Teste de Estratégia Precisa de mais informações Back-Testing Estratégias de Negociação com Wealth-Lab Pro. As estratégias de negociação e teste de estratégia e os sinais comerciais gerados pelas estratégias são fornecidos para fins educacionais e apenas como exemplos e não devem ser usados ou confiados para tomar decisões sobre sua situação individual. Você pode modificar os parâmetros de Teste de Estratégia como entender. A Fidelity não está adotando, fazendo uma recomendação ou endossando qualquer estratégia de negociação ou investimento ou segurança específica. O recurso Teste de Estratégia fornece um cálculo hipotético de como um título ou carteira de títulos, sujeito a um exemplo de estratégia de negociação, teria se realizado durante um período de tempo histórico. Somente os títulos que estavam em existência durante o período de tempo histórico e que têm dados de preços históricos estão disponíveis para uso no recurso Teste de Estratégia. O recurso tem apenas uma capacidade limitada para calcular as comissões de negociação hipotético, e não conta para quaisquer outras taxas ou para as consequências fiscais que poderiam resultar de uma estratégia de negociação. Você não deve assumir que a Estratégia de Testes de uma estratégia de negociação fornecerá qualquer indicação de como sua carteira de títulos, ou uma nova carteira de valores mobiliários, pode executar ao longo do tempo. Você deve escolher suas próprias estratégias de negociação com base em seus objetivos específicos e tolerâncias de risco. Certifique-se de rever as suas decisões periodicamente para se certificar de que eles ainda estão consistentes com seus objetivos. O desempenho passado não é garantia de resultados futuros. Cópia 1998 ndash 2017 FMR LLC. Todos os direitos reservados. Precisão e alto desempenho Modelos de negociação Backtest de baixa para estratégias de alta freqüência. Ao usar o mesmo código-fonte para a comercialização e produção de papel, você reduzirá o tempo decorrido para o projeto de implementação, bem como o risco operacional associado. Executar testes de estresse para determinar a estabilidade e os limites de uso seguro dos algoritmos de negociação. Exportar conjuntos de dados pós-comércio abrangente para fácil análise utilizando aplicações onipresentes. Backtesting um modelo de negociação é bastante simples quando você usa as ferramentas e abordagem Systemathics. O processo de backtesting segue três etapas: A etapa de mineração de dados do Backtesting normaliza os dados e constrói o storyboard. A etapa de simulação do Backtesting executa a estratégia. Processamento de dados, geração de sinais e tratamento de pedidos e execuções. O passo de análise do Backtesting gera análises pós-negociação e relatórios. Use o mesmo código-fonte C para back-test, troca e produção de papel SDK abrangente com exemplos e tutoriais Integração com o Microsoft Visual Studio Simulador de execução de alto desempenho para estratégias de baixa e alta freqüência Fluxo de dados de produção incluindo verificações de segurança pré - Vantagem da liquidez do mercado Gerar Storyboards para streaming binário eficiente Alavancar inhouse dados históricos usando APIs convenientes Suporte nativo para o motor de mineração de dados Azure e drivers HPC para cenários extremos Capacidades de script para lote e simulações durante a noite Programador de tarefas para executar vários cenários em paralelo Tenha um projeto em mente Basta fornecer algumas informações preliminares e nossa equipe entrará em contato com você o mais rápido possível. GET SOCIAL CONTATO USChoosing uma plataforma para Backtesting e execução automatizada Neste artigo o conceito de execução automatizada será discutido. Em linhas gerais, este é o processo de permitir que uma estratégia de negociação, através de uma plataforma de negociação eletrônica, gere sinais de execução comercial sem qualquer intervenção humana posterior. A maioria dos sistemas discutidos no QuantStart até à data foram projetados para serem implementados como estratégias de execução automatizada. O artigo irá descrever pacotes de software e linguagens de programação que fornecem backtesting e capacidades de execução automatizada. A primeira consideração é como backtest uma estratégia. Minha opinião pessoal é que o desenvolvimento personalizado de um ambiente de backtesting dentro de uma linguagem de programação de primeira classe fornece a maior flexibilidade. Por outro lado, uma plataforma de backtesting integrada desenvolvida pelo fornecedor sempre terá que fazer suposições sobre como os backtests são realizados. Apesar disso, a escolha das linguagens de programação disponíveis é grande e diversificada, o que muitas vezes pode ser avassalador. Não é óbvio antes do desenvolvimento qual linguagem é provável ser apropriada. Ao codificar uma estratégia em regras sistemáticas, o comerciante quantitativo deve estar confiante de que seu desempenho futuro será reflexo de seu desempenho passado. Existem geralmente duas formas de backtesting sistema que são utilizados para testar esta hipótese. Em geral, eles são categorizados como testadores de back-up de pesquisa e testadores de back-driven. Vamos considerar backtesters personalizados versus produtos de fornecedor para esses dois paradigmas e ver como eles se comparam. Ferramentas de Pesquisa Ao identificar estratégias de negociação algorítmicas, geralmente é desnecessário simular completamente todos os aspectos da interação do mercado. Em vez disso, podem ser feitas aproximações que proporcionam uma rápida determinação do potencial desempenho da estratégia. Essas ferramentas de pesquisa muitas vezes fazem suposições irrealistas sobre os custos de transação, prováveis preços de preenchimento, restrições de curto prazo, dependência local, gerenciamento de risco e dimensionamento de posição. Apesar dessas deficiências, o desempenho de tais estratégias ainda pode ser efetivamente avaliado. Ferramentas comuns para pesquisa incluem MATLAB, R, Python e Excel. Esses pacotes de software são fornecidos com recursos de vetorização que permitem uma velocidade de execução rápida e uma implementação de estratégia mais fácil. MATLAB e pandas são exemplos de sistemas vectorizados. Com essas ferramentas de pesquisa é possível testar múltiplas estratégias, combinações e variantes de uma maneira rápida e iterativa, sem a necessidade de desenvolver completamente uma simulação de interação de mercado realista. Embora tais ferramentas sejam freqüentemente usadas tanto para backtesting como para execução, esses ambientes de pesquisa geralmente não são adequados para estratégias que se aproximam de negociação intraday em freqüências mais altas na escala de sub-minutos. Essas bibliotecas não tendem a ser capazes de se conectar efetivamente a fornecedores de dados de mercado em tempo real ou interagir com APIs de corretagem de forma robusta. Apesar destas deficiências de execução, ambientes de investigação são fortemente utilizados dentro da indústria profissional de negociação quantitativa. Eles fornecem o primeiro rascunho para todas as idéias de estratégia antes da promoção para controlos mais rigorosos dentro de um ambiente de backtesting realista. Backtesting conduzido por eventos Uma vez que uma estratégia é considerada adequada na pesquisa, ela deve ser avaliada de forma mais realista. Tal realismo tenta explicar a maioria (se não todas) das questões descritas em postagens anteriores. A situação ideal é ser capaz de usar o mesmo código de geração comercial para backtesting histórico, bem como execução ao vivo. Isto é conseguido através de um backtestter movido a eventos. Os sistemas de eventos são amplamente utilizados na engenharia de software, comumente para manipular a entrada de interface gráfica do usuário (GUI) dentro de sistemas operacionais baseados em janelas. Eles também são ideais para negociação algorítmica como a noção de ordens de mercado em tempo real ou preenchimentos comerciais podem ser encapsulados como um evento. Esses sistemas são frequentemente escritos em linguagens de alto desempenho como C, C e Java. Considere uma situação em que uma estratégia de negociação automatizada está conectada a um feed de mercado em tempo real e a um corretor (esses dois podem ser um e o mesmo). Novas informações de mercado serão enviadas para o sistema, o que dispara um evento para gerar um novo sinal de negociação e, portanto, um evento de execução. Esses sistemas funcionam em um loop contínuo esperando para receber eventos e lidar com eles adequadamente. É possível gerar subcomponentes, como um manipulador de dados históricos e simulador de corretagem, que pode imitar suas contrapartes ao vivo. Isso permite backtesting estratégias de uma forma extremamente semelhante à de execução ao vivo. A desvantagem de tais sistemas reside na sua concepção complicada quando comparada com uma ferramenta de pesquisa mais simples. Daí o tempo para o mercado é mais longo. Eles são mais propensos a bugs e exigem um bom conhecimento de programação e metodologia de desenvolvimento de software. Em termos de engenharia, a latência é definida como o intervalo de tempo entre uma simulação e uma resposta. Na negociação quantitativa refere-se geralmente ao retardo de tempo de ida e volta entre a geração de um sinal de execução ea recepção das informações de preenchimento a partir de um corretor que executa a execução. Tal latência raramente é um problema nas estratégias de interdias de baixa frequência. O movimento esperado de preços durante o período de latência não afetará a estratégia em grande medida. O mesmo não acontece com as estratégias de alta freqüência, onde a latência se torna extremamente importante. O objetivo final em HFT é reduzir a latência, tanto quanto possível, para reduzir o deslizamento. A latência decrescente envolve minimizar a distância entre o sistema de negociação algorítmica ea troca final na qual uma ordem está sendo executada. Isso pode envolver o encurtamento da distância geográfica entre os sistemas, reduzindo assim os tempos de viagem ao longo do cabeamento da rede. Também pode envolver a redução do processamento realizado em hardware de rede ou a escolha de uma corretora com infra-estrutura mais sofisticada. Muitas corretoras competem em latência para ganhar negócios. Diminuir latência torna-se exponencialmente mais caro em função da distância à Internet, que é definida como a distância de rede entre dois servidores. Assim, para um comerciante de alta freqüência um compromisso deve ser alcançado entre a despesa de latência-redução eo ganho de minimizar o deslizamento. Essas questões serão discutidas na seção sobre Colocação abaixo. Escolhas de idioma Alguns problemas que orientam a escolha de idioma já foram descritos. Agora vamos considerar os benefícios e desvantagens de linguagens de programação individuais. Eu categorizei extensamente as línguas no desenvolvimento high-performanceharder do desenvolvimento mais baixo-performanceeasier. Estes são termos subjetivos e alguns discordarão dependendo de seu fundo. Um dos aspectos mais importantes da programação de um ambiente de backtesting personalizado é que o programador está familiarizado com as ferramentas utilizadas. Para aqueles que são novos para a paisagem de linguagem de programação o seguinte irá esclarecer o que tende a ser utilizado no âmbito de negociação algorítmica. C, C e Java C, C e Java são exemplos de linguagens de programação orientadas a objetos de uso geral. Isso significa que eles podem ser usados sem um correspondente ambiente de desenvolvimento integrado (IDE), são todos cruz-plataforma, têm uma ampla gama de bibliotecas para praticamente qualquer tarefa imaginável e permitem velocidade de execução rápida quando utilizados corretamente. Se a velocidade de execução final é desejada, então C (ou C) é provável que seja a melhor escolha. Oferece a maior flexibilidade para gerenciar a memória e otimizar a velocidade de execução. Esta flexibilidade tem um preço. C é complicado para aprender bem e muitas vezes pode levar a bugs sutis. O tempo de desenvolvimento pode levar muito mais tempo do que em outras linguagens. Apesar dessas deficiências, ela é generalizada no setor financeiro. C e Java são semelhantes uma vez que ambos exigem que todos os componentes sejam objetos com exceção de tipos de dados primitivos, como flutuadores e inteiros. Diferem de C executando a coleta automática de lixo. A coleta de lixo adiciona uma sobrecarga de desempenho, mas leva a um desenvolvimento mais rápido. Essas linguagens são boas escolhas para o desenvolvimento de um backtester, pois possuem recursos GUI nativos, bibliotecas de análise numérica e velocidade de execução rápida. Pessoalmente, eu uso de C para a criação de backersters evento-driven que precisa de velocidade de execução extremamente rápida, como para sistemas HFT. Isto é somente se eu senti que um sistema de evento Python foi gargalo, como o último idioma seria a minha primeira escolha para tal sistema. MATLAB, R e Python MATLAB é um IDE comercial para computação numérica. Ele ganhou ampla aceitação nos setores acadêmico, de engenharia e financeiro. Possui muitas bibliotecas numéricas para computação científica. Possui uma velocidade de execução rápida sob a suposição de que qualquer algoritmo que está sendo desenvolvido está sujeito a vectorização ou paralelização. Apesar dessas vantagens, é caro torná-lo menos atraente para os comerciantes de varejo em um orçamento. MATLAB é usado às vezes para a execução direta a uma corretora tal como corretores interativos. R é um ambiente dedicado de scripts de estatísticas. É livre, open-source, multi-plataforma e contém uma riqueza de livremente disponíveis pacotes estatísticos para a realização de análise extremamente avançada. R é muito utilizado nas estatísticas acadêmicas e na indústria de fundos de hedge quantitativos. Embora seja possível conectar R a uma corretora não é bem adequado para a tarefa e deve ser considerado mais de uma ferramenta de pesquisa. Também não tem velocidade de execução a menos que as operações sejam vectorizadas. Ive agrupados Python sob este título, embora ele fica em algum lugar entre MATLAB, R e as linguagens de propósito geral acima mencionados. É livre, open-source e cross-platform. É interpretado como oposto a compilado. O que o torna nativamente mais lento do que C. No entanto, ele contém uma biblioteca para realizar quase qualquer tarefa imaginável, desde a computação científica até o design de servidor web de baixo nível. Em particular, contém NumPy, SciPy, pandas, matplotlib e scikit-learn, que fornecem um ambiente de pesquisa numérica robusta que, quando vectorizada, é comparável à velocidade de execução de linguagem compilada. Python também possui bibliotecas para conexão com corretoras. Isso faz com que seja um balcão único para criar um backtesting orientado a eventos e um ambiente de execução ao vivo sem ter que entrar em outras linguagens mais complexas. Velocidade de execução é mais do que suficiente para comerciantes intraday trading na escala de tempo de minutos e acima. Python é muito simples de pegar e aprender quando comparado a linguagens de nível inferior como C. Por estas razões, fazemos uso extensivo de Python dentro de artigos QuantStart. Ambientes de Desenvolvimento Integrados O termo IDE tem múltiplos significados dentro da negociação algorítmica. Os desenvolvedores de software usá-lo para significar uma GUI que permite a programação com realce de sintaxe, navegação de arquivos, depuração e recursos de execução de código. Os traders algorítmicos usam isso para significar um ambiente de backtestingtrading totalmente integrado com histórico ou download de dados em tempo real, gráficos, avaliação estatística e execução ao vivo. Para nossos propósitos, eu uso o termo para significar qualquer backtesttrading ambiente, muitas vezes baseado em GUI, que não é considerado uma linguagem de programação de propósito geral. Enquanto alguns comerciantes quant podem considerar Excel para ser inadequado para negociação, eu achei que ele é extremamente útil para sanidade verificação de resultados. O fato de que todos os dados estão disponíveis diretamente à vista torna fácil a implementação de estratégias de signalfilter muito básicas. Corretoras como Interactive Brokers também permitem plugins DDE que permitem ao Excel receber dados de mercado em tempo real e executar ordens de negociação. Apesar da facilidade de uso do Excel é extremamente lento para qualquer escala razoável de dados ou nível de computação numérica. Eu só usá-lo para verificar erros ao desenvolver contra outras estratégias. Em particular, é extremamente útil para verificar se uma estratégia está sujeita a viés prospectivo. Isso é fácil de detectar no Excel devido à natureza da planilha do software. Se você está desconfortável com linguagens de programação e estão realizando uma estratégia interday, em seguida, Excel pode ser uma boa escolha. Software de Backtesting CommercialRetail O mercado de gráficos de varejo, análise técnica e software de backtesting é extremamente competitivo. As características oferecidas por tal software incluem a cartografia em tempo real dos preços, uma riqueza de indicadores técnicos, de testes de backtesting personalizados e de execução automatizada. Alguns fornecedores oferecem uma solução "tudo-em-um", como o TradeStation. TradeStation é uma corretora on-line que produz software comercial (também conhecido como TradeStation) que fornece a execução de ordens eletrônicas em várias classes de ativos. Atualmente não tenho conhecimento de uma API direta para execução automatizada. Em vez disso, as ordens devem ser feitas através do software GUI. Isso contrasta com os Interactive Brokers, que têm uma interface de negociação mais simples (Trader WorkStation), mas oferecem tanto suas APIs de execução de mercado em tempo real proprietárias como uma interface FIX. Outra plataforma extremamente popular é o MetaTrader. Que é usado no comércio de câmbio para a criação de Expert Advisors. Estes são scripts personalizados escritos em uma linguagem proprietária que pode ser usada para negociação automatizada. Eu não tive muita experiência com qualquer TradeStation ou MetaTrader assim que eu não vou gastar muito tempo discutindo seus méritos. Essas ferramentas são úteis se você não está confortável com o desenvolvimento de software em profundidade e desejo um monte de detalhes a serem atendidos. No entanto, com esses sistemas de muita flexibilidade é sacrificado e você está muitas vezes vinculado a uma corretora única. Ferramentas abertas e baseadas na Web Os dois sistemas populares de backtesting baseados na web são Quantopian e QuantConnect. O primeiro faz uso de Python (e ZipLine, veja abaixo), enquanto o último utiliza C. Ambos fornecem uma riqueza de dados históricos. Quantopian atualmente suporta negociação ao vivo com Interactive Brokers, enquanto o QuantConnect está trabalhando para negociação ao vivo. A Algo-Trader é uma empresa suíça que oferece tanto uma licença de código aberto como uma licença comercial para seu sistema. Do que eu posso reunir a oferta parece bastante maduro e eles têm muitos clientes institucionais. O sistema permite backtesting histórico completo e processamento de eventos complexos e eles se ligam em Interactive Brokers. A edição Enterprise oferece recursos substancialmente mais de alto desempenho. Marketcetera fornecer um sistema de backtesting que pode amarrar em muitas outras línguas, como Python e R, a fim de aproveitar o código que você já pode ter escrito. O Estúdio de Estratégia fornece a capacidade de escrever backtesting código, bem como algoritmos de execução otimizada e subseqüentemente transição de um backtest histórico para o papel vivo negociação. I havent utilizado antes. ZipLine é a biblioteca Python que alimenta o serviço de Quantopian mencionado acima. Trata-se de um ambiente de backtest totalmente orientado a eventos e atualmente suporta ações dos EUA de forma minuciosa. I havent fez uso extensivo de ZipLine, mas eu sei que outros que sentem que é uma boa ferramenta. Ainda há muitas áreas para melhorar, mas a equipe está constantemente trabalhando no projeto e é muito ativamente mantida. Há também alguns GithubGoogle Code hospedado projetos que você pode querer olhar para dentro. Eu não passei muito tempo investigando-os. Tais projetos incluem OpenQuant. TradeLink e PyAlgoTrade. Software de Backtesting Institucional Sistemas de backtesting de nível institucional como Deltix e QuantHouse não são freqüentemente utilizados por comerciantes de algoritmos de varejo. As licenças de software são geralmente bem fora do orçamento para infra-estrutura. Dito isto, tal software é amplamente utilizado por fundos quant, casas comerciais proprietárias, family offices e similares. Os benefícios de tais sistemas são claros. Eles fornecem uma solução all-in-one para coleta de dados, desenvolvimento de estratégia, backtesting histórico e execução ao vivo em instrumentos únicos ou carteiras, até o nível de alta freqüência. Tais plataformas tiveram testes extensivos e muitos do uso de campo e por isso são considerados robustos. Os sistemas são orientados a eventos e os ambientes de backtesting podem simular os ambientes ao vivo com um alto grau de precisão. Os sistemas também suportam algoritmos de execução otimizados, que tentam minimizar os custos de transação. Isto é particularmente útil para comerciantes com uma base de capital maior. Eu tenho que admitir que eu não tive muita experiência de Deltix ou QuantHouse. Dito isto, o orçamento sozinho os coloca fora do alcance da maioria dos comerciantes de varejo, então eu não vou me debruçar sobre esses sistemas. Colocation O cenário de software para negociação algorítmica foi agora pesquisado. Podemos agora voltar nossa atenção para a implementação do hardware que irá executar nossas estratégias. Um comerciante do varejo provavelmente estará executando sua estratégia do repouso durante horas do mercado. Isso envolveu ligar o PC, conectar-se à corretora, atualizar seu software de mercado e, em seguida, permitir que o algoritmo para executar automaticamente durante o dia. Por outro lado, um fundo de Quant profissional com activos significativos sob gestão (AUM) terá uma infra-estrutura dedicada de servidor de intercâmbio-colocated, a fim de reduzir a latência, tanto quanto possível, para executar suas estratégias de alta velocidade. Home Desktop A abordagem mais simples para a implantação de hardware é simplesmente realizar uma estratégia algorítmica com um computador de secretária conectado à corretora através de uma conexão de banda larga (ou similar). Embora esta abordagem é simples de começar, ela sofre de muitas desvantagens. A máquina de mesa está sujeita a falha de energia, a menos que seja copiada por uma UPS. Além disso, uma conexão à Internet doméstica também está à mercê do ISP. Perda de energia ou falha de conectividade na internet pode ocorrer em um momento crucial na negociação, deixando o comerciante algorítmico com posições abertas que não podem ser fechadas. Esse problema também ocorre com reinicializações obrigatórias do sistema operacional (isso realmente aconteceu comigo em uma configuração profissional) e falha de componente, o que leva aos mesmos problemas. Pelas razões acima, eu hesito em recomendar uma abordagem de desktop doméstico para negociação algorítmica. Se você decidir seguir essa abordagem, certifique-se de ter um computador de backup e uma conexão de Internet de backup (por exemplo, um dongle 3G) que você pode usar para fechar as posições em uma situação de inatividade. O próximo nível acima de um desktop em casa é fazer uso de um servidor virtual privado (VPS). Um VPS é um sistema de servidor remoto, muitas vezes comercializado como um serviço de nuvem. Eles são muito mais baratos do que um servidor dedicado correspondente, uma vez que um VPS é realmente uma partição de um servidor muito maior. Eles possuem um ambiente de sistema operacional virtual isolado, disponível apenas para cada usuário individual. A carga da CPU é compartilhada entre vários VPS e uma porção dos sistemas que a RAM é alocada ao VPS. Tudo isso é realizado através de um processo conhecido como virtualização. Fornecedores comuns de VPS incluem Amazon EC2 e Rackspace Cloud. Eles fornecem sistemas de nível de entrada com baixa RAM e uso básico de CPU até a RAM de alta empresa, servidores de alta CPU. Para a maioria dos comerciantes de varejo algorítmicos, os sistemas de nível de entrada são suficientes para estratégias de baixa frequência intraday ou interday e bases de dados de dados históricos menores. Os benefícios de um sistema baseado em VPS incluem disponibilidade 247 (embora com certo tempo de inatividade realista), capacidades de monitoramento mais robustas, plugins simples para serviços adicionais, como armazenamento de arquivos ou bancos de dados gerenciados e uma arquitetura flexível. Uma desvantagem é a despesa contínua. À medida que o sistema cresce, o hardware dedicado torna-se mais barato por unidade de desempenho. Este ponto de preço assume colocation longe de uma troca. Comparado a um sistema de desktop doméstico, a latência nem sempre é melhorada ao escolher um provedor de VPS. Seu local de origem pode estar mais perto de uma determinada troca financeira do que os centros de dados de seu provedor de nuvem. Isso é mitigado pela escolha de uma empresa que presta serviços VPS orientada especificamente para negociação algorítmica que estão localizados em ou perto de trocas. Estes provavelmente vão custar mais do que um provedor VPS genérico, como Amazon ou Rackspace. Exchange Colocation Para obter a melhor minimização de latência é necessário colocar servidores dedicados diretamente no centro de dados de troca. Esta é uma opção proibitivamente cara para quase todos os comerciantes algorítmicos de varejo, a menos que eles sejam muito bem capitalizados. É realmente o domínio do fundo quantitativo profissional ou corretora. Como eu mencionei acima uma opção mais realista é comprar um sistema VPS de um provedor que está localizado perto de uma troca. Como pode ser visto, existem muitas opções para backtesting, execução automatizada e hospedagem de uma estratégia. Determinar a solução correta depende do orçamento, da capacidade de programação, do grau de personalização necessário, da disponibilidade da classe de ativos e se a negociação deve ser realizada em uma base de varejo ou profissional. Começando com Quantitative TradingPioneering em Tomorrows Trading Como funciona Construir Algoritmos em um Browser IDE, usando Estratégias de modelo e Free Data Design e testar sua estratégia em nossos dados livres e quando você está pronto implantá-lo ao vivo para sua corretora. Codifique em várias linguagens de programação e aproveite o nosso cluster de centenas de servidores para executar o seu backtest para analisar a sua estratégia em Equities, FX, CFD, Opções ou Futures Markets. QuantConnect é a próxima revolução no comércio de quant, combinando computação em nuvem e acesso a dados aberto. Velocidade incomparável Aproveite o nosso farm de servidores para velocidades institucionais a partir do seu computador de secretária. Você pode iterar em suas idéias mais rapidamente do que você nunca feito antes. Massive Data Library Nós fornecemos uma enorme livre 400TB tiquetaque resolução biblioteca de dados cobrindo US Equities, Opções, Futuros, Fundamentos, CFD e Forex desde 1998. Execução de classe mundial Nossos algoritmos de negociação ao vivo são co-localizado ao lado dos servidores de mercado em Equinix (NY7) Para a execução rápida, resiliente, segura e lightening aos mercados. Tenha algumas ótimas idéias Vamos testá-lo Comece seu algoritmo Qualidade profissional, Open Data Library Estratégias de design com nossa biblioteca de dados cuidadosamente curada, abrangendo mercados globais, de tiquetaque para resolução diária. Os dados são atualizados quase diariamente para que você possa backtest nos dados mais recentes possíveis, e viés de sobrevivência livre. Nós oferecemos os dados das ações da Tick desde janeiro de 1998 para cada símbolo negociado, totalizando mais de 29.000 ações. O preço é fornecido pela QuantQuote. Além disso, temos Morning Star Fundamental dados para os mais populares 8.000 símbolos para 900 indicadores desde 1998. FOREX CFD amp Nós oferecemos 100 pares de moedas e 70 contratos CFD abrangendo todas as principais economias fornecidas pela FXCM e OANDA. Os dados estão na resolução do carrapato, começa em abril de 2007 e é atualizado diariamente. Oferecemos futuros tick tick trade e dados de cotação de janeiro de 2009 até o presente, para cada contrato negociado em CME, COMEX e GLOBEX. Os dados são atualizados semanalmente e são fornecidos pelo AlgoSeek. Oferecemos opções de negociação e cotações até a resolução mínima, para cada opção negociada na ORPA desde 2007, cobrindo milhões de contratos. Os dados são atualizados dentro de 48 horas e são fornecidos pelo AlgoSeek. Team Collaboration Encontre novos amigos na comunidade e colabore com o recurso de compartilhamento de recursos da equipe Compartilhe projetos e veja seu código instantaneamente à medida que eles digitem. Você pode até mesmo conceder acesso ao vivo e controlar o algoritmo ao vivo juntos. Use nossa mensagem instantânea interna para encontrar membros da equipe em potencial para unir forças Propriedade intelectual segura Nosso foco é dar-lhe a melhor plataforma de negociação algorítmica possível e proteger sua valiosa propriedade intelectual. Seremos sempre fornecedores de infra-estrutura e tecnologia primeiro. Quando você está pronto para o comércio ao vivo bem feliz ajudá-lo a executar através de seu corretor de escolha. Execute através de corretoras líderes Weve integrado com corretoras líderes no mundo para fornecer a melhor execução e menores taxas para a comunidade. Event Driven Estratégias Projetando um algoritmo couldnt ser mais fácil. Há apenas duas funções necessárias e cuidamos de tudo o mais Você apenas Inicializar () sua estratégia e lidar com os dados-eventos que você solicitou. Você pode criar novos indicadores, classes, pastas e arquivos com um compilador C completo baseado na web e auto-completo. Estamos empenhados em dar-lhe o melhor algoritmo possível experiência de design. Alavancar Seu Potencial Opt nos usuários pode ter suas estratégias apresentadas aos clientes hedgefund em um painel de estratégia profissional transparente. Estratégias são validadas por QuantConnects backtesting e negociação ao vivo, dando-lhe uma revisão neutra de terceiros do código. Os hedgefunds interessados podem contatá-lo diretamente através de QuantConnect para lhe oferecer o emprego ou o financiamento para sua estratégia Junte-se a nossa comunidade Nós temos uma das comunidades de troca quantitativas as maiores no mundo, construindo, compartilhando e discutindo estratégias com nossa comunidade. Converse com algumas das mentes mais brilhantes do mundo à medida que exploramos novos domínios da ciência, matemática e finanças.
No comments:
Post a Comment