobre o desempenho. A sabedoria prevalecente como afirmado por Donald Knuth. Um dos pais da Ciência da Computação, é que a otimização prematura é a raiz de todo o mal. This is almost always the case - except when building a high frequency trading algorithm For those who are interested in lower frequency strategies, a common approach is to build a system in the simplest way possible and only optimise as bottlenecks begin to appear. Profiling tools are used to determine where bottlenecks arise. Profiles can be made for all of the factors listed above, either in a MS Windows or Linux environment. There are many operating system and language tools available to do so, as well as third party utilities. Language choice will now be discussed in the context of performance. C, Java, Python, R and MatLab all contain high-performance libraries (either as part of their standard or externally) for basic data structure and algorithmic work. C ships with the Standard Template Library, while Python contains NumPy/SciPy. Common mathematical tasks are to be found in these libraries and it is rarely beneficial to write a new implementation. One exception is if highly customised hardware architecture is required and an algorithm is making extensive use of proprietary extensions (such as custom caches). However, often reinvention of the wheel wastes time that could be better spent developing and optimising other parts of the trading infrastructure. Development time is extremely precious especially in the context of sole developers. Latency is often an issue of the execution system as the research tools are usually situated on the same machine. For the former, latency can occur at multiple points along the execution path. Databases must be consulted (disk/network latency), signals must be generated (operating syste, kernal messaging latency), trade signals sent (NIC latency) and orders processed (exchange systems internal latency). For higher frequency operations it is necessary to become intimately familiar with kernal optimisation as well as optimisation of network transmission. This is a deep area and is significantly beyond the scope of the article but if an UHFT algorithm is desired then be aware of the depth of knowledge required Caching is very useful in the toolkit of a quantitative trading developer. Caching refers to the concept of storing frequently accessed data in a manner which allows higher-performance access, at the expense of potential staleness of the data. A common use case occurs in web development when taking data from a disk-backed relational database and putting it into memory. Any subsequent requests for the data do not have to hit the database and so performance gains can be significant. For trading situations caching can be extremely beneficial. For instance, the current state of a strategy portfolio can be stored in a cache until it is rebalanced, such that the list doesnt need to be regenerated upon each loop of the trading algorithm. Such regeneration is likely to be a high CPU or disk I/O operation. However, caching is not without its own issues. Regeneration of cache data all at once, due to the volatilie nature of cache storage, can place significant demand on infrastructure. Another issue is dog-piling . where multiple generations of a new cache copy are carried out under extremely high load, which leads to cascade failure. Dynamic memory allocation is an expensive operation in software execution. Thus it is imperative for higher performance trading applications to be well-aware how memory is being allocated and deallocated during program flow. Newer language standards such as Java, C and Python all perform automatic garbage collection . which refers to deallocation of dynamically allocated memory when objects go out of scope . Garbage collection is extremely useful during development as it reduces errors and aids readability. However, it is often sub-optimal for certain high frequency trading strategies. Custom garbage collection is often desired for these cases. In Java, for instance, by tuning the garbage collector and heap configuration, it is possible to obtain high performance for HFT strategies. C doesnt provide a native garbage collector and so it is necessary to handle all memory allocation/deallocation as part of an objects implementation. While potentially error prone (potentially leading to dangling pointers) it is extremely useful to have fine-grained control of how objects appear on the heap for certain applications. When choosing a language make sure to study how the garbage collector works and whether it can be modified to optimise for a particular use case. Many operations in algorithmic trading systems are amenable to parallelisation . This refers to the concept of carrying out multiple programmatic operations at the same time, i. e in parallel. So-called embarassingly parallel algorithms include steps that can be computed fully independently of other steps. Certain statistical operations, such as Monte Carlo simulations, are a good example of embarassingly parallel algorithms as each random draw and subsequent path operation can be computed without knowledge of other paths. Other algorithms are only partially parallelisable. Fluid dynamics simulations are such an example, where the domain of computation can be subdivided, but ultimately these domains must communicate with each other and thus the operations are partially sequential. Parallelisable algorithms are subject to Amdahls Law. which provides a theoretical upper limit to the performance increase of a parallelised algorithm when subject to N separate processes (e. g. on a CPU core or thread ). Parallelisation has become increasingly important as a means of optimisation since processor clock-speeds have stagnated, as newer processors contain many cores with which to perform parallel calculations. The rise of consumer graphics hardware (predominently for video games) has lead to the development of Graphical Processing Units (GPUs), which contain hundreds of cores for highly concurrent operations. Such GPUs are now very affordable. High-level frameworks, such as Nvidias CUDA have lead to widespread adoption in academia and finance. Such GPU hardware is generally only suitable for the research aspect of quantitative finance, whereas other more specialised hardware (including Field-Programmable Gate Arrays - FPGAs) are used for (U)HFT. Nowadays, most modern langauges support a degree of concurrency/multithreading. Thus it is straightforward to optimise a backtester, since all calculations are generally independent of the others. Scaling in software engineering and operations refers to the ability of the system to handle consistently increasing loads in the form of greater requests, higher processor usage and more memory allocation. In algorithmic trading a strategy is able to scale if it can accept larger quantities of capital and still produce consistent returns. The trading technology stack scales if it can endure larger trade volumes and increased latency, without bottlenecking . While systems must be designed to scale, it is often hard to predict beforehand where a bottleneck will occur. Rigourous logging, testing, profiling and monitoring will aid greatly in allowing a system to scale. Languages themselves are often described as unscalable. This is usually the result of misinformation, rather than hard fact. It is the total technology stack that should be ascertained for scalability, not the language. Clearly certain languages have greater performance than others in particular use cases, but one language is never better than another in every sense. One means of managing scale is to separate concerns, as stated above. In order to further introduce the ability to handle spikes in the system (i. e. sudden volatility which triggers a raft of trades), it is useful to create a message queuing architecture. This simply means placing a message queue system between components so that orders are stacked up if a certain component is unable to process many requests. Rather than requests being lost they are simply kept in a stack until the message is handled. This is particularly useful for sending trades to an execution engine. If the engine is suffering under heavy latency then it will back up trades. A queue between the trade signal generator and the execution API will alleviate this issue at the expense of potential trade slippage. A well-respected open source message queue broker is RabbitMQ . Hardware and Operating Systems The hardware running your strategy can have a significant impact on the profitability of your algorithm. This is not an issue restricted to high frequency traders either. A poor choice in hardware and operating system can lead to a machine crash or reboot at the most inopportune moment. Thus it is necessary to consider where your application will reside. The choice is generally between a personal desktop machine, a remote server, a cloud provider or an exchange co-located server. Desktop machines are simple to install and administer, especially with newer user friendly operating systems such as Windows 7/8, Mac OSX and Ubuntu. Desktop systems do possess some significant drawbacks, however. The foremost is that the versions of operating systems designed for desktop machines are likely to require reboots/patching (and often at the worst of times). They also use up more computational resources by the virtue of requiring a graphical user interface (GUI). Utilising hardware in a home (or local office) environment can lead to internet connectivity and power uptime problems. The main benefit of a desktop system is that significant computational horsepower can be purchased for the fraction of the cost of a remote dedicated server (or cloud based system) of comparable speed. A dedicated server or cloud-based machine, while often more expensive than a desktop option, allows for more significant redundancy infrastructure, such as automated data backups, the ability to more straightforwardly ensure uptime and remote monitoring. They are harder to administer since they require the ability to use remote login capabilities of the operating system. In Windows this is generally via the GUI Remote Desktop Protocol (RDP). In Unix-based systems the command-line Secure SHell (SSH) is used. Unix-based server infrastructure is almost always command-line based which immediately renders GUI-based programming tools (such as MatLab or Excel) to be unusable. A co-located server, as the phrase is used in the capital markets, is simply a dedicated server that resides within an exchange in order to reduce latency of the trading algorithm. This is absolutely necessary for certain high frequency trading strategies, which rely on low latency in order to generate alpha. The final aspect to hardware choice and the choice of programming language is platform-independence. Is there a need for the code to run across multiple different operating systems Is the code designed to be run on a particular type of processor architecture, such as the Intel x86/x64 or will it be possible to execute on RISC processors such as those manufactured by ARM These issues will be highly dependent upon the frequency and type of strategy being implemented. Resilience and Testing One of the best ways to lose a lot of money on algorithmic trading is to create a system with no resiliency . This refers to the durability of the sytem when subject to rare events, such as brokerage bankruptcies, sudden excess volatility, region-wide downtime for a cloud server provider or the accidental deletion of an entire trading database. Years of profits can be eliminated within seconds with a poorly-designed architecture. It is absolutely essential to consider issues such as debuggng, testing, logging, backups, high-availability and monitoring as core components of your system. It is likely that in any reasonably complicated custom quantitative trading application at least 50 of development time will be spent on debugging, testing and maintenance. Nearly all programming languages either ship with an associated debugger or possess well-respected third-party alternatives. In essence, a debugger allows execution of a program with insertion of arbitrary break points in the code path, which temporarily halt execution in order to investigate the state of the system. The main benefit of debugging is that it is possible to investigate the behaviour of code prior to a known crash point . Debugging is an essential component in the toolbox for analysing programming errors. However, they are more widely used in compiled languages such as C or Java, as interpreted languages such as Python are often easier to debug due to fewer LOC and less verbose statements. Despite this tendency Python does ship with the pdb. which is a sophisticated debugging tool. The Microsoft Visual C IDE possesses extensive GUI debugging utilities, while for the command line Linux C programmer, the gdb debugger exists. Testing in software development refers to the process of applying known parameters and results to specific functions, methods and objects within a codebase, in order to simulate behaviour and evaluate multiple code-paths, helping to ensure that a system behaves as it should. A more recent paradigm is known as Test Driven Development (TDD), where test code is developed against a specified interface with no implementation. Prior to the completion of the actual codebase all tests will fail. As code is written to fill in the blanks, the tests will eventually all pass, at which point development should cease. TDD requires extensive upfront specification design as well as a healthy degree of discipline in order to carry out successfully. In C, Boost provides a unit testing framework. In Java, the JUnit library exists to fulfill the same purpose. Python also has the unittest module as part of the standard library. Many other languages possess unit testing frameworks and often there are multiple options. In a production environment, sophisticated logging is absolutely essential. Logging refers to the process of outputting messages, with various degrees of severity, regarding execution behaviour of a system to a flat file or database. Logs are a first line of attack when hunting for unexpected program runtime behaviour. Unfortunately the shortcomings of a logging system tend only to be discovered after the fact As with backups discussed below, a logging system should be given due consideration BEFORE a system is designed. Both Microsoft Windows and Linux come with extensive system logging capability and programming languages tend to ship with standard logging libraries that cover most use cases. It is often wise to centralise logging information in order to analyse it at a later date, since it can often lead to ideas about improving performance or error reduction, which will almost certainly have a positive impact on your trading returns. While logging of a system will provide information about what has transpired in the past, monitoring of an application will provide insight into what is happening right now . All aspects of the system should be considered for monitoring. System level metrics such as disk usage, available memory, network bandwidth and CPU usage provide basic load information. Trading metrics such as abnormal prices/volume, sudden rapid drawdowns and account exposure for different sectors/markets should also be continuously monitored. Further, a threshold system should be instigated that provides notification when certain metrics are breached, elevating the notification method (email, SMS, automated phone call) depending upon the severity of the metric. System monitoring is often the domain of the system administrator or operations manager. However, as a sole trading developer, these metrics must be established as part of the larger design. Many solutions for monitoring exist: proprietary, hosted and open source, which allow extensive customisation of metrics for a particular use case. Backups and high availability should be prime concerns of a trading system. Consider the following two questions: 1) If an entire production database of market data and trading history was deleted (without backups) how would the research and execution algorithm be affected 2) If the trading system suffers an outage for an extended period (with open positions) how would account equity and ongoing profitability be affected The answers to both of these questions are often sobering It is imperative to put in place a system for backing up data and also for testing the restoration of such data. Many individuals do not test a restore strategy. If recovery from a crash has not been tested in a safe environment, what guarantees exist that restoration will be available at the worst possible moment Similarly, high availability needs to be baked in from the start. Redundant infrastructure (even at additional expense) must always be considered, as the cost of downtime is likely to far outweigh the ongoing maintenance cost of such systems. I wont delve too deeply into this topic as it is a large area, but make sure it is one of the first considerations given to your trading system. Choosing a Language Considerable detail has now been provided on the various factors that arise when developing a custom high-performance algorithmic trading system. The next stage is to discuss how programming languages are generally categorised. Type Systems When choosing a language for a trading stack it is necessary to consider the type system . The languages which are of interest for algorithmic trading are either statically - or dynamically-typed . A statically-typed language performs checks of the types (e. g. integers, floats, custom classes etc) during the compilation process. Such languages include C and Java. A dynamically-typed language performs the majority of its type-checking at runtime. Such languages include Python, Perl and JavaScript. For a highly numerical system such as an algorithmic trading engine, type-checking at compile time can be extremely beneficial, as it can eliminate many bugs that would otherwise lead to numerical errors. However, type-checking doesnt catch everything, and this is where exception handling comes in due to the necessity of having to handle unexpected operations. Dynamic languages (i. e. those that are dynamically-typed) can often lead to run-time errors that would otherwise be caught with a compilation-time type-check. For this reason, the concept of TDD (see above) and unit testing arose which, when carried out correctly, often provides more safety than compile-time checking alone. Another benefit of statically-typed languages is that the compiler is able to make many optimisations that are otherwise unavailable to the dynamically - typed language, simply because the type (and thus memory requirements) are known at compile-time. In fact, part of the inefficiency of many dynamically-typed languages stems from the fact that certain objects must be type-inspected at run-time and this carries a performance hit. Libraries for dynamic languages, such as NumPy/SciPy alleviate this issue due to enforcing a type within arrays. Open Source or Proprietary One of the biggest choices available to an algorithmic trading developer is whether to use proprietary (commercial) or open source technologies. There are advantages and disadvantages to both approaches. It is necessary to consider how well a language is supported, the activity of the community surrounding a language, ease of installation and maintenance, quality of the documentation and any licensing/maintenance costs. The Microsoft stack (including Visual C, Visual C) and MathWorks MatLab are two of the larger proprietary choices for developing custom algorithmic trading software. Both tools have had significant battle testing in the financial space, with the former making up the predominant software stack for investment banking trading infrastructure and the latter being heavily used for quantitative trading research within investment funds. Microsoft and MathWorks both provide extensive high quality documentation for their products. Further, the communities surrounding each tool are very large with active web forums for both. The software allows cohesive integration with multiple languages such as C, C and VB, as well as easy linkage to other Microsoft products such as the SQL Server database via LINQ. MatLab also has many plugins/libraries (some free, some commercial) for nearly any quantitative research domain. There are also drawbacks. With either piece of software the costs are not insignificant for a lone trader (although Microsoft does provide entry-level version of Visual Studio for free). Microsoft tools play well with each other, but integrate less well with external code. Visual Studio must also be executed on Microsoft Windows, which is arguably far less performant than an equivalent Linux server which is optimally tuned. MatLab also lacks a few key plugins such as a good wrapper around the Interactive Brokers API, one of the few brokers amenable to high-performance algorithmic trading. The main issue with proprietary products is the lack of availability of the source code. This means that if ultra performance is truly required, both of these tools will be far less attractive. Open source tools have been industry grade for sometime. Much of the alternative asset space makes extensive use of open-source Linux, MySQL/PostgreSQL, Python, R, C and Java in high-performance production roles. However, they are far from restricted to this domain. Python and R, in particular, contain a wealth of extensive numerical libraries for performing nearly any type of data analysis imaginable, often at execution speeds comparable to compiled languages, with certain caveats. The main benefit of using interpreted languages is the speed of development time. Python and R require far fewer lines of code (LOC) to achieve similar functionality, principally due to the extensive libraries. Further, they often allow interactive console based development, rapidly reducing the iterative development process. Given that time as a developer is extremely valuable, and execution speed often less so (unless in the HFT space), it is worth giving extensive consideration to an open source technology stack. Python and R possess significant development communities and are extremely well supported, due to their popularity. Documentation is excellent and bugs (at least for core libraries) remain scarce. Open source tools often suffer from a lack of a dedicated commercial support contract and run optimally on systems with less-forgiving user interfaces. A typical Linux server (such as Ubuntu) will often be fully command-line oriented. In addition, Python and R can be slow for certain execution tasks. There are mechanisms for integrating with C in order to improve execution speeds, but it requires some experience in multi-language programming. While proprietary software is not immune from dependency/versioning issues it is far less common to have to deal with incorrect library versions in such environments. Open source operating systems such as Linux can be trickier to administer. I will venture my personal opinion here and state that I build all of my trading tools with open source technologies. In particular I use: Ubuntu, MySQL, Python, C and R. The maturity, community size, ability to dig deep if problems occur and lower total cost ownership (TCO) far outweigh the simplicity of proprietary GUIs and easier installations. Having said that, Microsoft Visual Studio (especially for C) is a fantastic Integrated Development Environment (IDE) which I would also highly recommend. Batteries Included The header of this section refers to the out of the box capabilities of the language - what libraries does it contain and how good are they This is where mature languages have an advantage over newer variants. C, Java and Python all now possess extensive libraries for network programming, HTTP, operating system interaction, GUIs, regular expressions (regex), iteration and basic algorithms. C is famed for its Standard Template Library (STL) which contains a wealth of high performance data structures and algorithms for free. Python is known for being able to communicate with nearly any other type of system/protocol (especially the web), mostly through its own standard library. R has a wealth of statistical and econometric tools built in, while MatLab is extremely optimised for any numerical linear algebra code (which can be found in portfolio optimisation and derivatives pricing, for instance). Outside of the standard libraries, C makes use of the Boost library, which fills in the missing parts of the standard library. In fact, many parts of Boost made it into the TR1 standard and subsequently are available in the C11 spec, including native support for lambda expressions and concurrency. Python has the high performance NumPy/SciPy/Pandas data analysis library combination, which has gained widespread acceptance for algorithmic trading research. Further, high-performance plugins exist for access to the main relational databases, such as MySQL (MySQL/C), JDBC (Java/MatLab), MySQLdb (MySQL/Python) and psychopg2 (PostgreSQL/Python). Python can even communicate with R via the RPy plugin An often overlooked aspect of a trading system while in the initial research and design stage is the connectivity to a broker API. Most APIs natively support C and Java, but some also support C and Python, either directly or with community-provided wrapper code to the C APIs. In particular, Interactive Brokers can be connected to via the IBPy plugin. If high-performance is required, brokerages will support the FIX protocol . Conclusion 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. Michael Halls-Moore Mike is the founder of QuantStart and has been involved in the quantitative finance industry for the last five years, primarily as a quant developer and later as a quant trader consulting for hedge funds.