कैसे करें: ट्रेडिंग रोबोट बनाने के लिए प्रोग्रामिंग भाषा कैसे चुनें

लोगों द्वारा पूछे जाने वाले सबसे आम प्रश्नों में से एक एल्गोरिथम ट्रेडिंग में दिलचस्पी लेना शुरू करना है "इसके लिए कौन सी प्रोग्रामिंग भाषा सबसे अच्छी है?" बेशक, संक्षिप्त जवाब यह है कि कोई "बेहतर" विकल्प नहीं है। उपकरण चुनते समय, किसी को ट्रेडिंग रणनीति, आवश्यक प्रदर्शन, प्रतिरूपकता, विकास पद्धति और दोष सहिष्णुता आवश्यकताओं के मापदंडों को ध्यान में रखना चाहिए। इस लेख में, हम एक एल्गोरिथम ट्रेडिंग सिस्टम की वास्तुकला के मुख्य घटकों के बारे में बात करेंगे और उनमें से प्रत्येक प्रोग्रामिंग भाषा की पसंद को कैसे प्रभावित करेगा।

अनुवादक का ध्यान दें : हम अक्सर एल्गोरिथम ट्रेडिंग के बारे में संदेह के साथ सामना कर रहे हैं। एक राय है कि यह शुद्ध अटकलें हैं, जो बेहद हानिकारक है और एक तकनीकी विशेषज्ञ के लिए ऐसा करना, इसे हल्के ढंग से रखना है, न कि इल फेट। टिप्पणियों में कुछ सवालों का अनुमान लगाते हुए, हम तुरंत एक ऐसी सामग्री का लिंक देना चाहेंगे, जो इस बात पर बहुत ध्यान देती है कि शेयर बाजारों में किस प्रकार के व्यापारी मौजूद हैं और क्यों उनमें से प्रत्येक का एक निश्चित समय में एक निश्चित लाभ है, साथ ही साथ एक विषय जिसमें एक्सचेंजों की नियुक्ति के अधिक सामान्य विषय पर खुद को छूता है। और यहां आप ऐसे ट्रेडिंग के अनुभव के बारे में पढ़ सकते हैं, जिसने प्रोग्रामिंग ज्ञान वाले व्यक्ति को आधा मिलियन डॉलर ( पहला , दूसरा भाग ) अर्जित करने की अनुमति दी। पढ़ने का आनंद लें!

सबसे पहले, हम एल्गोरिथम ट्रेडिंग सिस्टम के मुख्य तत्वों पर विचार करेंगे, जैसे विश्लेषणात्मक उपकरण, पोर्टफोलियो अनुकूलक, जोखिम प्रबंधक और वास्तव में, ट्रेडिंग इंजन। फिर हम विभिन्न व्यापारिक रणनीतियों की विशेषताओं पर ध्यान देंगे और उनमें से किसी की पसंद पूरे सिस्टम के विकास को प्रभावित करती है। विशेष रूप से, हम अनुमानित आवृत्ति (गति) और ट्रेडिंग वॉल्यूम पर चर्चा करेंगे।

आपके द्वारा ट्रेडिंग रणनीति चुने जाने के बाद, आपको पूरे सिस्टम की वास्तुकला को डिजाइन करने की आवश्यकता है। इसमें हार्डवेयर का विकल्प, ऑपरेटिंग सिस्टम (या कई सिस्टम) और दुर्लभ के प्रतिरोध, लेकिन संभावित रूप से घटनाओं के विनाशकारी मोड़ शामिल हैं। वास्तुकला को डिजाइन करते समय, प्रदर्शन पर भी ध्यान दिया जाना चाहिए - सिस्टम और ट्रेडिंग इंजन के विश्लेषणात्मक उपकरणों की गति दोनों।

ट्रेडिंग सिस्टम क्या करता है?

"सर्वश्रेष्ठ" प्रोग्रामिंग भाषा चुनने से पहले जिस पर हमारा रोबोट लाखों डॉलर कमाएगा, इस भाषा के लिए आवश्यकताओं को निर्धारित करना आवश्यक है। क्या प्रणाली केवल कार्यों की पूर्ति पर आधारित होगी, या हमें जोखिम प्रबंधन या पोर्टफोलियो निर्माता मॉड्यूल की भी आवश्यकता होगी? क्या मुझे काम करने के लिए एक उच्च गति बैक-परीक्षण मॉड्यूल की आवश्यकता होगी? अधिकांश रणनीतियों के लिए, ट्रेडिंग सिस्टम को दो श्रेणियों में विभाजित किया जा सकता है: अनुसंधान और सिग्नल उत्पन्न करना।



अनुसंधान रणनीति ऐतिहासिक डेटा पर परीक्षण प्रदर्शन पर ध्यान केंद्रित करती है। अतीत में एकत्रित आंकड़ों पर परीक्षण को बैकिंग कहा जाता है। बैकटस्टिंग मॉड्यूल की प्रसंस्करण शक्ति डेटा की मात्रा और रणनीति की एल्गोरिथम जटिलता से प्रभावित होती है। अनुसंधान रणनीतियों की गति के अनुकूलन का अनुकूलन करने में, प्रोसेसर की गति और इसके कोर की संख्या अक्सर कारकों को सीमित करने के रूप में कार्य करती है।

यदि हम व्यापारिक संकेतों को उत्पन्न करने के बारे में बात करते हैं, तो एल्गोरिथ्म को समझना चाहिए कि कब खरीदना या बेचना है और उचित आदेश (सबसे अधिक बार ब्रोकरेज सिस्टम के माध्यम से) बाजार में भेजना है। कुछ रणनीतियों के लिए उच्च स्तर के प्रदर्शन की आवश्यकता होती है। रणनीति की गति ऐसे कारकों द्वारा सीमित है जैसे कि डेटा चैनल की चौड़ाई और ब्रोकरेज और एक्सचेंज सिस्टम (विलंबता) द्वारा शुरू की गई देरी।

इस प्रकार, आपको किस श्रेणी की रणनीति की आवश्यकता पर निर्भर करता है, और इसके कार्यान्वयन के लिए प्रोग्रामिंग भाषा की पसंद अलग-अलग हो सकती है।

प्रकार, तरलता और रणनीति की मात्रा

ट्रेडिंग रणनीति का प्रकार उसके बाद के सभी उपकरण को प्रभावित करेगा। यह मूल्यांकन करना आवश्यक है कि किन बाजारों में व्यापार करने की योजना है, बाहरी डेटा प्रदाताओं को जोड़ने की संभावनाएं, साथ ही साथ एल्गोरिथ्म और उनके वॉल्यूम द्वारा किए गए संचालन की आवृत्ति। महत्वपूर्ण कारक विकास और प्रदर्शन अनुकूलन में आसानी के साथ-साथ हार्डवेयर के साथ-साथ ब्रोकरेज या एक्सचेंज डेटा सेंटर में रखे जाने वाले सर्वर और अतिरिक्त उपकरण जिनकी आवश्यकता हो सकती है (GPU, FPGA, आदि) के बीच एक संतुलन की खोज होगी।

अमेरिकी बाजारों में कम तरल शेयरों का व्यापार करने के लिए, वायदा बाजार में एक उच्च आवृत्ति वाले सांख्यिकीय मध्यस्थता रणनीति के मामले की तुलना में पूरी तरह से विभिन्न तकनीकों का उपयोग करना आवश्यक होगा। इससे पहले कि आप वास्तविक प्रोग्रामिंग भाषा चुनना शुरू करें, आपको उन डेटा प्रदाताओं का चयन करना शुरू कर देना चाहिए जिनके साथ आपकी ट्रेडिंग रणनीति काम करेगी।



आपूर्तिकर्ताओं की प्रणालियों से जुड़ने की मौजूदा संभावनाओं, किसी भी एपीआई की संरचना, डेटा वितरण की गति और विफलताओं के मामले में इसके भंडारण की संभावनाओं का विश्लेषण करना आवश्यक है। एक ही समय में कई ऐसी प्रणालियों तक पहुंच का संगठन भी एक बुद्धिमान निर्णय होगा, जिसके लिए अलग से अध्ययन की भी आवश्यकता होगी, क्योंकि प्रत्येक डेटा प्रदाता की अपनी तकनीकी आवश्यकताएं होती हैं (विनिमय उपकरणों के टिकर का प्रतीक, आदि)।

ट्रेडिंग की अनुमानित आवृत्ति पर निर्णायक प्रभाव पड़ेगा कि आपके सिस्टम के तकनीकी स्टैक को कैसे लागू किया जाएगा। ऐसी रणनीतियाँ जिन्हें प्रति मिनट एक से अधिक बार डेटा अपडेट करने की आवश्यकता होती है, उन्हें अपने काम के लिए बड़े संसाधनों की आवश्यकता होगी।

टिक डेटा की आवश्यकता वाली रणनीतियों के मामले में, प्रदर्शन संचालित डिजाइन पद्धति के अनुसार संपूर्ण प्रणाली को विकसित करना आवश्यक है। HDF5 या kdb + का उपयोग अक्सर इन कार्यों के लिए किया जाता है।

एचएफटी अनुप्रयोगों के लिए आवश्यक अतिरिक्त डेटा वॉल्यूम को संसाधित करने के लिए, एक अनुकूलित बैकस्टर और एक ट्रेडिंग इंजन का उपयोग करना आवश्यक है। ऐसी प्रणाली में एक प्रोग्रामिंग भाषा की भूमिका के लिए मुख्य उम्मीदवार C / C ++ (संभवतः कुछ स्थानों पर असेंबलर) होंगे। उच्च-आवृत्ति रणनीतियों के लिए अक्सर अतिरिक्त उपकरणों की आवश्यकता होती है, जैसे कि प्रोग्रामेबल मैट्रिसेस (FPGAs), साथ ही सर्वर को एक्सचेंज कोर के जितना संभव हो सके उतना पास रखना और स्वयं सर्वर के नेटवर्क इंटरफेस को ट्यूनिंग करना।

अनुसंधान प्रणाली

इस तरह के सिस्टम बनाते समय, अक्सर इंटरैक्टिव विकास और स्क्रिप्ट के स्वचालन का सहारा लेना आवश्यक होता है। पहला कॉन्सेप्ट विजुअल स्टूडियो, मैटलैब या आर स्टूडियो जैसे आईडीई में होता है। स्क्रिप्ट स्वचालन विभिन्न मापदंडों और डेटा बिंदुओं के लिए गणना की एक बड़ी मात्रा के साथ जुड़ा हुआ है। यह सब देखते हुए, एक ऐसी भाषा का चयन करना आवश्यक है जो परीक्षण कोड के लिए उत्कृष्ट अवसर प्रदान करता है, और आपको विभिन्न मापदंडों के साथ रणनीतियों की गणना करते समय स्वीकार्य प्रदर्शन प्राप्त करने की अनुमति भी देता है।

इस स्तर पर, IDEs जैसे Microsoft Visual C ++ / C # का उपयोग अक्सर किया जाता है, जिसमें डिबगिंग, कोड पूरा करने और पूरे प्रोजेक्ट स्टैक (ORM, LINQ) के साथ काम करने के लिए कई प्रकार के उपकरण शामिल होते हैं; मतलाब, जो विशेष रूप से रैखिक संख्यात्मक बीजगणित और वेक्टर संचालन की समस्याओं के लिए डिज़ाइन किया गया है; आर स्टूडियो, जिसे सांख्यिकीय भाषा आर का उपयोग करके कार्यान्वित किया जाता है; लिनक्स जावा और सी ++ के लिए ग्रहण आईडीई और पाइथन के लिए उत्साहित चंदवा की तरह अर्ध-स्वामित्व वाली आईडीई, जिसमें विभिन्न प्रकार के डेटा विश्लेषण पुस्तकालय (न्यूमपी, साइपी, स्किट-लर्न, और पेरास) शामिल हैं।

सभी उल्लिखित उपकरण संख्यात्मक बैकिंग के लिए उपयुक्त हैं, हालांकि इस तथ्य के कारण कि कोड "पृष्ठभूमि में" चलाया जाएगा, ग्राफिकल आईडीई बिल्कुल भी आवश्यक नहीं हैं। इस स्तर पर, आपको पहले सिस्टम की गति के बारे में सोचना चाहिए। संकलित भाषाएं (जैसे सी ++) उपयोगी हैं जब बैकिंग के दौरान मापदंडों की संख्या बहुत बड़ी है। इस मामले में, आपको हमेशा डिजाइन प्रक्रिया के हर चरण में बहुत सावधान रहना चाहिए, क्योंकि आपका सिस्टम शुरू से उतना तेज़ नहीं हो सकता है। पायथन की तरह व्याख्या की गई भाषाओं के मामले में, उच्च प्रदर्शन वाले पुस्तकालय (न्यूमपी / पांडा) अक्सर बैकिंग के लिए उपयोग किए जाते हैं।

बैकटस्टिंग मॉड्यूल को लागू करने के लिए भाषा की पसंद आपके एल्गोरिदम की विशिष्ट आवश्यकताओं और इस भाषा के लिए उपलब्ध पुस्तकालयों की संख्या (इससे नीचे इस पर अधिक) द्वारा निर्धारित की जाएगी। हालांकि, यह मत भूलो कि बैकटेस्टर और अनुसंधान वातावरण के लिए उपयोग की जाने वाली भाषा पोर्टफोलियो डिजाइनर, जोखिम प्रबंधन और ट्रेडिंग इंजन के मॉड्यूल के लिए चयनित साधनों से भिन्न हो सकती है।

पोर्टफोलियो डिजाइनर और जोखिम प्रबंधन

कई एल्गोरिथम व्यापारी अक्सर पोर्टफोलियो कंस्ट्रक्टर और जोखिम प्रबंधन के महत्व को कम करते हैं। यह एक बड़ी गलती है, क्योंकि ये फंड आपको एक्सचेंज पर अपना पैसा बचाने की अनुमति देंगे। उनकी मदद से, आप न केवल जोखिमपूर्ण लेनदेन की संख्या को कम कर सकते हैं, बल्कि व्यापारिक संचालन की लागत को भी कम कर सकते हैं, लेनदेन की लागत को कम कर सकते हैं।

इन घटकों के विचारशील कार्यान्वयन से लाभप्रदता की गुणवत्ता और स्थिरता पर महत्वपूर्ण प्रभाव पड़ सकता है। उनके बिना, एक स्थिर रणनीति बनाना बहुत मुश्किल है, क्योंकि एक पोर्टफोलियो संग्रह तंत्र और एक जोखिम प्रबंधक की उपस्थिति से ट्रेडिंग सिस्टम को संशोधित करना आसान हो जाता है।

पोर्टफोलियो डिजाइनर मॉड्यूल का कार्य संभावित लाभदायक सौदों के एक सेट की रूपरेखा तैयार करना है और उन लोगों को बनाना है जो सबसे बड़ा लाभ लाएंगे - इसके लिए, कई कारकों का विश्लेषण किया जाता है (उदाहरण के लिए, अस्थिरता, संपत्ति वर्ग और कंपनी के क्षेत्र जिनके शेयर कारोबार होते हैं)। इसके अनुसार, विभिन्न प्रकार के विनिमय साधनों के लिए उपलब्ध पूंजी का वितरण होता है।

पोर्टफोलियो डिजाइन अक्सर रैखिक बीजगणित (जैसे मैट्रिक्स फैक्टराइजेशन) की समस्या के लिए नीचे आता है, जिसका अर्थ है कि तंत्र का प्रदर्शन काफी हद तक सिस्टम में रैखिक बीजगणित उपकरण के कार्यान्वयन की दक्षता पर निर्भर करता है। लोकप्रिय पुस्तकालयों में C ++ के लिए uBLAS, LAPACK और NAG हैं। MatLab में मेट्रिसेस के साथ संचालन की दृष्टि से व्यापक क्षमताएं हैं। इस तरह की गणनाओं के लिए पायथन न्यूम / साइपी का उपयोग करता है। सिस्टम को उच्च-गुणवत्ता और संतुलित पोर्टफोलियो बनाए रखने में सक्षम होने के लिए, आपको मैट्रिसेस के साथ काम करने के लिए एक संकलित (और अच्छी तरह से अनुकूलित) लाइब्रेरी की आवश्यकता होगी।

किसी भी एल्गोरिथम ट्रेडिंग सिस्टम का एक और अत्यंत महत्वपूर्ण हिस्सा जोखिम प्रबंधन मॉड्यूल है। जोखिम कई रूप ले सकता है: बढ़ी हुई अस्थिरता (कुछ रणनीतियों के लिए, हालांकि, यह भी वांछनीय है), परिसंपत्ति वर्गों, सर्वर आउटेज, तथाकथित "ब्लैक स्वान" (घटनाओं की भविष्यवाणी नहीं की जा सकती) और व्यापारिक कार्यक्रम कोड में अवांछनीय बगों के बीच वृद्धि हुई सहसंबंध। - और यह संभव समस्याओं का केवल एक छोटा सा हिस्सा है।

जोखिम प्रबंधन मॉड्यूल उपरोक्त जोखिमों में से अधिकांश के परिणामों को "पूर्वाभास" करने की कोशिश करता है। बहुत बार, सांख्यिकीय विश्लेषण का उपयोग इसके लिए किया जाता है (उदाहरण के लिए, मोंटे कार्लो तनाव परीक्षण)। ऐसी गणनाओं में, समानता एक बड़ी भूमिका निभाती है, और सामान्य तौर पर, प्रदर्शन समस्याओं को केवल कंप्यूटिंग शक्ति में वृद्धि करके हल किया जा सकता है।

ट्रेडिंग इंजन

सिस्टम के ट्रेडिंग इंजन का कार्य पोर्टफोलियो और जोखिम प्रबंधन निर्माता के मॉड्यूल से फ़िल्टर्ड ट्रेडिंग सिग्नल प्राप्त करना है, उनके आधार पर ट्रेडिंग ऑर्डर उत्पन्न करना है, जो तब ब्रोकर ट्रेडिंग सिस्टम को भेजे जाते हैं। "साधारण" निजी व्यापारियों के मामले में, यह सबसे अधिक संभावना एपीआई या FIX प्रोटोकॉल कनेक्शन की आवश्यकता होगी । तदनुसार, एक भाषा का चयन करने के लिए, आपको स्वयं एपीआई की गुणवत्ता, इसके साथ काम करने के लिए सॉफ्टवेयर शेल की उपस्थिति / अनुपस्थिति का विश्लेषण करने की आवश्यकता है, लेन-देन की अनुमानित आवृत्ति और अपेक्षित समय के बीच "स्लिपेज" ऑर्डर ब्रोकर सिस्टम और एक्सचेंज ट्रेडिंग सिस्टम के मूल में इसकी उपस्थिति के लिए भेजा जाता है।

"गुणवत्ता" एपीआई में कई तत्व शामिल हैं: प्रलेखन की गुणवत्ता, इंटरफ़ेस प्रदान करने वाली उत्पादकता, चाहे आपको इसके साथ काम करने के लिए अलग सॉफ़्टवेयर की आवश्यकता हो, या आप बिना जीयूआई के कनेक्शन स्थापित कर सकते हैं, आदि।

अधिकांश ब्रोकरेज API में C ++ और / या Java इंटरफेस होते हैं। आमतौर पर, ऐसे प्रत्येक उपकरण के आसपास, ब्रोकर के ग्राहक उपयोगकर्ताओं का एक समुदाय बनता है, जो इसे C #, पायथन, आर, एक्सेल और मैटलैब के लिए रैपर विकसित करने और बनाने में मदद करता है। हालांकि, यह याद रखना आवश्यक है कि किसी भी अतिरिक्त प्लग-इन में विभिन्न त्रुटियां हो सकती हैं, इसलिए उन्हें हमेशा अच्छी तरह से जांचना चाहिए और यह सुनिश्चित करना चाहिए कि डेवलपर्स उनके निर्माण का समर्थन करने में लगे हुए हैं। यह देखना सबसे अच्छा है कि हाल के महीनों में कितनी बार अपडेट जारी किए गए हैं।

ट्रेडिंग ऑपरेशन की आवृत्ति ट्रेडिंग इंजन एल्गोरिथम का सबसे महत्वपूर्ण तत्व है। एक रोबोट प्रति मिनट सैकड़ों ऑर्डर भेज सकता है, इसलिए सिस्टम का प्रदर्शन महत्वपूर्ण है। यदि सिस्टम को बहुत अच्छी तरह से लागू नहीं किया गया है, तो अनिवार्य रूप से कीमत के बीच एक महत्वपूर्ण फिसलन होगी जब आदेश रखा जाना था और जिस पर यह वास्तव में निष्पादित किया गया था। यह नाटकीय रूप से लाभप्रदता पर बता सकता है।

C ++ / Java जैसी स्थिर टाइपिंग (नीचे देखें) वाली भाषाएँ आमतौर पर एक ट्रेडिंग इंजन लिखने के लिए सबसे उपयुक्त होती हैं, लेकिन जब उनका उपयोग किया जाता है, तो विकास के समय, परीक्षण में आसानी और कोड समर्थन के बारे में प्रश्न उठते हैं। दूसरी ओर, पायथन और पर्ल जैसी गतिशील टाइपिंग वाली भाषाएं अब "काफी तेजी से" हैं। सुनिश्चित करें कि आपके सिस्टम के सभी घटकों को एक मॉड्यूलर दृष्टिकोण का उपयोग करके डिज़ाइन किया गया है जो समय के साथ सिस्टम में नए तत्वों को निकालना और जोड़ना आसान बनाता है।

वास्तुकला योजना और विकास प्रक्रिया

हमने पहले से ही ट्रेडिंग सिस्टम के घटकों, ट्रेडिंग संचालन की आवृत्ति के महत्व और उनकी मात्रा पर चर्चा की है, लेकिन अभी तक बुनियादी ढाँचे के मुद्दों पर कोई बात नहीं हुई है। एक स्वतंत्र निजी व्यापारी या एक छोटी एचएफटी कंपनी या फंड के कर्मचारी को कई चुनौतियों का सामना करने की संभावना है - अल्फा मॉडल, जोखिम प्रबंधन और निष्पादन मापदंडों का विश्लेषण, साथ ही सिस्टम की अंतिम तैनाती - यह सब स्वतंत्र रूप से किया जाना है। ये सभी महत्वपूर्ण बिंदु हैं, इसलिए, प्रोग्रामिंग भाषाओं की चर्चा में डूबने से पहले, सिस्टम की इष्टतम वास्तुकला पर चर्चा करना अच्छा होगा।

रुचियों का पृथक्करण

ट्रेडिंग रोबोट बनाते समय सबसे महत्वपूर्ण कार्यों में से एक "हितों का पृथक्करण" या, सॉफ्टवेयर विकास की भाषा बोलना, ट्रेडिंग सिस्टम के विभिन्न पहलुओं को मॉड्यूलर घटकों में अलग करना है।

घटकों में इस तरह की जुदाई भविष्य में सभी निर्भरता की जांच करने और अन्य स्थानों पर "क्या कुछ टूट गया" की आवश्यकता के बिना, प्रदर्शन में सुधार, विश्वसनीयता या सुविधा को बेहतर बनाने के लिए सिस्टम में नए मॉड्यूल को बदलने / बदलने / जोड़ने में मदद करेगी। ट्रेडिंग सिस्टम के लिए, यह दृष्टिकोण सबसे अच्छा अभ्यास है। उन प्रणालियों के लिए जो "मध्यम गति पर" संचालित होती हैं, इसका कार्यान्वयन अत्यधिक वांछनीय है। एचएफटी-सिस्टम के मामले में, उच्च गति को प्राप्त करने के लिए कुछ नियमों को अनदेखा करने की आवश्यकता हो सकती है, लेकिन सामान्य तौर पर, यह इस दृष्टिकोण से चिपके रहने के लायक है।

एल्गोरिथम ट्रेडिंग सिस्टम का एक घटक नक्शा बनाना एक ऐसा विषय है जो एक अलग लेख के योग्य है। फिर भी, ऐतिहासिक और वास्तविक बाजार की जानकारी, डेटा स्टोरेज, एक्सेस एपीआई, बैकिंग मॉड्यूल, रणनीति मापदंडों, पोर्टफोलियो डिजाइनर, साथ ही जोखिम प्रबंधन मॉड्यूल और ट्रेडिंग इंजन के लिए अलग-अलग घटकों को लागू करने के लिए यहां इष्टतम दृष्टिकोण है।

उदाहरण के लिए, यदि डेटा गोदाम के साथ काम करने की दक्षता के साथ समस्याओं का पता लगाया जाता है (अनुकूलन कार्य के बाद भी), तो ऐसे मॉड्यूल को आसानी से बदला जा सकता है अगर डेटा रिसेप्शन या एपीआई घटकों तक पहुंच में कुछ भी फिर से लिखने की आवश्यकता नहीं है।

मॉड्यूलर योजना का एक और प्लस यह है कि यह आपको सिस्टम के विभिन्न हिस्सों में विभिन्न प्रोग्रामिंग भाषाओं का उपयोग करने की अनुमति देता है। एक विशिष्ट उपकरण के लिए एक सख्त बंधन की आवश्यकता नहीं है यदि सिस्टम घटकों की संचार विधि स्वतंत्र है। उदाहरण के लिए, वे TCP / IP, ZeroMQ या अन्य प्रोटोकॉल के माध्यम से संवाद कर सकते हैं।

केस स्टडी: उच्च प्रदर्शन को प्राप्त करने के लिए C ++ के लिए एक बैकिंग सिस्टम लिखा जा सकता है, जबकि एक पोर्टफोलियो मैनेजर और ट्रेडिंग इंजन साइपाय और आईबीपी का उपयोग करके पायथन में लिखा जा सकता है।

प्रदर्शन पर विचार

प्रदर्शन लगभग किसी भी व्यापारिक रणनीति के लिए महत्वपूर्ण है। ट्रेडिंग सिस्टम की आवृत्ति जितनी अधिक होती है, उतना ही महत्वपूर्ण यह कारक निभाता है। "प्रदर्शन" एल्गोरिथ्म निष्पादन गति, नेटवर्क विलंबता, संचार चैनल, डेटा इनपुट / आउटपुट, मल्टीथ्रेडिंग / संगामिति, और स्केलिंग सहित कई चीजों को संदर्भित करता है। अलग-अलग पुस्तकें इन पहलुओं में से प्रत्येक के लिए समर्पित हैं, इसलिए हम केवल उन पर थोड़ा स्पर्श करते हैं। अब हम समग्र प्रणाली के प्रदर्शन पर उनके प्रभाव के संदर्भ में वास्तुकला और विशिष्ट प्रोग्रामिंग भाषाओं पर चर्चा करेंगे।

डोनल नॉट, जिसे हम कंप्यूटर साइंस कहते हैं, के पिता में से एक ने एक बहुत ही बुद्धिमान बात कही: "सभी बुराइयों की जड़ समय से पहले का अनुकूलन है।" यह लगभग हमेशा सच होता है, लेकिन एचएफटी ट्रेडिंग एल्गोरिदम विकसित करने के मामले में नहीं! यदि आप कम हाई-फ़्रीक्वेंसी रणनीति बनाने में रुचि रखते हैं, तो आपके मामले में सामान्य दृष्टिकोण सिस्टम को सरलतम तरीके से बनाना होगा और इसे तभी अनुकूलित करना शुरू होगा जब अड़चनों का पता चलेगा।

इन्हें पहचानने के लिए कई तरह के प्रोफाइलिंग टूल्स का इस्तेमाल किया जाता है। आप एमएस विंडोज और लिनक्स दोनों में प्रोफाइल बना सकते हैं। ऐसा करने के लिए, विभिन्न साधनों का एक पूरा समूह है। , , .

C++, Java, Python, R MatLab — ( , ) . ++ Standard Template Librar, Python NumPy/SciPy. , — , .

, , - ( ). , , , . — , , .

. : (/ ), ( ), ( ) ( ).

HFT- .

— . , . -, , . , .

- . , «» , — . I/O-.

, — . - - . — , , .

— . . , Java, C# Pythong garbage collection, .

. , HFT- , . Java HFT-.

C++ garbage collector . , , , . , garbage collection, - .

, , . « » , . , -, , .

. , , . , N ( ).

, , , . ( ) GPU, «» . GPU . CUDA Nvidia .

GPU- , ( FPGA), HFT. , , , , .

, . «», . , .

, , . , . «». , , « ». , . , - , , , - «» .

, . , «» ( , ), « ». , , , , .

. — , , , . . , , ( - ).

, user friendly (Windows, Mac OS, Ubuntu). . — , , . , GUI, !



, . - , , , .

, , — , . , , , .

Windows- RDP, Unix-based SSH — , Excel MatLab - .

— , — -, - , . HFT-, , , .

, , . ? — , x86/x64, — RISC ARM? .

, . ( ), , - (, -), . . , , , .

, 50% .

. , , .

— , C++ Java, Python . , pdb — . Microsoft Visual C++ IDE GUI, Linux C++ gdb.

. — TTD Test Driven Development, , , , .

— , . C++ Boost, Java JUnit. Python , . .

. . — , , . — — , , .

Windows Linux , -, . — .

, , . : , , — .

— , , . , , - . (email, SMS, ) .

, , , , , .

— , . : 1) - () ( ), ? 2) «» ( ) ? .

— . , , «» .

. — .

, . .

. , , . C++ Java — . « » . , , Python, Perl JavaScript

उच्च-सटीक प्रणालियों के लिए, जो ट्रेडिंग रोबोट निश्चित रूप से संबंधित हैं, संकलन के दौरान टाइपिंग की जाँच एक बहुत ही लाभदायक विकल्प हो सकता है, क्योंकि यह बड़ी संख्या में त्रुटियों को समाप्त करता है जो संख्यात्मक त्रुटियों को जन्म दे सकता है। दूसरी ओर, प्रकार की जाँच सभी संभावित बग को पकड़ नहीं पाती है, इसलिए आपको अपवादों को संभालने के लिए समय निकालने की आवश्यकता होती है। गतिशील भाषाओं का उपयोग करते समय, स्टार्टअप त्रुटियों का सामना अक्सर किया जाता है जो स्थिर भाषाओं में प्रकारों की जांच करते समय नहीं होता है। यदि आप अभी भी एक गतिशील भाषा का उपयोग करते हैं, तो आपको संभावित त्रुटियों की संख्या को कम करने के लिए टीडीडी और यूनिट परीक्षण पद्धति को लागू करना चाहिए।

ओपन सोर्स या मालिकाना सॉफ्टवेयर?

एल्गोरिदमिक ट्रेडिंग सॉफ़्टवेयर के एक विकासकर्ता को मुख्य निर्णय लेने होंगे कि क्या वाणिज्यिक सॉफ़्टवेयर का उपयोग करना है या खुली प्रौद्योगिकियों का सहारा लेना है। इन तरीकों में से प्रत्येक में इसके पेशेवरों और विपक्ष हैं। यह अध्ययन करना आवश्यक है कि भाषा कितनी अच्छी तरह से समर्थित है, समुदाय इसे कितनी सक्रिय रूप से विकसित कर रहा है, चाहे स्थापना और समर्थन सरल हो, नेटवर्क पर उच्च-गुणवत्ता के दस्तावेज कैसे प्रस्तुत किए जाएं और उत्पाद के लाइसेंस और उपयोग के लिए किसी भी संभावित लागत की गणना करें।



Microsoft .NET स्टैक (विजुअल C ++, विजुअल C # सहित) और MatLab के MathWorks ट्रेडिंग सिस्टम के लिए मुख्य मालिकाना उपकरण हैं। दोनों प्रणालियों को विभिन्न एक्सचेंजों पर दुनिया भर के हजारों व्यापारियों द्वारा परीक्षण किया गया है।

ये सॉफ्टवेयर उत्पाद पूरी तरह से और गुणात्मक रूप से प्रलेखित हैं और इन उपकरणों को विकसित करने में रुचि रखने वाले व्यापक सक्रिय समुदाय हैं। .NET सॉफ़्टवेयर कई प्रोग्रामिंग भाषाओं जैसे C ++, C # और VB के साथ एकीकरण की अनुमति देता है, और यह SQL सर्वर डेटाबेस (LINQ के माध्यम से) जैसे अन्य Microsoft उत्पादों को जोड़ने के लिए भी काफी आसान है। मतलाब में कई प्लगइन्स और लाइब्रेरीज़ (उनमें से कुछ का भुगतान भी किया जाता है) का उपयोग वित्तीय कंप्यूटिंग के लगभग किसी भी क्षेत्र में किया जा सकता है।

लेकिन सीमाएं हैं। मुख्य एक मूल्य है, जो एकल व्यापारी के लिए असहनीय हो सकता है (हालांकि वही माइक्रोसॉफ्ट मुक्त करने के लिए विज़ुअल स्टूडियो का मूल संस्करण देता है)। Microsoft उत्पाद पूरी तरह से एक दूसरे के साथ संयुक्त हैं, लेकिन किसी भी तृतीय-पक्ष सिस्टम के साथ उन्हें एकीकृत करना इतना आसान नहीं है। इसके अलावा, विज़ुअल स्टूडियो केवल वाइंडोव्स के तहत काम करता है, जिसे समान रूप से शक्तिशाली अच्छी तरह से कॉन्फ़िगर किए गए लिनक्स सर्वर की तुलना में कम प्रदर्शन के लिए दोषी ठहराया जा सकता है। MatLab में कुछ प्लगइन्स का भी अभाव है जो इस उत्पाद का उपयोग करना आसान बना सकते हैं।

मालिकाना उत्पादों का मुख्य नुकसान स्रोत कोड तक पहुंच की कमी है। इसका मतलब है कि जब आपको अल्ट्रा और मेगा प्रदर्शन की आवश्यकता होती है, तो आप उनमें कुछ भी ट्विस्ट नहीं कर सकते हैं, और इसलिए, आप सीमित होंगे।

ओपन सोर्स उत्पाद वित्तीय उद्योग में बहुत आम हैं। उदाहरण के लिए, Linux, MySQL / PostgreSQL, Python, R, C ++ और Java का उपयोग किया जाता है जहाँ उच्च प्रदर्शन की आवश्यकता होती है। हालांकि, इस विशेष बाजार पर इनमें से किसी भी फंड को "तेज" नहीं कहा जा सकता है। पायथन और आर में कई निरर्थक पुस्तकालय शामिल हैं, जिनके साथ आप संकलित भाषाओं की तुलना में गति पर लगभग किसी भी संभावित गणना का प्रदर्शन कर सकते हैं (निश्चित कैविटीज़ के साथ, निश्चित रूप से)।

व्याख्या की गई भाषाओं का उपयोग करने का मुख्य लाभ विकास की गति है। पायथन और आर को समान कार्यक्षमता प्राप्त करने के लिए कोड की बहुत कम लाइनों की आवश्यकता होती है। इसके अलावा, वे अक्सर इंटरैक्टिव कंसोल आधारित विकास की भी अनुमति देते हैं, जो क्रमिक विकास प्रक्रिया को बहुत तेज करता है।

इस तथ्य को ध्यान में रखते हुए कि डेवलपर का समय (विशेषकर यदि वह एक कुंवारा है) बहुत मूल्यवान है, और एचएफटी व्यवसाय में हर चीज और हर चीज की गति हमेशा पहले आती है, यह खुली प्रौद्योगिकियों के ढेर पर करीब से ध्यान देने योग्य है। वही पायथन और आर में एक प्रभावशाली समुदाय है, और, उनकी लोकप्रियता के लिए धन्यवाद, अच्छी तरह से समर्थित हैं। इसके अलावा, उन पर भारी मात्रा में प्रलेखन है।

हालांकि, ओपन सोर्स सॉफ़्टवेयर में अक्सर व्यावसायिक समर्थन नहीं होता है, जैसा कि मालिकाना उत्पादों के मामले में है, और वे बहुत कम उपयोगकर्ता के अनुकूल इंटरफेस पर काम करते हैं। लिनक्स सर्वर पर, आप लगभग कभी भी ग्राफिकल प्रबंधन इंटरफ़ेस का सामना नहीं करेंगे, सब कुछ कंसोल के माध्यम से करना होगा। और कुछ कार्यों के लिए, पायथन और आर जैसी भाषाएँ बहुत धीमी हो सकती हैं। एकीकरण के लिए तंत्र हैं, उदाहरण के लिए, गति में सुधार के लिए C ++ के साथ, लेकिन इसके लिए बहुभाषी प्रोग्रामिंग में कुछ अनुभव की आवश्यकता होती है।

इस तथ्य के बावजूद कि मालिकाना सॉफ़्टवेयर की दुनिया में आप उत्पादों के संस्करणों को अपडेट करते समय समस्याओं का सामना कर सकते हैं, फिर भी, ओपन सोर्स सॉफ़्टवेयर के मामले में, ऐसी कठिनाइयां बहुत अधिक सामान्य हैं। सामान्य तौर पर, ओपन सिस्टम को प्रशासित करना अधिक कठिन होता है।

बॉक्स से बाहर क्या है

भाषा में क्या पुस्तकालय हैं और वे कितने अच्छे हैं? यहां पुरानी भाषाएं शुरुआती से अधिक पूर्वता लेती हैं। C ++, Java और Python पहले वर्ष से बहुत दूर विकसित हो रहे हैं और नेटवर्क प्रोग्रामिंग, HTTP, ऑपरेटिंग सिस्टम के साथ इंटरैक्शन, नियमित इंटरफेस के लिए लाइब्रेरी और इतने पर के लिए पुस्तकालयों का एक व्यापक सेट है।

C ++ अपने STL (Standard Template Library) के लिए प्रसिद्ध है, जिसमें कई उच्च-प्रदर्शन डेटा संरचनाएँ हैं। पायथन को अपने स्वयं के मानक पुस्तकालय के माध्यम से वस्तुतः किसी भी प्रकार की प्रणाली और प्रोटोकॉल (विशेष रूप से वेब पर) के साथ काम करने की क्षमता के लिए जाना जाता है। आर में बहुत सारे सांख्यिकीय और अर्थमितीय अंतर्निहित उपकरण हैं, और मैटलैब रैखिक बीजगणित कोड लिखने के लिए बहुत अच्छा है (यह उदाहरण के लिए, पोर्टफोलियो अनुकूलन तंत्र और व्युत्पन्न मूल्य गणना में पाया जा सकता है)।

सी ++ में मानक पुस्तकालय के अलावा, बूस्ट है, जो एसटीएल द्वारा कवर नहीं किए गए क्षेत्रों को भरता है। बूस्ट के कई हिस्से टीआर 1 मानक में गिर गए, जिसका अर्थ है कि वे सी ++ 11 विनिर्देश में उपलब्ध हैं, जिसमें लंबोदर अभिव्यक्ति और मल्टीथ्रेडिंग के लिए देशी समर्थन शामिल है।

पायथन में NumPy / SciPy / Pandas पुस्तकालयों का एक उच्च-प्रदर्शन संयोजन है, जो कि एल्गोरिथम ट्रेडिंग में व्यापक उपयोग पाया गया है - विशेष रूप से अनुसंधान कार्यों के लिए। मुख्य रिलेशनल डेटाबेस तक पहुंचने के लिए उच्च-प्रदर्शन प्लगइन्स भी हैं, जैसे कि MySQL ++ (MySQL / C ++), JDBC (जावा / MatLab), MySQLdb (MySQL / Python) और psychopg2 (PostgreSQL / Python)। आरपीवाई प्लगइन के माध्यम से आर के साथ पायथन भी "संवाद" कर सकता है!

अक्सर ट्रेडिंग सिस्टम के इस पहलू, जैसे कि ब्रोकरेज एपीआई से कनेक्ट करना , को भी अनदेखा कर दिया जाता है ( यहां हमारे पास स्मार्ट - अनुमानित - अनुवाद है ।)। अधिकांश API में C ++ और Java के लिए मूल समर्थन है, लेकिन कुछ पायथन के साथ C # का भी समर्थन करते हैं।

निष्कर्ष

उपरोक्त सभी के बाद, यह स्पष्ट है कि एक एल्गोरिथम ट्रेडिंग सिस्टम के लिए प्रोग्रामिंग भाषा का चयन करना किसी भी तरह से ऐसा आसान काम नहीं है, और इसके लिए संपूर्ण प्रणाली के गहन विश्लेषण की आवश्यकता है। विश्लेषण के प्रमुख पहलुओं में उत्पादकता, विकास में आसानी, स्थिरता और परीक्षण, हितों का पृथक्करण, व्यापकता, समर्थन, स्रोत कोड की उपलब्धता, लाइसेंसिंग लागत और विकास पुस्तकालयों की स्थिरता शामिल हैं।

एक साझा वास्तुकला का लाभ यह तथ्य है कि यह आपको विशिष्ट समस्याओं को हल करने के लिए विभिन्न प्रोग्रामिंग भाषाओं को "कनेक्ट" करने की अनुमति देता है जिसके लिए वे सबसे उपयुक्त हैं। एक ट्रेडिंग सिस्टम एक निरंतर विकसित और बदलती परियोजना है, जिसके जीवन पर लगभग किसी भी प्रोग्रामिंग भाषा का योगदान हो सकता है।

लगभग। अनुवाद: अनुवाद और वर्तनी पर टिप्पणी निजी संदेशों में स्वीकार की जाती है। आपका ध्यान के लिए धन्यवाद!