Hft trading systems

Apa itu perdagangan dengan frekuensi tinggi Perdagangan frekuensi tinggi adalah platform perdagangan otomatis yang digunakan oleh bank investasi besar. Hedge fund dan investor institusional yang memanfaatkan komputer yang kuat untuk menukar sejumlah besar pesanan dengan kecepatan sangat tinggi. Platform perdagangan frekuensi tinggi ini memungkinkan pedagang melakukan jutaan pesanan dan memindai banyak pasar dan pertukaran dalam hitungan detik, sehingga memberi institusi yang menggunakan platform ini keuntungan besar di pasar terbuka. Sistem menggunakan algoritma kompleks untuk menganalisis pasar dan dapat menemukan tren yang muncul dalam sepersekian detik. Dengan bisa mengenali pergeseran di pasar, sistem perdagangan mengirim ratusan keranjang saham ke pasar di spread bid-ask yang menguntungkan bagi para pedagang. Dengan intinya mengantisipasi dan mengalahkan tren ke pasar, institusi yang menerapkan perdagangan frekuensi tinggi dapat memperoleh keuntungan yang menguntungkan pada perdagangan yang mereka lakukan dengan esensi spread bid-ask mereka, menghasilkan keuntungan yang signifikan. Perdagangan frekuensi tinggi menjadi tempat umum di pasar menyusul diperkenalkannya insentif yang ditawarkan oleh bursa bagi institusi untuk menambah likuiditas ke pasar. Dengan menawarkan insentif kecil kepada para pembuat pasar ini. Pertukaran menambah likuiditas, dan institusi yang menyediakan likuiditas juga melihat peningkatan keuntungan pada setiap perdagangan yang mereka lakukan, di atas spread bagus mereka. Meskipun spread dan insentif berjumlah sepersekian 1 sen per transaksi, mengalikannya dengan sejumlah besar perdagangan per hari menghasilkan keuntungan yang cukup besar bagi pedagang dengan frekuensi tinggi. Banyak yang melihat perdagangan frekuensi tinggi tidak etis dan keuntungan yang tidak adil bagi perusahaan besar terhadap institusi dan investor yang lebih kecil. (Untuk mencoba trading online Anda baca Rangsang Keterampilan Anda Dengan Simulated Trading dan lihatlah Investopedia Stock Simulator untuk perdagangan saham bebas risiko Cari tahu faktor mana yang mempengaruhi spread bid-ask spread. Pelajari mengapa beberapa saham memiliki spread yang besar antara bid dan ask. Harga Baca Jawaban Bursa bursa diatur untuk membantu pialang dan spesialis lainnya dalam mengkoordinasikan harga penawaran dan permintaan. Harga penawaran adalah: Baca Jawaban Memahami pentingnya spread bid-ask bagi investor dalam membuat keputusan apakah akan atau tidak? Membeli yang tertentu Baca Jawaban Pelajari lebih lanjut tentang jenis pesanan dan mengapa memasukkan limit order untuk membeli sekuritas dapat membantu mengurangi dampak permintaan-bidik yang luas Baca Jawaban Memahami konsep bid-ask spread karena berlaku untuk perdagangan dan bagaimana Ini mempengaruhi penetapan harga limit order yang digunakan Baca Jawaban Kita melihat perdagangan frekuensi tinggi dan melihat apakah salah satu alasan untuk kerugian pasar saham. Strategi perdagangan algoritma, seperti auto Lindung nilai, analisis statistik, eksekusi algoritmik, akses pasar langsung dan perdagangan frekuensi tinggi, dapat mengekspos inkonsistensi harga, yang berpose. Algorithmic trading adalah proses penggunaan komputer untuk menempatkan perdagangan agar menghasilkan keuntungan pada kecepatan dan frekuensi yang berada di luar kemampuan seseorang. Melihat secara mendalam bagaimana kerja perdagangan frekuensi tinggi dan siapa pemainnya. Sistem perdagangan otomatis meminimalkan emosi, memungkinkan masuknya pesanan lebih cepat, menyebabkan konsistensi yang lebih besar dan mengatasi masalah pilot-error. Perdagangan hari memiliki banyak keuntungan dan, sementara kita sering mendengar tentang tunjangan ini, penting untuk disadari bahwa perdagangan hari adalah kerja keras. Hal ini sering kali menjadi analisis tingkat pertama dan paling mahal untuk diabaikan. Ini sangat penting bagi setiap investor untuk belajar bagaimana menghitung spread bid-ask dan faktor angka ini saat membuat keputusan investasi. Apakah likuiditas pasar yang diberikan oleh perdagangan frekuensi tinggi adalah kenyataan atau ilusi. Jenis struktur kompensasi yang biasanya digunakan manajer hedge fund di mana sebagian kompensasi didasarkan pada kinerja. Perlindungan terhadap hilangnya pendapatan yang akan terjadi jika tertanggung meninggal dunia. Penerima manfaat bernama menerima. Ukuran hubungan antara perubahan kuantitas yang diminta dari barang tertentu dan perubahan harga. Harga. Total nilai pasar dolar dari seluruh saham perusahaan yang beredar. Kapitalisasi pasar dihitung dengan cara mengalikan. Frexit pendek untuk quotFrench exitquot adalah spinoff Prancis dari istilah Brexit, yang muncul saat Inggris memilih. Perintah ditempatkan dengan broker yang menggabungkan fitur stop order dengan pesanan limit. Sebuah stop-limit order will. This posting akan detail apa yang saya lakukan untuk membuat approx. 500k dari perdagangan frekuensi tinggi dari tahun 2009 sampai 2010. Sejak saya berdagang secara independen dan saya tidak lagi menjalankan program saya, Irsquom senang memberi tahu semua. Perdagangan saya sebagian besar berada di kontrak berjangka Russel 2000 dan DAX. Kunci kesuksesan saya, saya percaya, tidak dalam persamaan keuangan yang canggih, melainkan dalam keseluruhan desain algoritma yang mengikat banyak komponen sederhana dan pembelajaran mesin yang digunakan untuk mengoptimalkan profitabilitas maksimum. Anda tidak perlu mengetahui terminologi yang canggih di sini karena ketika saya mengatur program saya, semuanya didasarkan pada intuisi. (Tentu saja, Andrew Ngrsquos tentu saja belajar mesin yang tidak ada - btw jika Anda mengeklik tautan itu milik Anda untuk dibawa ke proyek saya saat ini: CourseTalk, situs ulasan untuk MOOC) Pertama, saya hanya ingin menunjukkan bahwa kesuksesan saya bukan sekadar hasil dari keberuntungan. Program saya menghasilkan 1000-4000 perdagangan per hari (setengah lama, setengah pendek) dan tidak pernah masuk ke posisi lebih dari beberapa kontrak dalam satu waktu. Ini berarti keberuntungan acak dari perdagangan tertentu rata-rata cukup cepat. Hasilnya saya tidak pernah kalah lebih dari 2000 dalam satu hari dan tidak pernah mengalami bulan yang kalah: (EDIT) Angka-angka ini setelah membayar komisi) Dan herersquos sebuah bagan untuk memberi Anda kesan variasi harian. Catatan ini tidak termasuk 7 bulan terakhir karena - saat angka tersebut berhenti naik - saya kehilangan motivasi untuk masuk ke dalamnya. Latar belakang trading saya Sebelum membuat program trading otomatis Irsquod memiliki pengalaman 2 tahun sebagai trader hari ldquomanualrdquo. Ini terjadi pada tahun 2001 - ini adalah hari-hari awal perdagangan elektronik dan ada peluang bagi ldquoscalpersrdquo untuk menghasilkan uang dengan baik. Saya hanya bisa menggambarkan apa yang saya lakukan sama seperti bermain game judi video dengan tepi yang seharusnya. Menjadi sukses berarti menjadi cepat, disiplin, dan memiliki kemampuan pengenalan pola intuitif yang baik. Saya mampu menghasilkan sekitar 250k, melunasi pinjaman mahasiswa saya dan memiliki sisa uang. Menang Selama lima tahun ke depan saya akan meluncurkan dua startups, mengambil beberapa keterampilan pemrograman di sepanjang jalan. Tidak akan sampai akhir 2008 bahwa saya akan kembali ke perdagangan. Dengan uang yang rendah dari penjualan startup pertama saya, perdagangan menawarkan harapan beberapa uang cepat sementara saya mengetahui langkah selanjutnya saya. Pada tahun 2008 saya memakai futures perdagangan hari ini dengan menggunakan software yang disebut T4. Irsquod menginginkan beberapa hotkey yang disesuaikan dengan pesanan, jadi setelah menemukan T4 memiliki API, saya mengambil tantangan untuk belajar C (bahasa pemrograman yang dibutuhkan untuk menggunakan API) dan terus maju dan membangun beberapa hotkeys lagi. Setelah mendapatkan kaki saya basah dengan API, saya segera memiliki aspirasi yang lebih besar: Saya ingin mengajarkan komputer untuk berdagang untuk saya. API menyediakan aliran data pasar dan cara mudah mengirim pesanan ke bursa - yang harus saya lakukan hanyalah menciptakan logika di tengahnya. Berikut adalah tangkapan layar dari jendela perdagangan T4. Apa yang keren adalah ketika saya menjalankan program saya, saya dapat melihat perdagangan komputer dengan antarmuka yang sama persis ini. Menonton perintah nyata muncul masuk dan keluar (sendiri dengan uang riil saya) sangat mendebarkan dan menyeramkan. Perancangan Algoritma Dari awal, tujuan saya adalah menata sistem sedemikian rupa sehingga saya cukup yakin Irsquod menghasilkan uang sebelum melakukan perdagangan langsung. Untuk mencapai hal ini, saya perlu membangun kerangka simulasi perdagangan yang seakurat mungkin - mensimulasikan live trading. Sementara perdagangan dalam mode live diperlukan pemutakhiran pasar pemrosesan yang mengalir melalui API, mode simulasi memerlukan pembacaan pasar dari file data. Untuk mengumpulkan data ini, saya menyiapkan versi pertama program saya untuk hanya terhubung ke API dan merekam pembaruan pasar dengan cap waktu. Saya akhirnya menggunakan data pasar terkini 4 minggu untuk melatih dan menguji sistem saya. Dengan kerangka dasar di tempat saya masih memiliki tugas mencari tahu bagaimana membuat sistem perdagangan yang menguntungkan. Ternyata algoritme saya akan terbagi menjadi dua komponen berbeda, yang Irsquoll jelajahi secara bergantian: Memprediksi pergerakan harga dan Membuat perdagangan yang menguntungkan Memprediksi pergerakan harga Mungkin komponen yang jelas dari sistem perdagangan mana pun dapat memprediksi kemana harga akan bergerak. Dan saya tidak terkecuali. Saya menentukan harga saat ini sebagai rata-rata tawaran dalam dan penawaran dalam dan saya menetapkan tujuan untuk memperkirakan di mana harga akan berada dalam 10 detik berikutnya. Algoritma saya perlu memikirkan prediksi momen demi momen ini sepanjang hari perdagangan. Dengan membuat indikator pengoptimalan, saya membuat beberapa indikator yang terbukti memiliki kemampuan yang berarti untuk memprediksi pergerakan harga jangka pendek. Setiap indikator menghasilkan angka yang positif atau negatif. Indikatornya berguna jika lebih sering daripada tidak angka positif berhubungan dengan pasar naik dan angka negatif berhubungan dengan pasar yang turun. Sistem saya memungkinkan saya untuk dengan cepat menentukan berapa banyak kemampuan prediksi yang ada sehingga saya dapat bereksperimen dengan banyak indikator berbeda untuk melihat apa yang berhasil. Banyak indikator memiliki variabel dalam formula yang menghasilkannya dan saya dapat menemukan nilai optimal untuk variabel tersebut dengan melakukan perbandingan dengan hasil yang dicapai dengan nilai yang bervariasi. Indikator yang paling berguna semuanya relatif sederhana dan didasarkan pada kejadian terkini di pasar yang sedang saya trading dan juga pasar efek berkorelasi. Membuat prediksi pergerakan harga pasti Memiliki indikator yang hanya memperkirakan pergerakan harga naik atau turun tidak cukup. Saya perlu tahu persis berapa banyak pergerakan harga yang diprediksi oleh setiap nilai yang mungkin dari setiap indikator. Saya membutuhkan formula yang akan mengubah nilai indikator menjadi prediksi harga. Untuk mencapai hal ini, saya melacak pergerakan harga yang diprediksi dalam 50 ember yang bergantung pada kisaran nilai indikator yang jatuh. Ini menghasilkan prediksi unik untuk setiap ember yang kemudian dapat saya grafik di Excel. Seperti yang Anda lihat, kenaikan harga yang diharapkan akan meningkat seiring dengan meningkatnya nilai indikator. Berdasarkan grafik seperti ini saya bisa membuat formula agar sesuai dengan kurva. Pada awalnya saya melakukan ini dengan benar secara manual tapi saya segera menulis beberapa kode untuk mengotomatisasi proses ini. Perhatikan bahwa tidak semua kurva indikator memiliki bentuk yang sama. Perhatikan juga bahwa ember itu didistribusikan secara logaritma sehingga menyebarkan data secara merata. Akhirnya perhatikan bahwa nilai indikator negatif (dan perkiraan harga turunnya yang sesuai) dibalik dan digabungkan dengan nilai positif. (Algoritma saya diobati naik turun sama persis.) Menggabungkan indikator untuk prediksi tunggal Hal penting yang harus dipertimbangkan adalah bahwa setiap indikator tidak sepenuhnya independen. Saya tidak hanya bisa menambahkan semua prediksi yang dibuat setiap indikator secara individual. Kuncinya adalah untuk mengetahui nilai prediktif tambahan yang setiap indikator melebihi apa yang telah diperkirakan. Ini sulit diterapkan, tapi itu berarti bahwa jika saya menerapkan beberapa indikator pada saat bersamaan, saya harus hati-hati mengubahnya sehingga akan mempengaruhi prediksi orang lain. Agar ldquocurve fitrdquo semua indikator pada saat yang sama saya setup optimizer untuk langkah hanya 30 jalan menuju kurva prediksi baru dengan masing-masing lulus. Dengan lompatan 30 ini saya menemukan bahwa kurva prediksi akan stabil dalam beberapa lintasan. Dengan setiap indikator yang sekarang memberi kita prediksi harga tambahan, saya bisa menambahkannya untuk menghasilkan prediksi tunggal dimana pasar berada dalam 10 detik. Mengapa memprediksi harga tidak cukup Anda mungkin berpikir bahwa dengan keunggulan ini di pasar saya emas. Tapi Anda harus ingat bahwa pasar terdiri dari penawaran dan penawaran - bukan hanya satu harga pasar. Kesuksesan dalam perdagangan frekuensi tinggi turun untuk mendapatkan harga yang bagus dan harganya tidak semudah itu. Faktor-faktor berikut membuat sistem yang menguntungkan menjadi sulit: Dengan setiap perdagangan saya harus membayar komisi kepada broker dan bursa saya. Penyebaran (selisih antara tawaran tertinggi dan penawaran terendah) berarti bahwa jika saya hanya membeli dan menjual secara acak Irsquod akan kehilangan satu ton uang. Sebagian besar volume pasar adalah bots lain yang hanya akan melakukan perdagangan dengan saya jika mereka mengira memiliki beberapa keunggulan statistik. Melihat tawaran itu tidak menjamin saya bisa membelinya. Pada saat pesanan pembelian saya sampai ke bursa, sangat mungkin tawaran itu dibatalkan. Sebagai pemain pasar kecil tidak mungkin saya bisa bersaing dengan kecepatan sendiri. Membangun simulasi perdagangan penuh Jadi, saya memiliki kerangka kerja yang memungkinkan saya untuk mendukung dan mengoptimalkan indikator. Tapi saya harus melampaui ini - saya memerlukan kerangka kerja yang memungkinkan saya melakukan backtest dan mengoptimalkan sistem perdagangan penuh di mana saya mengirim pesanan dan mendapatkan posisi. Dalam hal ini Irsquod akan mengoptimalkan total PampL dan sampai batas tertentu rata-rata PampL per perdagangan. Ini akan menjadi lebih rumit dan dalam beberapa hal tidak mungkin untuk model persis tapi saya melakukan yang terbaik yang saya bisa. Berikut adalah beberapa masalah yang harus saya hadapi: Ketika sebuah pesanan dikirim ke pasar dalam simulasi, saya harus memodelkan jeda waktu. Fakta bahwa sistem saya melihat sebuah tawaran tidak berarti bahwa itu bisa membelinya langsung. Sistem akan mengirim pesanan, menunggu sekitar 20 milidetik dan kemudian hanya jika tawaran itu masih ada yang dianggap sebagai perdagangan yang dieksekusi. Ini tidak tepat karena jeda waktu sebenarnya tidak konsisten dan tidak dilaporkan. Ketika saya mengajukan penawaran atau tawaran, saya harus melihat arus eksekusi perdagangan (disediakan oleh API) dan menggunakannya untuk mengukur kapan pesanan saya akan berhasil dieksekusi. Untuk melakukan ini, saya harus melacak posisi pesanan saya dalam antrian. (Ini merupakan sistem first-in first-out pertama.) Sekali lagi, saya tidak dapat melakukan ini dengan sempurna tapi saya membuat perkiraan terbaik. Untuk memperbaiki simulasi pelaksanaan pesanan saya, yang saya lakukan adalah mengambil file log saya dari live trading melalui API dan membandingkannya dengan file log yang dihasilkan oleh simulasi perdagangan dari periode waktu yang sama. Saya bisa mendapatkan simulasi saya sampai pada titik yang cukup akurat dan untuk bagian-bagian yang tidak mungkin dipodelkan dengan tepat, saya memastikan setidaknya menghasilkan hasil yang serupa secara statistik (dalam metrik yang saya anggap penting). Membuat perdagangan yang menguntungkan Dengan model simulasi pesanan di tempat, saya sekarang bisa mengirim pesanan dalam mode simulasi dan melihat Simulasi PampL. Tapi bagaimana sistem saya tahu kapan dan di mana untuk membeli dan menjual Prediksi pergerakan harga adalah titik awal tapi bukan keseluruhan cerita. Yang saya lakukan adalah membuat sistem penilaian untuk masing-masing dari 5 tingkat harga pada penawaran dan penawaran. Ini termasuk satu tingkat di atas tawaran dalam (untuk pesanan beli) dan satu tingkat di bawah tawaran dalam (untuk pesanan jual). Jika skor pada tingkat harga tertentu berada di atas ambang batas tertentu yang berarti sistem saya harus memiliki bidoffer aktif di sana - di bawah ambang batas maka pesanan aktif apapun harus dibatalkan. Berdasarkan hal itu, tidak jarang sistem saya akan meniru tawaran di pasar lalu segera membatalkannya. (Meskipun saya mencoba untuk meminimalkan hal ini karena hal itu mengganggu siapa pun yang melihat layar dengan mata manusia - termasuk saya.) Nilai tingkat harga dihitung berdasarkan faktor-faktor berikut: Prediksi pergerakan harga (yang telah kita bahas sebelumnya). Tingkat harga yang dimaksud. (Tingkat dalam berarti prediksi pergerakan harga yang lebih besar diperlukan.) Jumlah kontrak di depan pesanan saya dalam antrian. (Kurang lebih baik.) Jumlah kontrak di balik pesanan saya dalam antrian. (Lebih baik lebih baik.) Pada dasarnya faktor-faktor ini berfungsi untuk mengidentifikasi tempat-tempat ldquosaferdquo untuk bidoffer. Prediksi pergerakan harga saja tidak memadai karena tidak memperhitungkan fakta bahwa ketika mengajukan penawaran saya tidak otomatis terisi - saya hanya terisi jika seseorang menjual kepada saya di sana. Kenyataannya adalah fakta bahwa seseorang menjual kepada saya dengan harga tertentu telah mengubah peluang statistik perdagangan. Variabel yang digunakan dalam langkah ini semuanya tunduk pada optimasi. Hal ini dilakukan dengan cara yang sama seperti yang saya optimalkan pada indikator pergerakan harga kecuali dalam hal ini saya mengoptimalkan posisi bottom line PampL. Apa yang diabaikan program saya Ketika bertransaksi sebagai manusia kita sering memiliki emosi dan bias yang kuat yang dapat menyebabkan keputusan yang kurang optimal. Jelas saya tidak ingin mengkodifikasi bias ini. Berikut adalah beberapa faktor yang diabaikan oleh sistem saya: Harga suatu posisi dimasukkan - Di kantor perdagangan, cukup umum mendengar percakapan tentang harga di mana seseorang panjang atau pendek seolah-olah itu akan mempengaruhi pengambilan keputusan di masa depan mereka. Meskipun ini memiliki beberapa keabsahan sebagai bagian dari strategi pengurangan risiko, hal itu benar-benar tidak berpengaruh pada kejadian masa depan di pasar. Oleh karena itu, program saya sama sekali mengabaikan informasi ini. Konsep itu sama dengan mengabaikan biaya hangus. Pergi pendek vs keluar dari posisi panjang - Biasanya seorang trader akan memiliki kriteria berbeda yang menentukan di mana untuk menjual posisi long versus mana harus pergi pendek. Namun dari perspektif algoritme saya tidak ada alasan untuk membuat perbedaan. Jika algoritme saya memperkirakan pergerakan ke bawah adalah ide bagus terlepas dari apakah saat ini panjang, pendek, atau datar. Strategi tingkat atas yang ldquodoubling - Ini adalah strategi umum dimana pedagang akan membeli lebih banyak saham jika ada perdagangan asli melawan mereka. Hal ini menyebabkan harga beli rata-rata Anda lebih rendah dan berarti kapan (atau jika) saham berbalik, Anda harus mengatur agar uang Anda kembali dalam waktu singkat. Menurut pendapat saya ini benar-benar strategi yang mengerikan kecuali jika Anda memilih Warren Buffet. Yoursquore menipu untuk berpikir bahwa Anda melakukannya dengan baik karena sebagian besar perdagangan Anda akan menjadi pemenang. Masalahnya adalah saat Anda kehilangan Anda kehilangan besar. Efek lainnya adalah membuat sulit untuk menilai apakah Anda benar-benar memiliki keunggulan di pasar atau hanya beruntung. Mampu memonitor dan memastikan bahwa program saya ternyata memiliki keunggulan merupakan tujuan penting. Karena algoritme saya membuat keputusan dengan cara yang sama terlepas dari dari mana ia memasuki perdagangan atau jika saat ini panjang atau pendek, kadang-kadang mereka masuk (dan mengambil) beberapa transaksi kerugian besar (sebagai tambahan pada beberapa perdagangan besar). Tapi, sebaiknya Anda tidak berpikir bahwa tidak ada manajemen risiko. Untuk mengelola risiko saya memaksakan posisi maksimal 2 kontrak sekaligus, kadang-kadang menumpuk pada hari volume tinggi. Saya juga memiliki batas kerugian harian maksimum untuk melindungi terhadap kondisi pasar yang tidak terduga atau adanya bug dalam perangkat lunak saya. Batasan ini diberlakukan dalam kode saya tapi juga di backend melalui broker saya. Seperti yang terjadi saya tidak pernah mengalami masalah yang signifikan. Menjalankan Algoritma Dari saat saya mulai mengerjakan program saya, saya membutuhkan waktu sekitar 6 bulan sebelum saya sampai pada titik profitabilitas dan mulai menjalankannya secara langsung. Meski lumayan banyak waktu belajar bahasa pemrograman baru. Seiring saya memperbaiki program, saya melihat peningkatan keuntungan untuk masing-masing empat bulan ke depan. Setiap minggu saya akan melatih sistem saya berdasarkan data 4 minggu sebelumnya. Saya menemukan ini mencapai keseimbangan yang tepat antara menangkap tren perilaku pasar terkini dan mengasuransikan algoritme saya memiliki cukup data untuk membangun pola yang berarti. Sebagai pelatihan mulai mengambil lebih banyak dan lebih banyak waktu saya membaginya sehingga bisa dilakukan oleh 8 mesin virtual menggunakan amazon EC2. Hasilnya kemudian disatukan pada mesin lokal saya. Inti dari trading saya adalah Oktober 2009 ketika saya menghasilkan hampir 100k. Setelah ini saya terus menghabiskan empat bulan ke depan untuk mencoba memperbaiki program saya meski mengalami penurunan keuntungan setiap bulannya. Sayangnya, pada titik ini saya rasa Irsquod menerapkan semua gagasan terbaik saya karena tidak ada yang saya coba nampaknya sangat membantu. Dengan frustrasi karena tidak bisa melakukan perbaikan dan tidak merasakan pertumbuhan saya mulai memikirkan arah baru. Saya mengirimi email ke 6 perusahaan perdagangan frekuensi tinggi yang berbeda untuk melihat apakah mereka tertarik untuk membeli perangkat lunak saya dan mempekerjakan saya untuk bekerja untuk mereka. Tidak ada yang menjawab Saya memiliki beberapa ide startup baru yang ingin saya kerjakan jadi saya tidak pernah menindaklanjutinya. UPDATE - Saya memposting ini di Hacker News dan mendapat banyak perhatian. Saya hanya ingin mengatakan bahwa saya tidak menganjurkan siapapun yang mencoba melakukan hal seperti ini sekarang juga. Anda akan membutuhkan tim orang yang sangat cerdas dengan berbagai pengalaman untuk memiliki harapan untuk bersaing. Bahkan ketika saya melakukan ini, saya percaya sangat jarang bagi individu untuk meraih kesuksesan (walaupun saya pernah mendengar tentang orang lain.) Ada komentar di bagian atas halaman yang menyebutkan statistik yang dimanipulasi dan merujuk kepada saya sebagai investor ldquoretail yang menginginkan Akan memilih offrdquo. Ini adalah komentar yang agak disayangkan yang hanya didasarkan pada kenyataan. Menetapkan hal itu di samping beberapa komentar menarik: news. ycombinatoritemid4748624 UPDATE 2 - Irsquove mem-posting sebuah FAQ lanjutan yang menjawab beberapa pertanyaan umum yang Irsquove terima dari para pedagang tentang posting ini. Sistem Pertarungan Jika Anda berpikir bahwa algos menjadi liar di saham itu buruk, tunggu saja sampai Anda melihat apa yang terjadi ketika robot umpan balik umpan balik yang sama mulai melakukan frontrunning dan mengaduk semua kontrak kapas, gula, dan komoditas lainnya. Menurut trader ini, ini sudah terjadi. Selanjutnya: terjun likuiditas, dan lonjakan volatilitas, tepat pada waktunya untuk harga komoditas untuk menemukan kelebihan daya terkomputerisasi ekstra saat mereka meledak dengan harapan eksperimen refleksi Bernankes menjadi liar untuk meniup semua konsep nilai wajar ke smithereens. Sampai saat ini, perdebatan antara pendukung dan penentang Perdagangan Frekuensi Tinggi biasanya diwakili oleh perdebatan sengit tentang keyakinan tinggi di kedua sisinya, dengan diskusi cepat memburuk menjadi serangan hominem dan produsen berteriak memotongnya untuk komersial untuk mencegah agar tidak bertengkar. Untungnya, semua ini akan berubah. Dalam sebuah makalah penelitian oleh Reginald Smith dari Institut Bouchet Franklin di Rochester berjudul Apakah perdagangan frekuensi tinggi mendorong perubahan dalam struktur mikro dan dinamika pasar, penulis menemukan bahwa dia dapat dengan jelas menunjukkan bahwa HFT memiliki dampak yang semakin besar pada struktur mikro dinamika perdagangan saham. . Nilai yang diperdagangkan, dan dengan volume perdagangan yang terbatas, fluktuasi mulai menunjukkan kesamaan diri pada rentang waktu yang semakin pendek. Nilai yang dulunya hanya ada pada pesanan beberapa jam atau hari sekarang biasa terjadi dalam skala waktu dalam hitungan detik atau menit. Adalah penting bahwa algoritma perdagangan pedagang HFT, dan juga mereka yang berusaha untuk memahami, memperbaiki, atau mengatur HFT menyadari bahwa keseluruhan struktur perdagangan dipengaruhi secara terukur oleh HFT dan bahwa model kebisingan Gaussian dari volume perdagangan jangka pendek Fluktuasi kemungkinan semakin tidak dapat diterapkan. Dengan kata lain, penulis menemukan banyak bukti bahwa selama dekade yang lalu (di NASDAQ) dan terutama sejak revisi Reg NMS 2005 (di NYSE), perdagangan saham semakin menunjukkan pola fraktal serupa, menghasilkan lonjakan volatilitas, umpan balik rekursif Loop, dan struktur pasar yang semakin menjadi produk mekanisme perdagangan aktual. Dalam prosesnya, seperti yang ditunjukkan oleh Eksponen Hurst yang semakin meningkat dari 0,5 (yaitu wilayah Brown Noise), sifat Markov Process dari perdagangan saham dipertanyakan, dan dengan demikian seluruh premis pasar yang efisien harus dievaluasi ulang. Cukup berkata: HFT telah terbukti mempengaruhi kewajaran perdagangan. SEC telah merilis Temuan Awal Mengenai Peristiwa Pasar pada tanggal 6 Mei 2010, yang tidak menemukan apa-apa, dan hanya menjanjikan penyidikan lebih lanjut. Solusi yang diajukan saat ini untuk masalah ini dapat ditertawakan - lebih banyak hambatan, yang tidak melakukan apa pun untuk mengatasi masalah mendasar yang dihadapi, yaitu bahwa pembuat pasar modern, HFT algos, menarik likuiditas saat ini, dan yang dapat mengacaukan Pasar seketika seketika momentum strategi pengapian mengambil alih. Seperti yang telah kami berspekulasi, SEC tidak akan menemukan bahan apa pun sampai saat kilatan kilat berikutnya menghapusnya 10 tapi membuat pasar menjadi hibernasi yang tidak terbatas. Satu hal yang dilakukan laporan tersebut, adalah memberikan analisis ekstensif terhadap High Frequency Traders, sebuah konsep yang hampir tidak dikenal baru-baru ini seperti setahun yang lalu. Satu hal yang tidak disebutkan di mana saja dalam laporan ini, adalah alat NYSE yang dikenal sebagai Penyedia Likuiditas Supplementary, sebuah program yang dibuat untuk memberi dominasi Goldman atas sistem rabat likuiditas DMM-paralel di NYSE. Orang akan berpikir bahwa SEC akan menyadari program ini yang seharusnya berakhir pada awal 2009, namun terus diperluas dan memberi Goldman dan Getco, boleh dibilang, informasi tentang arus ketertiban yang belum pernah terjadi sebelumnya. Platform perdagangan terkomputerisasi dan berbagai algos memasuki kegilaan terbesar atas beragam tipuan teknologi sejak kecelakaan Oktober 1987. Dan masyarakat menuntut darah mereka. Atau seperti kasusnya, Lithium Hydride. Sayangnya, agen yang seharusnya melindungi investor dari penyalahgunaan HFT dan berbagai teknologi bermodel baru sangat bodoh untuk bisa mengatasi masalah besar ini. Meskipun demikian, Senator Ted Kaufman (D-DE) dan Mark Warner (D-VA) pada hari Jumat mengusulkan penambahan RUU reformasi Senat Wall Street yang akan mengarahkan Securities and Exchange Commission dan Commodity Futures Trading Commission untuk melapor ke Kongres mengenai beberapa Isu utama seputar krisis pasar 6 Mei 2010, yang menyebabkan Dow Jones Industrial Average turun drastis dalam hitungan menit. Algoritma perdagangan frekuensi tinggi telah menjadi fokus awal pertanyaan mengenai keruntuhan. Kami berharap Kaufman sukses. Di sisi lain, produk produk kerja SEC yang paling mungkin akan menjadi hasil cetakan 1 juta halaman dari semua jpeg di underagetransvestitesforregulators. Lebih dikenal di lingkaran SEC sebagai hasil uji tuntas. Seperti biasa, kami harap kami salah. Seperti biasa, kami menduga kami arent. Oleh Chopshop - 12 Feb 2010 9:05 AM Brasil BOVESPA dan Merc menandatangani Nota Kesepahaman sebagai Mitra Strategis Pilihan Global untuk bersama-sama mengembangkan platform perdagangan elektronik multi-aset kelas baru, dengan kapasitas untuk memproses transaksi dalam waktu kurang dari satu milidetik Untuk ekuitas, derivatif, efek pendapatan tetap dan aset lain yang diperdagangkan di bursa atau yang diperdagangkan di OTC. Berdasarkan teknologi yang berasal dari sistem perdagangan CME Globex, platform baru ini akan menampung semua segmen BVMF di bawah infrastruktur yang sama. 1 Ikon tebing menyoroti siaran pers di toto 2 Harian amp Diagram CME mingguan Beberapa perusahaan perdagangan frekuensi tinggi menyumbang sekitar 70 persen volume perdagangan keseluruhan di pasar ekuitas AS pada tahun 2009. Satu perusahaan dengan sistem komputerisasi semacam itu diperdagangkan di atas 2 miliar saham dalam satu hari di bulan Oktober 2008, yang mencapai lebih dari 10 persen volume perdagangan saham AS untuk hari ini. Apa keuntungan dan kerugian dari lingkungan perdagangan yang bergantung pada teknologi ini, dan bagaimana risikonya dikendalikan. Lingkungan perdagangan dengan frekuensi tinggi berpotensi menghasilkan kesalahan dan kerugian dengan kecepatan dan besaran yang jauh lebih besar daripada di lingkungan perdagangan berbasis lantai atau layar. - Chicago Federal Reserve Tampaknya prop trading bisa segera dalam perjalanan keluar. Untungnya, ini hanya menyumbang lebih dari 10 pendapatan Goldman: oleh karena itu kemungkinan tidak akan terjawab. Bloomberg menulis: Presiden Barack Obama besok akan menawarkan proposal baru untuk membatasi ukuran dan kompleksitas sistem perdagangan proprietary sebagai cara untuk mengurangi pengambilan risiko, kata seorang pejabat senior pemerintah. Meskipun ini belum merupakan akhir perdagangan prop formal yang mungkin atau mungkin bukan cara legal untuk memanfaatkan persaingan antara perdagangan arus dan prop, sehingga klien scalping dengan cara yang dapat diterima dengan sempurna (definisikan kata yang dapat diterima), ia memiliki semua Pembuatan awal dari akhir. Dan yang lebih penting lagi, ini menandai awal Kaca-Steagalls yang telah lama ditunggu. Selama akhir pekan, para profesional MetWest utama mengasumsikan tanggung jawab pengelolaan portofolio untuk semua akun klien pendapatan tetap bermutu tinggi TCW. Transisi ini telah tertib dan mulus, merupakan bukti profesionalisme dan antusiasme dari kedua karyawan MetWest dan TCW. Terlampir, harap temukan daftar lengkap produk pendapatan tetap bermutu tinggi dan manajer portofolio masing-masing, yang berlaku saat ini. Kami berharap Anda akan melihat pendekatan berbasis tim yang kolaboratif dan berbasis tim untuk pengelolaan portofolio. Kami percaya bahwa budaya kerja sama ini akan memfasilitasi integrasi cepat dari tim pendapatan tetap kami menjadi satu kesatuan. Kami mengantisipasi kemungkinan pengunduran diri sebagai hasil dari pengumuman ini. Namun, sampai hari ini, kami telah mempertahankan 70 tim sekuritas berbasis mortgage. - Data empiris TCW menunjukkan bahwa High Frequency Trading, dan VWAP algos pada khususnya, memperkenalkan banyak pilihan buruk dan kekurangan likuiditas yang meningkat relatif terhadap strategi perdagangan non-HFT. Biaya akhir dari pemangkasan pasar yang dimediasi oleh HFT saat ini mungkin jauh melampaui pajak transaksi yang diajukan, yang menyiratkan bahwa biaya perdagangan sebenarnya dapat dikurangi karena varian Tobin menghilangkan fitur eksternalitas yang terkait dengan algoritma dominan pasar HFT yang merugikan. Oleh Fibozachi - 18 Nov 2009 18:00