Matlab sistema de negociação

MatlabTrading.
Blog para MATLAB & # 174; usuários interessados ​​em estratégias de negociação algorítmica, backtesting, pares de negociação, arbitragem estatística etc.
Quarta-feira, 7 de dezembro de 2016.
Teste e Análise de Estratégias de Negociação Algorítmica no MATLAB (Parte 4) & # 8211; Algorítmos genéticos.
Otimização de Algoritmos Genéticos.
Apesar do fato de que o princípio do algoritmo genético (evolucionário) é muito bem explicado nos webinars do MathWorks, nos exemplos, no entanto, ele é usado apenas para otimização da escolha de um grupo de estratégia de um conjunto. Este é um bom exemplo do uso destes algoritmos, no entanto, acontece que há uma necessidade de definir muitas variáveis ​​com intervalos significativos para uma estratégia, você não consegue com uma iteração e a paralelização de processos & # 8211; cálculos podem levar vários dias. Certamente, existem estratégias no estágio final de otimização, quando quase certamente sabemos que a estratégia de negociação é bem-sucedida, podemos esperar vários dias ou alugar todo o cluster - o resultado pode valer a pena. No entanto, se precisamos "estimar" os resultados de uma estratégia "volumosa" e decidir se vale a pena gastar o tempo, então os algoritmos genéticos podem ser perfeitamente adequados.
Método linear & # 8211; é um modo usual de ordenação no qual você verá todos os resultados intermediários (sub-ótimos). Dá máxima precisão. Método paralelo & # 8211; todos os kernels da sua CPU serão usados. Não permite ver resultados intermediários, mas acelera significativamente a operação. Dá máxima precisão durante o aumento da velocidade de cálculo. Método genético & # 8211; ele usa o algoritmo de otimização evolutiva. Permite ver valores sub-ótimos, mas dá o resultado próximo ao melhor. Não é um método muito preciso, mas é preciso o suficiente para a "execução" inicial da estratégia. Muito rápido.
Segunda-feira, 5 de dezembro de 2016.
Teste e Análise de Estratégias de Negociação Algorítmica no MATLAB (Parte 3) & # 8211; Visualização do Processo.
Visualização do processo de teste.
Em minha experiência de trabalho, muitas vezes analisei outras plataformas populares para testes de estratégia de negociação, como TradeStation, MetaStock, Multicharts etc. e sempre fiquei surpreso com a pouca atenção dada à visualização do processo de teste. O problema é que, quando não vemos os resultados dos valores intermediários e sub-ótimos dos parâmetros otimizados, muitas vezes jogamos ouro fora junto com a sujeira. A questão é por causa de uma amostragem excessivamente ampla, a estratégia ajusta os parâmetros da maneira como vemos uma "estratégia perfeita" que falha na vida real ou vê uma ou duas transações, que são supostamente as melhores porque foram selecionados esses dados de intervalo de tempo onde a melhor estratégia de negociação seria comprar e manter, mas por que outras estratégias são necessárias?
E se houver mais de 4 dimensões? Quando você vê quais sinais e em que frequência eles aparecem na faixa de preço, você tem quase toda a representação visual necessária de sua estratégia: a frequência das transações, sua lucratividade (curva de renda), a precisão da abertura, a semelhança com outras valores sub-ótimos, etc .; isso não pode ser dito sobre o desempenho no espaço N-dimensional, onde toda a informação útil é, de fato, que o valor ótimo não é apenas um, mas há toda uma gama de valores sub-ótimos em uma ou mais áreas.
Enquanto otimiza uma estratégia no WFAToolbox & # 8211; Walk-Forward Analysis Toolbox para MATLAB & # 174 ;, como um novo valor ótimo é encontrado, os sinais da estratégia de negociação no período in-sample e out-of-sample aparecem imediatamente no gráfico, para que você possa sempre controlar qual faixa de opções você deve atribuir, e também pode pausar a otimização sem esperar pelo fim do teste, pois fica claro que algo deu errado ou está tudo bem.
Quarta-feira, 30 de novembro de 2016.
Teste e Análise de Estratégias de Negociação Algorítmica no MATLAB (Parte 2) & # 8211; GUI fácil de usar.
GUI fácil de usar.
Vamos começar com o fato de que não há interface gráfica porque se presumimos que quase todo o processo de teste e análise de estratégias de negociação é padronizado (é 99%), você gostaria de ter a interface que ajuda a chamar os dados necessários. e inicie o processo de teste com um clique.
Para usuários novos (e não apenas) do MATLAB, é muito mais conveniente usar uma GUI com botões e campos de entrada do que pesquisar no código; Portanto, há uma GUI, mesmo nas caixas de ferramentas MathWorks, na maioria dos casos, porque é mais conveniente. Ele permite focar apenas no código da sua estratégia, porque o uso de uma GUI não implica, de forma alguma, que ela limita de alguma forma sua capacidade de escrever uma estratégia.
Assim, no WFAToolbox, criamos a possibilidade de escrever qualquer código para sua estratégia, usando qualquer uma das caixas de ferramentas do MATLAB e trabalhando com múltiplos ativos para as estratégias como negociação de pares, negociação de cestas ou arbitragem tripla, etc .; mas, ao mesmo tempo, esse código é facilmente integrado à GUI por meio de padrões, que são simples o suficiente para serem aplicados no código e não limitam as oportunidades.
Terça-feira, 29 de novembro de 2016.
Teste e Análise de Estratégias de Negociação Algorítmica no MATLAB (Parte 1) - Introdução.
Como tudo começou.
Foi em 2008 (se não me engano) quando o primeiro webinar sobre negociação algorítmica no MATLAB com Ali Kazaam foi lançado, abordando o tópico de otimização de estratégias simples baseadas em indicadores técnicos, etc. apesar de um caótico & # 8220; 8221; código, ferramentas eram interessantes o suficiente para usar. Eles serviram como ponto de partida para pesquisa e aprimoramento de um modelo de teste e análise que permitiria usar todo o poder das caixas de ferramentas e a liberdade das ações do MATLAB durante a criação das próprias estratégias comerciais, ao mesmo tempo em que permitiria controlar o processo. de teste e os dados obtidos e sua análise posterior escolheria carteira eficaz de sistemas de negociação robustos.
Por que todo Algotrader deveria reinventar a roda?
No entanto, o Mathworks não ofereceu uma solução completa para testes e análises das estratégias & # 8211; Esses códigos que você poderia obter dos webinars eram os únicos "elementos" de um teste completo do sistema, e era necessário modificá-los, personalizá-los e adicioná-los à GUI para facilitar o uso. Foi muito demorado, colocando-se uma questão: seja qual for a estratégia, ela deve passar pelo mesmo processo de teste e análise, o que permitiria classificá-la como estável e utilizável & # 8211; então, por que todo algotrader deveria reinventar a roda e escrever seu próprio código para estratégias de teste adequadas no MATLAB?
Decidimos chamar a solução WFAToolbox - Walk-Forward Analysis Toolbox, cuja versão demo está disponível no wfatoolbox desde 2013.
Segunda-feira, 7 de novembro de 2016.
Uau?! O que aconteceu com o blog?
O que aconteceu com o blog?
1. Jev Kuznetsov não é mais o dono.
2. Nós mudamos a marca.
O que vai acontecer com o blog?
1. Mais posts e artigos.
Esperamos trazer vida a este blog publicando conteúdos relevantes uma ou duas vezes por semana. Nos primeiros meses, postaremos na maior parte os artigos e vídeos que já temos para facilitar aos nossos queridos leitores a busca de informações sobre um recurso e ter links neles.
A negociação de pares de arbitragem estatística / reversão à média / estratégias de negociação de mercado neutras baseadas em cointegração / bandas de bollinger / filtro de kalman etc para commodities, ações e Forex. Estratégias de acompanhamento de tendências com a média móvel de Jurik e outros filtros digitais sofisticados; Estratégias de previsão com aprendizado de máquina (Support Vector Machines) e outros métodos; Criação de estratégias de negociação robustas usando o gerenciamento visual de dinheiro para reinvestir seu capital (ciência sobre como obter $ 1M de $ 10K em um ano com recompensas máximas, mas estimadas de risco e suor). Talvez depois de ler isso você tenha pensado que esse vai ser um outro artigo idiota para aqueles pobres rapazes que procuram como se tornar rico através da "negociação no forex" e tudo mais. Bem, isso é totalmente falso! Estamos trabalhando no MATLAB, e a maioria de nós somos cientistas e especialistas nesse aspecto, então tudo é sério.
2. Mais interatividade.
Terça-feira, 1 de janeiro de 2013.
Reversão média intradiária.
As regras são simples e semelhantes à estratégia que testei no último post:
Se o retorno da barra do par exceder 1 na pontuação z, troque a próxima barra.
O resultado parece muito bonito:
Se você acha que esse gráfico é bom demais para ser verdade, infelizmente é realmente o caso. Nenhum custo de transação ou spread bid-ask foi considerado. Na verdade, duvido que restaria algum lucro depois de subtrair todos os custos de negociação.
Ainda assim, esse tipo de gráfico é a cenoura pendurada na frente do meu nariz, me fazendo continuar.
Domingo, 30 de dezembro de 2012.
Os pares estão negociando mortos?
A partir desses etfs, 90 pares exclusivos podem ser feitos. Cada par é construído como um spread neutro de mercado.
Em cada dia, para cada par, calcule o z-score com base no desvio padrão de 25 dias.
Se z-score & gt; limiar, ir curto, fechar no dia seguinte.
Se z-score & lt; - limite vai longo, feche no dia seguinte.
Aqui estão os resultados simulados para vários limites:
Esta não é a primeira vez que me deparo com essa mudança no comportamento de reversão da média no etfs. Não importa o que eu tentei, eu não tive sorte em encontrar uma estratégia de negociação de pares que funcionaria em ETFs após 2010. Minha conclusão é que esses tipos de modelos stat-arb simples simplesmente não funcionam mais.
WFAToolbox - Caixa de ferramentas de análise Walk-Forward.
MATLAB Add-on para o desenvolvimento de estratégias de negociação algorítmica no MATLAB, o caminho mais fácil.

Negociação Algorítmica.
Desenvolva sistemas de negociação com o MATLAB.
A negociação algorítmica é uma estratégia de negociação que usa algoritmos computacionais para orientar decisões de negociação, geralmente em mercados financeiros eletrônicos. Aplicada em instituições de buy-side e sell-side, a negociação algorítmica forma a base de negociação de alta frequência, negociação de FOREX e análise associada de risco e execução.
Os desenvolvedores e usuários de aplicativos de comércio algorítmico precisam desenvolver, fazer backtest e implantar modelos matemáticos que detectem e explorem os movimentos do mercado. Um fluxo de trabalho efetivo envolve:
Desenvolvendo estratégias de negociação, usando técnicas de séries temporais técnicas, aprendizado de máquina e séries temporais não lineares Aplicando computação paralela e de GPU para backtesting e identificação de parâmetros com eficiência de tempo Calculando lucros e perdas e conduzindo análises de risco Executando análises de execução, como modelagem de impacto de mercado análise de custos de transação e detecção de icebergs Incorporando estratégias e análises em ambientes de negociação de produção.
Exemplos e como.
Análise Walk-Forward: Usando o MATLAB para Backtest sua estratégia de negociação (35:15) - Webinar Introdução ao Trading Toolbox, Parte 1: Conectar-se a corretores interativos (7:22) - Cointegração de vídeo e negociação de pares com o Econometrics Toolbox (1:01) : 27) - Webinar Backtesting Trading Strategies em apenas 8 linhas de código (4:13) - Video CalPERS analisa a dinâmica do mercado de moeda para identificar oportunidades de negociação intraday - História do usuário Quantitative Trading: Como construir o seu próprio negócio de negociação algorítmica, por Ernest Chan - Reserve o Código de Negociação Algorítmica e Outros Recursos - Troca de Arquivos.
Referência de software.
Funções de Caixa de Ferramentas de Negociação - Classificação de Documentação App de Aprendizagem - Estatísticas e Machine Learning Toolbox App movavg: Gráfico de médias móveis atrasadas e atrasadas - Caixa de Ferramentas Financeiras Função sharpe: Compute Sharpe ratio - Caixa de Ferramentas Financeira Função gaoptimset: Criar estrutura de opções de algoritmos genéticos - Global Optimization Toolbox Function Cointegration Testing - Ferramentas de Caixa de Ferramentas da Econometria Ferramenta de Séries Temporais de Rede Neural - Documentação de Ferramentas de Rede Neural.
Escolha o seu país.
Escolha o seu país para obter conteúdo traduzido onde estiver disponível e veja eventos e ofertas locais. Com base na sua localização, recomendamos que você selecione:.
Você também pode selecionar um local na lista a seguir:
América Latina (Español) Canadá (inglês) Estados Unidos (inglês)
Bélgica (inglês) Dinamarca (inglês) Deutschland (Deutsch) España (Español) Finland (inglês) France (Français) Ireland (inglês) Italia (Italiano) Luxembourg (inglês)
Holanda (inglês) Noruega (inglês) Österreich (Deutsch) Portugal (inglês) Sweden (inglês) Switzerland Deutsch English Français Reino Unido (inglês)
Ásia-Pacífico.
Austrália (inglês) Índia (inglês) Nova Zelândia (inglês) 中国 (简体 中文) 日本 (日本語) 한국 (한국어)
Explorar produtos.
Experimente ou compre.
Aprenda a usar.
Obtenha suporte.
Sobre o MathWorks.
Acelerando o ritmo da engenharia e da ciência.
MathWorks é o desenvolvedor líder de software de computação matemática para engenheiros e cientistas.

Sistema de negociação matlab
Ainda tem uma pergunta? Pergunte o seu próprio!
O MATLAB é uma ferramenta útil em negociação algorítmica ou negociação automatizada, pois facilita o processo de desenvolvimento de sistemas de negociação automatizados nos mercados financeiros. Mesmo programadores ingênuos, os alunos podem realizar análises visuais usando o MATLAB.
Para programar os sistemas de negociação algorítmica deve-se ter um forte conhecimento de análise financeira quantitativa avançada, engenharia financeira, mineração de dados, processamento digital de sinais, redes neurais, máquinas de vetores de suporte, algoritmos genéticos, etc.
Esses assuntos podem ser aprendidos nos sites que oferecem MOOCs, como coursera, edx, academy e udacity. Um curso intitulado “AlgorithmicTrading with MATLAB em 2 dias (Forex & amp; Stocks)” particularmente relacionado com a questão pode ser encontrado em Udemy.
Google você começa vários bons livros para começar. Lokesh Madan.

Começando: Construindo um Sistema de Negociação Totalmente Automatizado.
Nos últimos 6 meses, tenho focado no processo de construção da pilha completa de tecnologia de um sistema de negociação automatizado. Eu me deparei com muitos desafios e aprendi muito sobre os dois métodos diferentes de backtesting (Vectorised e Event driven). Na minha jornada para construir um backtester orientado a eventos, veio a minha surpresa que o que você iria acabar é perto de toda a pilha de tecnologia necessária para construir uma estratégia, fazer backtest e executar a execução ao vivo.
Meu maior problema ao enfrentar o problema foi a falta de conhecimento. Procurei em muitos lugares uma introdução à construção da tecnologia ou um blog que me orientasse. Eu encontrei alguns recursos que vou compartilhar com vocês hoje.
Para iniciantes:
Para os leitores novatos no comércio quantitativo, eu recomendaria o livro de Ernie P. Chan intitulado: Negociação Quantitativa: Como construir seu próprio negócio de comércio algorítmico. Este livro é o básico. Na verdade, é o primeiro livro que li sobre negociação quantitativa e mesmo assim achei muito básico, mas há algumas notas que você deve tomar.
Da página 81-84 Ernie escreve sobre como, no nível de varejo, uma arquitetura de sistema pode ser dividida em estratégias semi-automatizadas e totalmente automatizadas.
Um sistema semi-automatizado é adequado se você quiser fazer algumas transações por semana. Ernie recomenda usar o Matlab, R ou até mesmo o Excel. Eu usei todas as 3 plataformas e este é o meu conselho:
Saltar do Matlab, custou muito dinheiro e só consegui acesso aos laboratórios da universidade. Não há muito material de treinamento como blogs ou livros que ensinem como codificar uma estratégia usando o Matlab. R tem toneladas de recursos que você pode utilizar para aprender como construir uma estratégia. Meu blog favorito cobrindo o tópico é: QuantStratTradeR é ​​executado por Ilya Kipnis. É mais provável que o Microsoft Excel inicie onde você não tem experiência em programação. Você pode usar o Excel para negociações semi-automáticas, mas isso não vai funcionar quando se trata de construir a pilha completa de tecnologias.
Estrutura semiautomática pg 81.
Sistemas de negociação totalmente automatizados são para quando você deseja colocar automaticamente as negociações com base em um feed de dados ao vivo. Eu codifiquei o meu em C #, o QuantConnect também usa o C #, o QuantStart orienta o leitor através da construção em Python, o Quantopian usa o Python, o HFT provavelmente usará o C ++. Java também é popular.
Estrutura de negociação completamente automatizada página 84.
Passo 1: Conseguir um bom começo.
Faça o Programa Executivo em Algorithmic Trading oferecido pela QuantInsti. Acabei de começar o curso e o primeiro conjunto de palestras foi na arquitetura do sistema. Teria me poupado cerca de 3 meses de pesquisa se eu tivesse começado aqui. As palestras me acompanharam através de cada componente que eu precisaria, bem como uma descrição detalhada do que cada componente precisa fazer. Abaixo está uma captura de tela de um de seus slides usados ​​na apresentação:
Você também pode usar essa estrutura geral ao avaliar outros sistemas de negociação automáticos.
No momento em que escrevo, estou apenas na terceira semana de palestras, mas estou confiante de que um praticante será capaz de construir uma estratégia comercial totalmente automatizada que poderia, com um pouco de refinamento, ser transformada no começo de um fundo de hedge quantitativo. .
Nota: o curso não está focado na construção da pilha de tecnologia.
Etapa 2: codifique um backtester baseado em eventos básicos.
Blog de Michael Hallsmore, quantstart & amp; livro “Negociação Algorítmica Bem Sucedida”
Este livro tem seções dedicadas à construção de um robusto backtester orientado a eventos. Ele orienta o leitor através de vários capítulos que explicarão sua escolha de idioma, os diferentes tipos de backtesting, a importância do backtesting orientado a eventos e como codificar o backtester.
Michael introduz o leitor às diferentes classes necessárias em um projeto orientado a objetos. Ele também ensina o leitor a construir um banco de dados mestre de títulos. É aqui que você verá como a arquitetura do sistema da QuantInsti se encaixa.
Nota: Você precisará comprar o livro dele: “Successful Algorithmic Trading”, seu blog deixa de fora muita informação.
Passo 3: Volte para o TuringFinance.
O programa EPAT Reading “Successful Algorithmic Trading” & amp; codificando um backtester em um idioma diferente de sua escolha.
Você deve ir para um blog chamado TuringFinance e ler o artigo intitulado "Algorithmic Trading System Architecture" Por: Stuart Gordon Reid. Em seu post ele descreve a arquitetura seguindo as diretrizes dos padrões ISO / IEC / IEEE 42010 e padrão de descrição de arquitetura de engenharia de software.
Eu achei este post muito técnico e tem algumas ótimas idéias que você deve incorporar em sua própria arquitetura.
Uma captura de tela de seu post.
Etapa 4: Estude os sistemas de negociação de código aberto.
4.1) Quantopian.
Escusado será dizer que Quantopian deve ser adicionado a esta lista e tenho vergonha de dizer que não passei muito tempo usando sua plataforma (devido à minha escolha de idioma). Quantopian tem muitas vantagens, mas as que mais se destacam para mim são as seguintes:
Fácil de aprender Python Acesso gratuito a muitos conjuntos de dados Uma grande comunidade e competições Eu amo como eles hospedam a QuantCon!
Quantopian é os líderes de mercado neste campo e é amado por todos os quants! Seu projeto de código aberto está sob o nome de código Zipline e isso é um pouco sobre isso:
“O Zipline é o nosso mecanismo de código aberto que alimenta o backtester no IDE. Você pode ver o repositório de código no Github e contribuir com solicitações de pull para o projeto. Há um grupo do Google disponível para procurar ajuda e facilitar discussões. ”
Aqui está um link para a documentação deles:
4.2) QuantConnect.
Para aqueles que não estão familiarizados com o QuantConnect, eles fornecem um mecanismo completo de negociação algorítmica de código aberto. Aqui está um link.
Você deve dar uma olhada no código deles, estudá-lo, & amp; dê-lhes louvor. Eles são competição de quantopianos.
Eu gostaria de aproveitar esta oportunidade para agradecer a equipe QuantConnect por me deixar escolher o cérebro deles e pelo serviço brilhante que eles oferecem.
Aqui está um link para a documentação deles:
Observações finais:
Espero que este guia ajude os membros da comunidade. Eu gostaria de ter essa percepção 6 meses atrás quando comecei a codificar nosso sistema.
Eu gostaria de falar com a comunidade e perguntar: “Que bons cursos de negociação algorítmica você conhece?” Eu gostaria de escrever um post que analise o tópico e forneça uma classificação. Há alguma recomendação para criar um sistema de negociação totalmente automatizado que você gostaria de adicionar a este post?
Compartilhar isso:
Compartilhe esta entrada.
Você pode gostar também.
Artigo agradável. Eu gostaria de ter cerca de 6 meses atrás. Eu uso QuantConnect porque eu sou um programador c #. Eu achei muito conveniente para poder baixar o teste de Lean e voltar localmente. Vasculhar seu código também é valioso. Eles também fizeram um acordo com a Tradier para negociações de US $ 1. Isso ajuda muito. Eu não sou tão saliente sobre os spreads e a execução do Tradier. O IB pode ser melhor para isso.
Vou dar uma olhada no curso que você mencionou.
Você não mencionou Quantocracy ou RBloggers. Ambos são recursos muito valiosos.
O que você usa para mapear os resultados dos testes de volta? Eu registro OHLC e valores de indicador para csv do evento OnData e estou realmente cansado de usar o Excel para traçar resultados. Eu gostaria de poder apontar um pacote de gráficos para um arquivo de dados e tê-lo apenas ir.
Você já tem um fornecedor de fluxo de ticks?
Eu tenho um pensamento sobre sistemas orientados a eventos. O problema com os eventos é que eles são assíncronos e latentes. Parece que eles são inevitáveis ​​assim que você começa uma corretora envolvida, então eu tenho sonhado com um sistema mais streaming seguindo os princípios da programação funcional.
& # 8211; Injest um fluxo de carrapato ou bar.
& # 8211; Execute-o através de um processo de cálculo de indicadores, execução de análise ou ML e assim por diante.
& # 8211; Receba de volta um sinal.
& # 8211; Envie para o corretor para executar.
Então, em um fluxo separado.
& # 8211; Receba de volta uma resposta do corretor.
O problema, claro, é o estado. Eu tenho margem suficiente para fazer o trade? O que tem no meu portfólio? Como está se saindo? Geralmente, o broker api pode ser consultado para descobrir essas coisas, mas leva tempo e é assíncrono. Eu também estou olhando para extensões de Rx. Dessa forma, o sistema pode reagir a mudanças no sistema através do padrão observável.
Eventos são ótimos para cliques do mouse. Não é tão bom para processamento transacional de alto volume.
Essa é exatamente a abordagem que eu fiz com minhas próprias coisas. Essencialmente eu tenho um & # 8216; normal & # 8217; programa que envolve uma pequena parte que é acionada por eventos para falar com o intermediário (IB API). Agora, para o problema do estado. Você tem duas escolhas; obter estado do corretor, ou armazená-lo internamente atualizá-lo quando você receber um preenchimento de volta. Isso significa que há momentos em que você não conhece seu estado ou quando as duas fontes de estado estão potencialmente em conflito (dados incorretos ou atrasos). Parte disso depende da rapidez com que você negocia. A menos que você esteja negociando muito rapidamente, em seguida, pausar se você tiver um conflito de estado, ou você está incerto do estado, é melhor do que prosseguir sem conhecer o seu estado. Eu uso um banco de dados & # 8216; lock & # 8217; paradigma para lidar com isso.
Em relação a quase tudo o que você pediu, você está próximo da resposta em Reative Extension (Rx).
Com Rx indo de carrapatos para velas é trivial.
Indo de velas para indicadores é trivial.
Compor indicadores de outros indicadores é trivial.
Compor posições de indicadores é trivial.
Compor portfólios (como realizados ao longo do tempo) a partir de posições é trivial.
Simular o Modelo de Risco é trivial.
Voltar teste ou negociação ao vivo é simplesmente decidir entre uma transmissão ao vivo de dados ou uma repetição simulada de dados do banco de dados.
A execução é trivial.
A implementação é possível em tudo, de C # a F #, a JavaScript e C ++ em código quase idêntico.
A otimização é feita rapidamente porque o Rx puramente funcional é amplamente paralisável para a GPU.
É verdade que a otimização e a alimentação do efeito da otimização contínua de volta ao back-test não é trivial, mas, dado que é não-trivial de qualquer maneira, eu vou deixar que isso se deslize 😉
Puramente Funcional (ou próximo a ele) Rx é, na minha opinião, a única maneira de lidar com a infra-estrutura desse problema.
Eu conheço o sistema que quero negociar. Eu não quero programar ou aprender algo que alguém já conhece. Então, quem posso contratar para pegar o sistema que eu quero usar e automatizá-lo. Ao automatizá-lo, quero dizer, não quero olhar para ele. Vou dar uma olhada nos resultados uma vez por semana e os negócios serão executados sem a minha atenção. Parece estranho para mim que, em 2016, seja preciso muito esforço para tomar um conjunto de regras e executar essas regras no meu corretor.
Eu sugiro inscrever-se com o Quantopian e, em seguida, encontrar alguém dentro da comunidade para construir a estratégia para você. Eles serão capazes de construí-lo para você dentro da plataforma de corretores IB e serão totalmente automatizados.
Deixe-me dizer, no entanto, que acho que você deveria monitorá-lo de perto, e não apenas esquecê-lo para "###".

Desenvolvimento automatizado do sistema de negociação com o MATLAB.
Stuart Kozola, MathWorks.
Quer aprender como criar um sistema de negociação automatizado que possa lidar com várias contas de negociação, várias classes de ativos e negociar em vários locais de negociação? Simultaneamente?
Neste webinar, apresentaremos um exemplo de fluxo de trabalho para pesquisar, implementar, testar e implantar uma estratégia de negociação automatizada, oferecendo flexibilidade máxima em com quem e com quem você negocia. Você aprenderá como os produtos MATLAB® podem ser usados ​​para coleta de dados, análise e visualização de dados, desenvolvimento e calibração de modelos, backtesting, testes avançados, integração com sistemas existentes e, finalmente, implantação para negociação em tempo real. Analisamos cada uma das partes desse processo e vemos como o MATLAB fornece uma única plataforma que permite a solução eficiente de todas as partes desse problema.
Tópicos específicos incluem:
Opções de coleta de dados, incluindo dados diários históricos, intradiários e em tempo real Construção de modelo e prototipagem no MATLAB Backtesting e calibração de um modelo Teste de caminhada e validação de modelo Interagindo com bibliotecas e software existentes para execução de comércio Implantação do aplicativo final em vários ambientes, incluindo, JAVA e Excel Tools para negociação de alta frequência, incluindo computação paralela, GPUs e geração de código C do MATLAB.
Foco do produto.
Outros recursos.
Nós não iremos vender ou alugar suas informações pessoais de contato. Veja nossa política de privacidade para detalhes.
Você já está conectado à sua conta do MathWorks. Por favor, pressione o botão & # 34; Enviar & # 34; botão para concluir o processo.
Produtos relacionados.
Vídeos Relacionados e Webinars.
Escolha o seu país.
Escolha o seu país para obter conteúdo traduzido onde estiver disponível e veja eventos e ofertas locais. Com base na sua localização, recomendamos que você selecione:.
Você também pode selecionar um local na lista a seguir:
América Latina (Español) Canadá (inglês) Estados Unidos (inglês)
Bélgica (inglês) Dinamarca (inglês) Deutschland (Deutsch) España (Español) Finland (inglês) France (Français) Ireland (inglês) Italia (Italiano) Luxembourg (inglês)
Holanda (inglês) Noruega (inglês) Österreich (Deutsch) Portugal (inglês) Sweden (inglês) Switzerland Deutsch English Français Reino Unido (inglês)
Ásia-Pacífico.
Austrália (inglês) Índia (inglês) Nova Zelândia (inglês) 中国 (简体 中文) 日本 (日本語) 한국 (한국어)
Explorar produtos.
Experimente ou compre.
Aprenda a usar.
Obtenha suporte.
Sobre o MathWorks.
Acelerando o ritmo da engenharia e da ciência.
MathWorks é o desenvolvedor líder de software de computação matemática para engenheiros e cientistas.

Um sistema de negociação em tempo real no MATLAB.
Yair Altman, MATLAB não documentado.
O MATLAB tem sido tradicionalmente usado para analisar dados offline, apresentando recomendações analíticas que foram então manipuladas manualmente. No entanto, o MATLAB suporta uma interface direta com feeds de dados e brokers on-line, bem como a capacidade de apresentar gráficos e interfaces de usuário sofisticados, tudo em tempo real.
Esta apresentação demonstra um sistema de negociação de demonstração de ponta a ponta no MATLAB, destacando seu potencial como uma plataforma de escolha. O Interactive Brokers é usado para demonstrar feed de dados do mercado ao vivo e entrada de conta / portfólio, bem como para enviar ordens de negociação para o mercado. A interface do usuário do sistema mostra a visualização oculta e o potencial de interatividade do MATLAB para rastrear execuções de pedidos e criar gráficos de séries financeiras em tempo real. Algumas práticas recomendadas para melhorar o desempenho em tempo real também são discutidas.
Foco do produto.
Produtos relacionados.
Vídeos Relacionados e Webinars.
Escolha o seu país.
Escolha o seu país para obter conteúdo traduzido onde estiver disponível e veja eventos e ofertas locais. Com base na sua localização, recomendamos que você selecione:.
Você também pode selecionar um local na lista a seguir:
América Latina (Español) Canadá (inglês) Estados Unidos (inglês)
Bélgica (inglês) Dinamarca (inglês) Deutschland (Deutsch) España (Español) Finland (inglês) France (Français) Ireland (inglês) Italia (Italiano) Luxembourg (inglês)
Holanda (inglês) Noruega (inglês) Österreich (Deutsch) Portugal (inglês) Sweden (inglês) Switzerland Deutsch English Français Reino Unido (inglês)
Ásia-Pacífico.
Austrália (inglês) Índia (inglês) Nova Zelândia (inglês) 中国 (简体 中文) 日本 (日本語) 한국 (한국어)
Scopri i nostri prodotti.
Prova o Acquista.
Impara ad usedzare i nostri prodotti.
Ricevi supporto tecnico.
Informações sobre MathWorks.
Acelerando o ritmo da engenharia e da ciência.
MathWorks é líder nello sviluppo di software per il calcolo matematico por ingegneri e ricercatori.