مؤتمتة بناء المتاجرة أنظمة جافا

كيفية فتح نظام التداول جافا يهدف نظام التداول المفتوح جافا (أوجتس) إلى أن يكون بنية تحتية مشتركة لتطوير أنظمة تداول الأسهم. وهو يتألف من أربعة أجزاء: جمع البيانات الخام عبر الإنترنت الاعتراف إشارات التداول وحدة التصور والوحدات للاتصال واجهات برمجة منصات التداول مثل البنوك. وتهدف هذه المشاريع إلى توفير بنية تحتية مشتركة (جافا بلاتفورم) جافا (جافا) مستقلة لمطوري أنظمة التداول. بعض الجوانب التي يجب معالجتها هي توفير مخطط قاعدة بيانات متوافق مع SQL92 لتخزين البيانات المالية، واجهات جافا الشائعة لكيفية تبادل البيانات بين وحدات مختلفة، وتصور البيانات المالية الخام وإشارات التداول والعديد من الجوانب المشتركة الأخرى اللازمة لإنشاء نظام التداول النهائي. بسبب وظيفتي وعائلتي أنا لا أجد الوقت لتحسين أوجتس لفترة أطول. أنا مستمر في تحديث قسم الروابط أدناه التي سوف توجه لكم لمشاريع جافا مفتوحة المصدر أكثر نشاطا في هذا المجال، على الرغم من. في الواقع كنتيجة لاهتمام بلدي في ديناميات أسواق الأسهم بدأت رحلة إلى تفاصيل أعمق من الاقتصاد الوطني من أجل فهم أسعار صرف العملات. هذا الموضوع يؤدي لي أخيرا إلى دراسة أعمق من المال في حد ذاته وحدة القياس التي نستخدمها في الاقتصاد لقياس قيمة، والنجاح أو فائدة. هذا الموضوع تبين أن مثيرة للاهتمام للغاية ولكن في الوقت نفسه كان من الصعب جدا العثور على أي معلومات حول كيفية عمل نظامنا النقدي. نتجول ونطلب من الناس حيث يأتي المال، الذي يخلق ذلك وما يحدد قيمته. ستلاحظ أنه حتى الناس الذين لديهم درجة الماجستير أو دكتوراه في الطب. في الاقتصاد لن يعرف هذه التفاصيل. أوه، نعم، سوف يجيبون في بعض المصطلحات الفنية الخفية، لكنها لن تكون قادرة على رسم رسم تخطيطي بسيط الذي يحدد العملية. ويذكر أن ج. ويلز قال: لكتابة العملة هو عموما المعترف بها باعتبارها ممارسة غير مقبولة، بل تقريبا غير لائقة. سوف يناشد المحررون الكاتب بالدموع تقريبا لا يكتب عن المال، وليس لأنه موضوع غير مهتم، ولكن لأنه كان دائما واحد مزعج للغاية. أقترح على أي شخص يعيش في مجتمع ديمقراطي أن يقرأ عن هذا الموضوع. إنه يؤثر على حياتنا كل يوم إلى حد لا يمكن أن يكون مفرطا في رأيي أن على كل مواطن في بلد ديمقراطي على هذا العالم أن يعرف أين تأتي أموالنا. على الأرجح أنك وصلت إلى هذا الموقع على شبكة الإنترنت من أجل البحث عن الأدوات التي تساعدك في زيادة الثروة النقدية الخاصة بك. لفهم وحدة وحدة القياس (بغض النظر عن الدولار أو اليورو) سيكون عنصرا هاما في مجموعة الأدوات الخاصة بك لكسب المال. إذا كان لديك القليل من الوقت، ويمكن فقط أن تحمل قراءة كتاب واحد واحد حول هذا الموضوع ثم أقترح عليك قراءة الثروة والثروة الافتراضية والديون من قبل فريدريك سودي. كنت قادرا على شراء نسخة مستعملة عبر الأمازون ل 23.48، ولكن هناك أيضا نسخة على الانترنت. سوف تحتاج إلى البرنامج المساعد دجفو لقراءته. وقد نشر هذا الكتاب أصلا في عام 1929، ولكن لا يزال يصف الحقائق الفعلية بشكل جيد للغاية. حتى لو كنت لا أتفق مع كل استنتاجات فريدريك سودي عمله يعتقد بشكل مثير إثارة وسوف تقودك لطرح الأسئلة الصحيحة. N بوستفيكسيس و أوبداتد دوكومنتاتيون أعلن عن تعليق التطوير النشط والمراجع المضافة إلى المعلومات حول نظمنا النقدية (دولاريورو). وأضاف قسم الروابط لمشاريع نظام التداول جافا أخرى مثيرة للاهتمام. أنا التحقيق في كيفية جعل أوجتس أكثر توافقا مع جهود نظام التداول جافا أخرى. مشروع توثيق نظام الاستثمار والتجارة الذي يمكن الاطلاع عليه في ITSdoc. org. هناك ويكي جديد متاح في ITSdoc. org مع التركيز على توزيع المعرفة في مجال أنظمة الاستثمار والتجارة. الفكرة وراء ITSdoc. org هو أن يكون منصة تعاون مماثلة ل ويكيبيديا مساعدة المجتمع لتبادل المعرفة. أوبينجافاترادينغسيستم v0.13 صدر. أمس أصدرت الإصدار 0.13 من مكتبة أوبينجافاترادينغسيستم. من بين الميزات الجديدة هي: استرجاع البيانات للأسهم والصناديق والعملات من أونفيستا. تنفيذ التعامل مع العملات والتحويلات. يتم تنفيذ المحافظ، ويمكنك العمل مع المحافظ بنفس الطريقة كما هو الحال مع البنود ورقة الأمن واحد. وأضاف إطار عام لتطبيق الخوارزميات لسلسلة زمنية سوق الأوراق المالية. تحولت من قذيفة تفاعلية سيسكشيم إلى أبكلكومونليسب بالإضافة إلى محرره دعا J. وأضاف آلية التخزين المؤقت للبيانات العامة لذاكرة التخزين المؤقت للبيانات التي تم استرجاعها بالفعل عبر شبكة الإنترنت في نظام الملفات. بالإضافة إلى العديد من التحسينات الطفيفة إذا كنت مهتما في هذا الإصدار الجديد يجب أن تبدأ في قسم كويكستارتسكرينشوت. لم يتم تحديث الدليل حتى الآن ولكن يمكن أن تعطيك مع ذلك بعض المعلومات الأساسية قيمة إذا كنت ترغب في استخدام المكتبة في المشروع الخاص بك. يجب تحديث الوثائق قريبا. في الوقت الحالي ليس هناك الكثير من التطوير، لأنني رفع مستوى معرفتي عن شبكات بايزي. انظر على سبيل المثال قائمة الكتب على موقع الويب الخاص بي. اثنين من مشاريع مثيرة جدا للاهتمام في هذا الصدد هي ويكا و بنج. وسأواصل قريبا التنمية، وسوف أبدأ في دمج الذكاء الأول في النظام. اليوم أضع الإصدار الأول في قسم الملفات من منطقة تحميل سورسيفورج. وبالإضافة إلى ذلك قمت بتحديث الدليل لتوثيق الاستخدام التفاعلي للمشروع من خلال طبقة مخطط سيسك. للصبر هنا هو قسم كويكستارسكرينشوت لتحصل على الذهاب. ال توجد وثائق تصف املرشوع الداخلي للمشروع. جافا داتا أوبجيكتس أند إنتيرفاس دوكومنتاتيون غغتتمل غتبفف وثائق الاستخدام غغتتمل غتبفف مشروع توثيق نظام الاستثمار والتجارة gtgtitsdoc. org T إكنولوغي طرف ثالث كتل البناء المستخدمة في هذا المشروع هكل قاعدة بيانات المحرك (الترخيص: hsqldblic. txt) هكلدب هو محرك قاعدة البيانات التي يتم شحنها مع المشروع بحيث يمكنك البدء فورا باستخدام أوجتس دون تثبيت قاعدة بيانات طرف ثالث. ولكن إذا كنت تخطط لاستخدام قاعدة بيانات متوافقة مع SQL92 آخر ثم هذا هو خيار التكوين. كاستور (الترخيص: رخصة إكسولاب) كاستور هو إطار بيانات مفتوح المصدر ملزم لجافاتم. في أقصر مسار بين كائنات جافا، وثائق شمل والجداول العلائقية. يوفر كاستور جافا-تو-شمل ملزم، استمرار جافا إلى سكل، وأكثر من ذلك. كاستور دوكليت (ترخيص: غنو لغبل v2.1) جافا دوكليت لتوليد كل من الخرائط و ملفات دل ل كاستور جدو و كاستور شمل. تيستماكر (الترخيص: تيستماكر الترخيص المفتوح المصدر) من مشروع تيستماكر فقط يتم استخدام تنفيذ البروتوكولات مثل هتب أو هتبس لجمع البيانات من الويب. جكوكي (الترخيص: غنو لغبل v2.1) مكتبة جكوكي ضرورية لمكتبات تستماكر للعمل. هتملبارسر (الترخيص: غنو لغبل v2.1) يتم استخدام مكتبة هتملبارسر لاستخراج البيانات من موارد الويب. أبكلكومونليسب (الترخيص: غنو غل v2) يستخدم أبكل (أرمد بير كومون ليسب) لتنفيذ القلب الخوارزمي للمشروع في لغة البرمجة ليسب المشتركة أنسي. جفريشارت (ترخيص: غنو لغبل v2.1) يستخدم جفريشارت لتصور البيانات المالية والرسوم البيانية. جسي (الترخيص: غنو لغبل v2.1) جسسي - أبي العلوم جافا. جودا تايم (ترخيص: ترخيص محلي مفتوح المصدر) جودا تايم يحل محل فئات جدك التاريخ والوقت الأصلية. L i n k s روابط لمشاريع أخرى قد تكون مجموعة جافاترادرز جوجل أفضل مدخل لك لمعرفة المزيد عن أنظمة التداول الأخرى القائمة على جافا. شروط الاستخدام رمز المشروع مرخص وفقا لشروط لغبل وجميع الوثائق التي تجدها في هذا المشروع مرخصة بموجب شروط FDL. This الاستعراض هو أكثر من مؤشر لمفاهيم قيمة بالإضافة إلى وصلة إلى ورقة بيضاء مثيرة جدا للاهتمام كلها تقع على موقع شركة تريديوم إنك. حركة باجاس لديها القدرة على تحديد بيئة تطبيق أتمتة البناء مع المواصفات التي تصف مجموعة من واجهات برمجة التطبيقات جافا ومخططات شمل لتطبيقات نظام التحكم القابلة للتشغيل المتبادل. باجا جافا الهندسة المعمارية القياسية باجا (بناء أتمتة جافا الهندسة المعمارية) هو جهد المعايير مع مهمة إنشاء مفتوحة، منصة جافا لسوق التشغيل الآلي للمباني. باجا هو مجموعة من التطبيقات البرمجية مكون صمم من يوم واحد للاستفادة من قوة الإنترنت، ودعم صحيح التوصيل والتشغيل والسماح للتشغيل البيني متعدد البائعين كاملة. باستخدام واجهات برمجة التطبيقات جافا ومخططات شمل، باجا يسمح للمطورين لتلاقي بروتوكولات الجهاز متعددة البائعين ومعايير الاتصالات مع تقنيات الإنترنت في معيار عالمي واحد وتكييفها في بيئة مفتوحة قابلة للتشغيل المتبادل. والنتيجة هي الحل الذي يفتح إمكانات الأجهزة الذكية والإنترنت بطرق لا يمكن تصورها سابقا، مع توفير تكاليف التشغيل الآلي والبنية التحتية للمعلومات أقل بكثير. يتكون فريق الخبراء الراعي باجا من خلال عملية المعايير من العديد من اللاعبين الرئيسيين في صناعة الأتمتة. وهي تشمل: تريديوم، وشركة جونسون كونترولز صن ميكروسيستمز ياماتاك إنفنسيس إشيلون هانيويل كيك (إيمرسون إليكتريك) سيمنز بيلدينغ تيشنولوجيز حركة ترانس شركة باجاس لديها القدرة على تحديد بيئة تطبيق أتمتة البناء مع المواصفات التي تصف مجموعة من واجهات برمجة التطبيقات جافا ومخططات شمل لتطبيقات نظام التحكم القابلة للتشغيل المتبادل. وهو يحدد معمارية جافا القياسية لوحدات تحكم قابلة للبرمجة، وهي بنية مكونة مشتركة تتيح إمكانية التشغيل البيني بين البرامج المتعددة البائعين والأجهزة غير المتجانسة، وهو نموذج يستخدمه بسهولة غير المبرمجين لإنشاء تطبيقات التحكم والقدرة على البرمجة أثناء التطبيق جري. وبالنسبة إلى 99٪ من المباني القائمة في السوق الأميركية التي لا تستطيع حاليا استبدال أجهزةها القديمة بالوفاء بمعايير النظام المفتوحة، فإن باجا تعني الحرية من قفل الأجهزة وقفل البرامج. وسوف تعطي الشركات القدرة على تطوير بسهولة التطبيقات الخاصة بهم وبرامج تشغيل الأجهزة في بيئة مفتوحة، سهل الاستعمال. سوف باجا تمكين الاتصال والتكامل من المعلومات الرئيسية من جميع النظم وتطبيقات البرمجيات في المباني. النتيجة الصافية: إطار من شأنه أن يسمح للشركات لتلبية احتياجات عملائها بشكل أفضل مع أفضل الحلول سلالة والتوافق الإنترنت الكامل. وسوف تكون مملوكة بشكل مشترك باغا القياسية من قبل شركة تريديوم وشركة صن MicroSystems. Cyan الربيع أتس سماوي الربيع أتس هو منصة التداول خوارزمية مفتوحة المصدر. ويهدف إلى توفير حلول التداول الآلي للبنوك الاستثمارية ومديري الصناديق والتجار الأفراد. سماوي الربيع أتس يجمع بين التداول وإدارة النظام الخوارزمية في نظام متكامل واحد يسمح تطوير استراتيجية سريعة و ديلبويمنت. ميل الحجارة الإصدار 1.32 صدر مع اتصالات يب الإصدار 1.36 صدر مع استمرار القراد وإطار اختبار الظهر الإصدار 1.53 صدر مع نشر استراتيجية وقت الإصدار 1.65 صدر مع استراتيجية أداة واحدة الإصدار 2.31 صدر مع الترقية إلى جافا 7 متوافق معلومات البرنامج معرفة المزيد عن التطبيق سماوي الربيع خوارزمية التداول البرمجيات يسمح التنمية سهلة من استراتيجيات بسيطة ومتطورة إطار استراتيجية صلبة يدعم التطور السريع لاستراتيجيات ترتيب واحد. إستراتيجيات الصك الواحد واستراتيجيات الأدوات المتعددة توفر محطة عمل سيني سبرينغ ترادر ​​(ستو) واجهة مستخدم رسومية (غوي) للمتداولين لمراقبة ومراقبة تشغيل الاستراتيجيات سيان سبرينغ أتس يدعم بروتوكول فيكس ووصلات الوسيط التفاعلي تعرف على بنية النظام حول الربيع السماوي أتس الاختيار لك: نظام تجاري المؤسسة مع توزيع ملقم الكتلة توزيع أو خفيفة الوزن ألغو الروبوت مع العميل بسيطة وتكوين الخادم. الحل جافا مع العمارة مدفوعة الحدث تطبيقات متعددة الطبقات على أساس نظام الرسائل جافا (جمس) يمكن أن تعمل خوادم موتليبل معا كمجموعة لتبادل العمل تحميل سيان سبرينغ ترادر ​​وركستاتيون (ستو) يمكن الاتصال بخوادم متعددة في نفس المجموعة الأسئلة المتداولة يشعر مجانا لنشر في المنتديات لدينا عن أي أسئلة قد تكون لديك معلومات الخدمة هل تحب برنامجنا سماوي الربيع أتس المجموعة هو لقاء من المطورين الذين يتخصصون في بناء أنظمة ألغوترادينغ. إذا كنت ترغب في برامجنا، يمكنك أن تنظر في الخدمات التالية التي نقدمها التشاور والتخصيص التنمية على الربيع السماوي أتس الخدمات الاستشارية على تطوير نظام التداول العام ونشر قد يكون لدينا المطورين والمساهمين مفتوحة لخيار الانضمام شركتك كمقاول أو الموظفين الدائمين رهنا بتوافرها يرجى مراسلتنا على إنفوسيانسبرينغ عن أي استفسار سماوي الربيع أتس - المصدر المفتوح خوارزمية التداول البرمجيات حقوق الطبع والنشر 2011-2012 سماوي الربيع المحدودة. جميع الحقوق محفوظة بيست بروجرامينغ لانغواد فور غوارزميك ترادينغ سيستمز واحدة من الأسئلة الأكثر شيوعا التي أحصل عليها في كيس البريد الإلكتروني قس هو ما هي أفضل لغة برمجة للتداول الحسابي. الجواب القصير هو أنه لا توجد أفضل لغة. يجب النظر في معايير الاستراتيجية، والأداء، نمطية، والتنمية، والمرونة والتكلفة. سوف توضح هذه المقالة المكونات الضرورية لهيكل نظام التداول الخوارزمي وكيف تؤثر القرارات المتعلقة بالتنفيذ على اختيار اللغة. أولا، سيتم النظر في المكونات الرئيسية لنظام التداول الخوارزمي، مثل أدوات البحث، ومحفظة المحفظة، ومدير المخاطر ومحرك التنفيذ. وفي وقت لاحق، سيتم دراسة استراتيجيات التداول المختلفة وكيفية تأثيرها على تصميم النظام. على وجه الخصوص وتيرة التداول وحجم التداول المحتمل على حد سواء سيتم مناقشتها. مرة واحدة وقد تم اختيار استراتيجية التداول، فمن الضروري لمهندس النظام بأكمله. وهذا يشمل اختيار الأجهزة، ونظام التشغيل (ق) ومرونة النظام ضد الأحداث النادرة، التي يحتمل أن تكون كارثية. وبينما يجري النظر في العمارة، يجب إيلاء الاعتبار الواجب للأداء - سواء لأدوات البحث أو لبيئة التنفيذ المباشر. ما هو نظام التداول محاولة القيام به قبل اتخاذ قرار بشأن أفضل لغة لكتابة نظام التداول الآلي من الضروري تحديد المتطلبات. هل سيستمر النظام على أساس التنفيذ بحتة هل يتطلب النظام إدارة المخاطر أو وحدة بناء المحفظة سوف يتطلب النظام باكتستر عالي الأداء بالنسبة لمعظم الاستراتيجيات يمكن تقسيم نظام التداول إلى فئتين: البحث وتوليد الإشارة. وتتعلق البحوث بتقييم أداء الاستراتيجية على البيانات التاريخية. إن عملية تقييم إستراتيجية التداول على بيانات السوق السابقة تعرف ب "الاختبار المسبق". وسيكون حجم البيانات والتعقيد الخوارزمي لها تأثير كبير على كثافة الحسابية من باكتستر. سرعة وحدة المعالجة المركزية والتزامن غالبا ما تكون العوامل المحددة في تحسين سرعة تنفيذ البحث. ويتعلق توليد الإشارة بتوليد مجموعة من إشارات التداول من خوارزمية وإرسال هذه الأوامر إلى السوق، وعادة عن طريق الوساطة. بالنسبة لبعض الإستراتیجیات، یلزم وجود مستوى عال من الأداء. غالبا ما تكون قضايا إو مثل عرض النطاق الترددي للشبكة والكمون العامل المحدد في تحسين أنظمة التنفيذ. وبالتالي فإن اختيار اللغات لكل مكون من مكونات النظام بأكمله قد يكون مختلفا تماما. النوع والتواتر وحجم االستراتيجية سيكون لنوع االستراتيجية الخوارزمية المستخدمة تأثير كبير على تصميم النظام. وسوف يكون من الضروري النظر في الأسواق التي يجري تداولها، والاتصال ببائعي البيانات الخارجية، وتواتر وحجم الاستراتيجية، والمفاضلة بين سهولة التنمية وتحسين الأداء، فضلا عن أي أجهزة مخصصة، بما في ذلك العرف المشترك والخوادم، وحدات معالجة الرسومات أو فبغا التي قد تكون ضرورية. خيارات التكنولوجيا لاستراتيجية منخفضة الأسهم الأسهم الولايات المتحدة سوف تختلف اختلافا كبيرا عن تلك التي من استراتيجية عالية التردد التحكيم الإحصائية التداول في سوق العقود الآجلة. قبل اختيار اللغة يجب تقييم العديد من بائعي البيانات التي تتعلق باستراتيجية في متناول اليد. سيكون من الضروري النظر في الاتصال بالمورد، وهيكل أي واجهات برمجة تطبيقات، وتوقيت البيانات، ومتطلبات التخزين والمرونة في مواجهة البائع الذي يعمل دون اتصال. ومن الحكمة أيضا أن تمتلك إمكانية الوصول السريع إلى بائعين متعددين تمتلك الأدوات المختلفة جميعها مخزونات تخزين خاصة بها، ومن الأمثلة على ذلك رموز شريط متعددة للأسهم وتاريخ انتهاء الصلاحية للعقود الآجلة (ناهيك عن أي بيانات أوتك محددة). ويتعين مراعاة ذلك في تصميم المنصة. ومن المرجح أن يكون تكرار الاستراتيجية واحدا من أكبر العوامل الدافعة لكيفية تحديد كومة التكنولوجيا. الاستراتيجيات التي تستخدم بيانات أكثر تواترا من الحانات بدقة أو الثانية تتطلب اهتماما كبيرا فيما يتعلق بالأداء. وتؤدي الاستراتيجية التي تتجاوز الحدود الثانية (أي بيانات القراد) إلى تصميم مدعوم بالأداء باعتباره الشرط الأساسي. وبالنسبة للاستراتيجيات ذات التردد العالي، سيلزم تخزين كمية كبيرة من بيانات السوق وتقييمها. برامج مثل HDF5 أو كدب تستخدم عادة لهذه الأدوار. من أجل معالجة كميات واسعة من البيانات اللازمة لتطبيقات هفت، يجب أن تستخدم على نطاق واسع باكتستر ونظام التنفيذ. سيسي (ربما مع بعض المجمع) من المرجح أن أقوى مرشح اللغة. وسوف تتطلب استراتيجيات فائقة التردد تقريبا تقريبا الأجهزة المخصصة مثل فبغاس وتبادل تبادل الموقع و كيرنالنيتورك واجهة ضبط. نظم البحوث نظم البحوث عادة ما تنطوي على مزيج من التنمية التفاعلية والنصوص الآلي. وغالبا ما يحدث الأول داخل إيد مثل فيسوال ستوديو، ماتلاب أو R ستوديو. ويشمل هذا الأخير حسابات عددية واسعة النطاق على العديد من المعلمات ونقاط البيانات. وهذا يؤدي إلى اختيار اللغة توفير بيئة مباشرة لاختبار التعليمات البرمجية، ولكن أيضا يوفر أداء كافيا لتقييم الاستراتيجيات على أبعاد متعددة المعلمة. تتضمن إيديس النموذجية في هذا المجال ميكروسوفت فيسوال سيسي، الذي يحتوي على أدوات مساعدة التصحيح واسعة، وقدرات اكتمال التعليمات البرمجية (عبر إنتليزنس) ومحات عامة مباشرة من كومة المشروع بأكمله (عبر قاعدة البيانات أورم، لينق) ماتلاب. والتي تم تصميمها لالجبر العددي واسعة العمليات الجبرية و فيكتوريسد، ولكن بطريقة تفاعلية وحدة التحكم R ستوديو. الذي يلتف وحدة تحكم اللغة الإحصائية R في إيد إكليبس إيد كاملة لينكس جافا و C و إيدس شبه الملكية مثل إنوهت الستارة ل بيثون، والتي تشمل مكتبات تحليل البيانات مثل نومبي. SciPy. سسيكيت-تعلم والباندا في بيئة تفاعلية واحدة (وحدة التحكم). ل باكتستينغ العددية، جميع اللغات المذكورة أعلاه هي مناسبة، على الرغم من أنه ليس من الضروري استخدام غويد كما سيتم تنفيذ التعليمات البرمجية في الخلفية. الاعتبار الرئيسي في هذه المرحلة هو سرعة التنفيذ. وغالبا ما تكون اللغة المترجمة (مثل C) مفيدة إذا كانت أبعاد معلمة باكتستينغ كبيرة. تذكر أنه من الضروري أن نكون حذرين من مثل هذه الأنظمة إذا كان هذا هو الحال في اللغات المترجمة مثل بيثون في كثير من الأحيان الاستفادة من المكتبات عالية الأداء مثل نومبيبانداس لخطوة باكتستينغ، من أجل الحفاظ على درجة معقولة من القدرة التنافسية مع معادلات مجمعة. في نهاية المطاف سيتم تحديد اللغة المختارة لل باكتستينغ من قبل الاحتياجات الخوارزمية محددة وكذلك مجموعة من المكتبات المتاحة في اللغة (أكثر على ذلك أدناه). ومع ذلك، فإن اللغة المستخدمة لباكتستر والبيئات البحثية يمكن أن تكون مستقلة تماما عن تلك المستخدمة في بناء محفظة، وإدارة المخاطر ومكونات التنفيذ، كما سيتبين. إدارة المحفظة وإدارة المخاطر غالبا ما يتم تجاهل مكونات بناء المحفظة وإدارة المخاطر من قبل تجار التجزئة الخوارزمية. هذا هو دائما تقريبا خطأ. وتوفر هذه الأدوات الآلية التي سيتم من خلالها الحفاظ على رأس المال. أنها لا تحاول فقط لتخفيف عدد الرهانات محفوفة بالمخاطر، ولكن أيضا تقليل زبد من الصفقات نفسها، والحد من تكاليف المعاملات. ويمكن أن يكون للإصدارات المتطورة من هذه المكونات تأثير كبير على نوعية وربحية الربحية. فمن السهل إنشاء استراتيجيات مستقرة حيث يمكن بسهولة تعديل آلية بناء المحفظة ومدير المخاطر للتعامل مع أنظمة متعددة. ومن ثم ينبغي اعتبارها عناصر أساسية في بداية تصميم نظام تجاري حسابي. وظيفة نظام بناء محفظة هو اتخاذ مجموعة من الصفقات المطلوبة وإنتاج مجموعة من الصفقات الفعلية التي تقلل من زبد، والحفاظ على التعرض لعوامل مختلفة (مثل القطاعات وفئات الأصول والتقلب وغيرها) وتحسين تخصيص رأس المال لمختلف استراتيجيات في محفظة. غالبا ما يقلل بناء الحافظة من مشكلة الجبر الخطي (مثل معامل المصفوفة)، وبالتالي يعتمد الأداء بشكل كبير على فعالية تنفيذ الجبر الخطي العددي المتوفر. وتشمل المكتبات العامة أوبلاس. لاباك و ناغ ل C. ماتلاب تمتلك أيضا عمليات مصفوفة الأمثل على نطاق واسع. يستخدم بيثون نومبيسيبي لمثل هذه الحسابات. وستتطلب المحفظة التي تتم إعادة توازنها بشكل متكرر مكتبة مصفوفة مجمعة (ومثبتة جيدا) لتنفيذ هذه الخطوة، حتى لا تعيق نظام التداول. إدارة المخاطر جزء آخر مهم للغاية من نظام التداول الخوارزمي. ويمكن أن تأتي المخاطر في أشكال كثيرة: زيادة التقلب (على الرغم من أن هذا قد يكون مرغوبا فيه لاستراتيجيات معينة)، وزيادة الارتباطات بين فئات الأصول، والتخلف عن الطرف المقابل، وانقطاعات الخادم، وأحداث البجعة السوداء، والبق غير المكتشفة في رمز التداول، قليل. وتسعى مكونات إدارة المخاطر إلى التنبؤ بآثار التقلبات المفرطة والارتباط بين فئات الأصول وآثارها اللاحقة على رأس المال المتداول. في كثير من الأحيان هذا يقلل إلى مجموعة من الحسابات الإحصائية مثل اختبارات الإجهاد مونت كارلو. وهذا يشبه إلى حد كبير الاحتياجات الحسابية لمحرك تسعير المشتقات وعلى هذا النحو سوف تكون مرتبطة بو. هذه المحاكاة هي موازية للغاية (انظر أدناه)، وإلى حد ما، فمن الممكن لرمي الأجهزة في هذه المشكلة. أنظمة التنفيذ تتمثل مهمة نظام التنفيذ في تلقي إشارات التداول التي تمت تصفيتها من مكونات بناء المحفظة وإدارة المخاطر وإرسالها إلى وساطة أو أي وسيلة أخرى للوصول إلى الأسواق. بالنسبة لمعظم استراتيجيات التداول خوارزمية التجزئة وهذا ينطوي على اتصال أبي أو فيكس إلى الوساطة مثل وسطاء التفاعلية. الاعتبارات الأساسية عند اتخاذ قرار بشأن لغة تشمل جودة أبي، توفر اللغة المجمع ل أبي، وتيرة التنفيذ والانزلاق المتوقع. تشير جودة أبي إلى مدى توثيقها بشكل جيد، أو نوع الأداء الذي توفره، سواء كانت تحتاج إلى برنامج مستقل يمكن الوصول إليه أو ما إذا كان يمكن إنشاء بوابة بطريقة بدون رأس (أي بدون واجهة المستخدم الرسومية). في حالة الوسطاء التفاعليين، يجب أن تعمل أداة ترادر ​​وركستاتيون في بيئة واجهة المستخدم الرسومية من أجل الوصول إلى واجهة برمجة التطبيقات الخاصة بهم. كان لي مرة واحدة لتثبيت طبعة أوبونتو سطح المكتب على خادم سحابة الأمازون للوصول إلى وسطاء التفاعلية عن بعد، بحتة لهذا السبب معظم واجهات برمجة التطبيقات توفر واجهة C أندور جافا. وعادة ما يصل إلى المجتمع لتطوير مغلفات لغة محددة ل C، بيثون، R، إكسل و ماتلاب. لاحظ أنه مع كل الإضافات الإضافية المستخدمة (وخاصة أبي مغلفات) هناك مجال للخلل لزحف إلى النظام. دائما اختبار الإضافات من هذا النوع وضمان الحفاظ عليها بنشاط. مقياس جدير بالاهتمام هو معرفة عدد التحديثات الجديدة التي تم إجراؤها على كودباس في الأشهر الأخيرة. تردد التنفيذ هو في غاية الأهمية في خوارزمية التنفيذ. لاحظ أن المئات من الطلبات قد يتم إرسالها كل دقيقة، وعلى هذا النحو أمر بالغ الأهمية. سوف يتم تكبد الانزلاق من خلال نظام التنفيذ سيئة الأداء وهذا سيكون له تأثير كبير على الربحية. وتعتبر اللغات المكتوبة إحصائيا (انظر أدناه) مثل سغافا هي الأمثل عموما للتنفيذ ولكن هناك مفاضلة في وقت التطوير والاختبار وسهولة الصيانة. اللغات التي يتم كتابتها ديناميكيا، مثل بيثون و بيرل هي الآن سريعة بشكل عام. تأكد دائما من تصميم المكونات بطريقة نمطية (انظر أدناه) بحيث يمكن تبديلها خارجا كمقاييس النظام. التخطيط المعماري وعملية التطوير تمت مناقشة مكونات نظام التداول ومتطلباته من حيث الحجم والحجم، ولكن البنية التحتية للنظام لم يتم تغطيتها بعد. أولئك الذين يعملون كمتاجر التجزئة أو يعملون في صندوق صغير من المرجح أن يرتدي العديد من القبعات. وسوف يكون من الضروري أن تغطي نموذج ألفا، وإدارة المخاطر والتنفيذ المعلمات، وأيضا التنفيذ النهائي للنظام. قبل مناقشة لغات محددة، سيتم مناقشة تصميم بنية النظام الأمثل. فصل الشواغل من أهم القرارات التي يجب اتخاذها في البداية كيفية فصل شواغل نظام تجاري. في تطوير البرمجيات، وهذا يعني أساسا كيفية تفريق مختلف جوانب النظام التجاري إلى مكونات وحدات منفصلة. من خلال تعريض الواجهات في كل من المكونات من السهل مبادلة أجزاء من النظام للنسخ الأخرى التي تساعد على الأداء، والموثوقية أو الصيانة، دون تعديل أي رمز التبعية الخارجية. وهذه هي أفضل ممارسة لهذه النظم. وبالنسبة للاستراتيجيات في الترددات المنخفضة، ينصح بهذه الممارسات. فبالنسبة لتداول الترددات العالية جدا، قد يكون من الضروري تجاهل قاعدة البيانات على حساب التغيير والتبديل في النظام للحصول على المزيد من الأداء. قد يكون من المرغوب فيه نظام أكثر إحكاما. إن إنشاء خريطة مكونة لنظام التداول الخوارزمي يستحق مقالا في حد ذاته. ومع ذلك، فإن النهج الأمثل هو التأكد من وجود مكونات منفصلة للمدخلات بيانات السوق التاريخية والحقيقية، وتخزين البيانات، أبي الوصول إلى البيانات، باكتستر، معايير الاستراتيجية، بناء محفظة وإدارة المخاطر وأنظمة التنفيذ الآلي. على سبيل المثال، إذا كان مخزن البيانات قيد الاستخدام حاليا ضعيفا، حتى عند مستويات كبيرة من التحسين، يمكن تبديله مع الحد الأدنى من إعادة الكتابة إلى ابتلاع البيانات أو أبي الوصول إلى البيانات. بقدر ما باكتستر والمكونات اللاحقة المعنية، ليس هناك فرق. فائدة أخرى من المكونات فصل هو أنه يسمح لمجموعة متنوعة من لغات البرمجة لاستخدامها في النظام العام. ليست هناك حاجة إلى أن تقتصر على لغة واحدة إذا كانت طريقة الاتصال من مكونات اللغة مستقلة. وسيكون هذا هو الحال إذا كانت تتصل عبر تكبيب، زيرومق أو بعض بروتوكول آخر اللغة مستقلة. كمثال ملموس، والنظر في حالة نظام باكتستينغ يجري كتابتها في C لعدد أداء الطحن، في حين تتم كتابة مدير محفظة ونظم التنفيذ في بايثون باستخدام سسيبي و إبي. اعتبارات الأداء الأداء هو أحد الاعتبارات الهامة لمعظم استراتيجيات التداول. لاستراتيجيات تردد أعلى هو العامل الأكثر أهمية. الأداء يغطي مجموعة واسعة من القضايا، مثل سرعة التنفيذ الخوارزمية، الكمون الشبكة، عرض النطاق الترددي، إو البيانات، كونكورنسيباراليليسم والتحجيم. كل من هذه المجالات هي التي تغطيها بشكل فردي الكتب المدرسية الكبيرة، لذلك هذه المادة سوف تخدش فقط سطح كل موضوع. سيتم الآن مناقشة الهندسة المعمارية واختيار اللغة من حيث آثارها على الأداء. الحكمة السائدة كما ذكر دونالد نوث. واحدة من آباء علوم الحاسوب، هو أن التحسين المبكر هو جذر كل الشر. هذا هو الحال دائما تقريبا - إلا عند بناء خوارزمية التداول عالية التردد بالنسبة لأولئك الذين يرغبون في استراتيجيات التردد المنخفض، نهج مشترك هو بناء نظام في أبسط طريقة ممكنة وتحسين فقط كما تبدأ الاختناقات في الظهور. وتستخدم أدوات التنميط لتحديد أين تنشأ الاختناقات. يمكن أن تكون ملامح لجميع العوامل المذكورة أعلاه، إما في بيئة ويندوز أو لينوكس. هناك العديد من أنظمة التشغيل وأدوات اللغة المتاحة للقيام بذلك، فضلا عن المرافق طرف ثالث. وسيتم الآن مناقشة اختيار اللغة في سياق الأداء. C، جافا، بيثون، R و ماتلاب كلها تحتوي على مكتبات عالية الأداء (إما كجزء من معيارها أو خارجيا) لبنية البيانات الأساسية والعمل الخوارزمية. C مع مكتبة قالب قياسي، في حين يحتوي بيثون نومبيسيبي. المهام الرياضية المشتركة هي التي يمكن العثور عليها في هذه المكتبات ونادرا ما تكون مفيدة لكتابة تنفيذ جديد. ويتمثل أحد الاستثناءات في ما إذا كانت معمارية الأجهزة عالية التخصيص مطلوبة وأن الخوارزمية تستخدم استخداما مكثفا للإضافات الخاصة (مثل مخابئ مخصصة). ومع ذلك، في كثير من الأحيان إعادة اختراع الوقت النفايات العجلة التي يمكن أن تنفق بشكل أفضل تطوير وتحسين أجزاء أخرى من البنية التحتية التجارية. وقت التطوير ثمين للغاية وخاصة في سياق المطورين الوحيد. وكثيرا ما يكون الكمون مشكلة في نظام التنفيذ حيث أن أدوات البحث عادة ما تكون موجودة على نفس الجهاز. بالنسبة إلى السابق، يمكن أن يحدث الكمون عند نقاط متعددة على طول مسار التنفيذ. يجب استشارة قواعد البيانات (الكمون ديسكنتورك)، يجب أن يتم إنشاء إشارات (التشغيل سيست، الكمون الرسائل الكمون)، إشارات التجارة المرسلة (نيك الكمون) وأوامر معالجتها (الكمون نظم التبادل الداخلي). لعمليات تردد أعلى من الضروري أن تصبح مألوفة على نحو وثيق مع التحسين الأمثل، فضلا عن الأمثل لنقل الشبكة. هذا هو مجال عميق و هو إلى حد كبير خارج نطاق هذه المادة ولكن إذا كان المطلوب خوارزمية أوفت ثم يكون على بينة من عمق المعرفة المطلوبة التخزين المؤقت مفيد جدا في مجموعة أدوات مطور التداول الكمي. التخزين المؤقت يشير إلى مفهوم تخزين البيانات التي يتم الوصول إليها بشكل متكرر بطريقة تسمح بالوصول إلى الأداء العالي، على حساب احتمال عدم دقة البيانات. تحدث حالة الاستخدام الشائعة في تطوير الويب عند أخذ البيانات من قاعدة بيانات علائقية تدعمها الأقراص ووضعها في الذاكرة. أي طلبات لاحقة للبيانات لا تضطر إلى ضرب قاعدة البيانات وبالتالي المكاسب الأداء يمكن أن تكون كبيرة. للتداول حالات التخزين المؤقت يمكن أن تكون مفيدة للغاية. على سبيل المثال، يمكن تخزين الحالة الحالية لمحفظة إستراتيجية في ذاكرة التخزين المؤقت حتى يتم إعادة توازنها، بحيث لا تحتاج القائمة إلى إعادة توليدها عند كل حلقة من خوارزمية التداول. ومن المرجح أن يكون هذا وحدة المعالجة المركزية عالية أو عملية إو القرص من هذا التجدد. ومع ذلك، التخزين المؤقت لا يخلو من القضايا الخاصة بها. تجديد بيانات ذاكرة التخزين المؤقت في كل مرة، ويرجع ذلك إلى طبيعة فوليلي تخزين ذاكرة التخزين المؤقت، يمكن أن تضع طلبا كبيرا على البنية التحتية. قضية أخرى هي الكلب تتراكم. حيث يتم تنفيذ أجيال متعددة من نسخة مخبأ جديدة تحت حمولة عالية للغاية، الأمر الذي يؤدي إلى فشل سلسلة. تخصيص الذاكرة الديناميكية عملية مكلفة في تنفيذ البرامج. Thus it is imperative for higher performance trading applications to be well-aware how memory is being allocated and deallocated during program flow. Newer language standards such as Java, C and Python all perform automatic garbage collection . which refers to deallocation of dynamically allocated memory when objects go out of scope . Garbage collection is extremely useful during development as it reduces errors and aids readability. However, it is often sub-optimal for certain high frequency trading strategies. Custom garbage collection is often desired for these cases. In Java, for instance, by tuning the garbage collector and heap configuration, it is possible to obtain high performance for HFT strategies. C doesnt provide a native garbage collector and so it is necessary to handle all memory allocationdeallocation as part of an objects implementation. While potentially error prone (potentially leading to dangling pointers) it is extremely useful to have fine-grained control of how objects appear on the heap for certain applications. When choosing a language make sure to study how the garbage collector works and whether it can be modified to optimise for a particular use case. Many operations in algorithmic trading systems are amenable to parallelisation . This refers to the concept of carrying out multiple programmatic operations at the same time, i. e in parallel. So-called embarassingly parallel algorithms include steps that can be computed fully independently of other steps. Certain statistical operations, such as Monte Carlo simulations, are a good example of embarassingly parallel algorithms as each random draw and subsequent path operation can be computed without knowledge of other paths. Other algorithms are only partially parallelisable. Fluid dynamics simulations are such an example, where the domain of computation can be subdivided, but ultimately these domains must communicate with each other and thus the operations are partially sequential. Parallelisable algorithms are subject to Amdahls Law. which provides a theoretical upper limit to the performance increase of a parallelised algorithm when subject to N separate processes (e. g. on a CPU core or thread ). Parallelisation has become increasingly important as a means of optimisation since processor clock-speeds have stagnated, as newer processors contain many cores with which to perform parallel calculations. The rise of consumer graphics hardware (predominently for video games) has lead to the development of Graphical Processing Units (GPUs), which contain hundreds of cores for highly concurrent operations. Such GPUs are now very affordable. High-level frameworks, such as Nvidias CUDA have lead to widespread adoption in academia and finance. Such GPU hardware is generally only suitable for the research aspect of quantitative finance, whereas other more specialised hardware (including Field-Programmable Gate Arrays - FPGAs) are used for (U)HFT. Nowadays, most modern langauges support a degree of concurrencymultithreading. Thus it is straightforward to optimise a backtester, since all calculations are generally independent of the others. Scaling in software engineering and operations refers to the ability of the system to handle consistently increasing loads in the form of greater requests, higher processor usage and more memory allocation. In algorithmic trading a strategy is able to scale if it can accept larger quantities of capital and still produce consistent returns. The trading technology stack scales if it can endure larger trade volumes and increased latency, without bottlenecking . While systems must be designed to scale, it is often hard to predict beforehand where a bottleneck will occur. Rigourous logging, testing, profiling and monitoring will aid greatly in allowing a system to scale. Languages themselves are often described as unscalable. This is usually the result of misinformation, rather than hard fact. It is the total technology stack that should be ascertained for scalability, not the language. Clearly certain languages have greater performance than others in particular use cases, but one language is never better than another in every sense. One means of managing scale is to separate concerns, as stated above. In order to further introduce the ability to handle spikes in the system (i. e. sudden volatility which triggers a raft of trades), it is useful to create a message queuing architecture. This simply means placing a message queue system between components so that orders are stacked up if a certain component is unable to process many requests. Rather than requests being lost they are simply kept in a stack until the message is handled. This is particularly useful for sending trades to an execution engine. If the engine is suffering under heavy latency then it will back up trades. A queue between the trade signal generator and the execution API will alleviate this issue at the expense of potential trade slippage. A well-respected open source message queue broker is RabbitMQ . Hardware and Operating Systems The hardware running your strategy can have a significant impact on the profitability of your algorithm. This is not an issue restricted to high frequency traders either. A poor choice in hardware and operating system can lead to a machine crash or reboot at the most inopportune moment. Thus it is necessary to consider where your application will reside. The choice is generally between a personal desktop machine, a remote server, a cloud provider or an exchange co-located server. Desktop machines are simple to install and administer, especially with newer user friendly operating systems such as Windows 78, Mac OSX and Ubuntu. Desktop systems do possess some significant drawbacks, however. The foremost is that the versions of operating systems designed for desktop machines are likely to require rebootspatching (and often at the worst of times). They also use up more computational resources by the virtue of requiring a graphical user interface (GUI). Utilising hardware in a home (or local office) environment can lead to internet connectivity and power uptime problems. The main benefit of a desktop system is that significant computational horsepower can be purchased for the fraction of the cost of a remote dedicated server (or cloud based system) of comparable speed. A dedicated server or cloud-based machine, while often more expensive than a desktop option, allows for more significant redundancy infrastructure, such as automated data backups, the ability to more straightforwardly ensure uptime and remote monitoring. They are harder to administer since they require the ability to use remote login capabilities of the operating system. In Windows this is generally via the GUI Remote Desktop Protocol (RDP). In Unix-based systems the command-line Secure SHell (SSH) is used. Unix-based server infrastructure is almost always command-line based which immediately renders GUI-based programming tools (such as MatLab or Excel) to be unusable. A co-located server, as the phrase is used in the capital markets, is simply a dedicated server that resides within an exchange in order to reduce latency of the trading algorithm. This is absolutely necessary for certain high frequency trading strategies, which rely on low latency in order to generate alpha. The final aspect to hardware choice and the choice of programming language is platform-independence. Is there a need for the code to run across multiple different operating systems Is the code designed to be run on a particular type of processor architecture, such as the Intel x86x64 or will it be possible to execute on RISC processors such as those manufactured by ARM These issues will be highly dependent upon the frequency and type of strategy being implemented. Resilience and Testing One of the best ways to lose a lot of money on algorithmic trading is to create a system with no resiliency . This refers to the durability of the sytem when subject to rare events, such as brokerage bankruptcies, sudden excess volatility, region-wide downtime for a cloud server provider or the accidental deletion of an entire trading database. Years of profits can be eliminated within seconds with a poorly-designed architecture. It is absolutely essential to consider issues such as debuggng, testing, logging, backups, high-availability and monitoring as core components of your system. It is likely that in any reasonably complicated custom quantitative trading application at least 50 of development time will be spent on debugging, testing and maintenance. Nearly all programming languages either ship with an associated debugger or possess well-respected third-party alternatives. In essence, a debugger allows execution of a program with insertion of arbitrary break points in the code path, which temporarily halt execution in order to investigate the state of the system. The main benefit of debugging is that it is possible to investigate the behaviour of code prior to a known crash point . Debugging is an essential component in the toolbox for analysing programming errors. However, they are more widely used in compiled languages such as C or Java, as interpreted languages such as Python are often easier to debug due to fewer LOC and less verbose statements. Despite this tendency Python does ship with the pdb. which is a sophisticated debugging tool. The Microsoft Visual C IDE possesses extensive GUI debugging utilities, while for the command line Linux C programmer, the gdb debugger exists. Testing in software development refers to the process of applying known parameters and results to specific functions, methods and objects within a codebase, in order to simulate behaviour and evaluate multiple code-paths, helping to ensure that a system behaves as it should. A more recent paradigm is known as Test Driven Development (TDD), where test code is developed against a specified interface with no implementation. Prior to the completion of the actual codebase all tests will fail. As code is written to fill in the blanks, the tests will eventually all pass, at which point development should cease. TDD requires extensive upfront specification design as well as a healthy degree of discipline in order to carry out successfully. In C, Boost provides a unit testing framework. In Java, the JUnit library exists to fulfill the same purpose. Python also has the unittest module as part of the standard library. Many other languages possess unit testing frameworks and often there are multiple options. In a production environment, sophisticated logging is absolutely essential. Logging refers to the process of outputting messages, with various degrees of severity, regarding execution behaviour of a system to a flat file or database. Logs are a first line of attack when hunting for unexpected program runtime behaviour. Unfortunately the shortcomings of a logging system tend only to be discovered after the fact As with backups discussed below, a logging system should be given due consideration BEFORE a system is designed. Both Microsoft Windows and Linux come with extensive system logging capability and programming languages tend to ship with standard logging libraries that cover most use cases. It is often wise to centralise logging information in order to analyse it at a later date, since it can often lead to ideas about improving performance or error reduction, which will almost certainly have a positive impact on your trading returns. While logging of a system will provide information about what has transpired in the past, monitoring of an application will provide insight into what is happening right now . All aspects of the system should be considered for monitoring. System level metrics such as disk usage, available memory, network bandwidth and CPU usage provide basic load information. Trading metrics such as abnormal pricesvolume, sudden rapid drawdowns and account exposure for different sectorsmarkets should also be continuously monitored. Further, a threshold system should be instigated that provides notification when certain metrics are breached, elevating the notification method (email, SMS, automated phone call) depending upon the severity of the metric. System monitoring is often the domain of the system administrator or operations manager. However, as a sole trading developer, these metrics must be established as part of the larger design. Many solutions for monitoring exist: proprietary, hosted and open source, which allow extensive customisation of metrics for a particular use case. Backups and high availability should be prime concerns of a trading system. Consider the following two questions: 1) If an entire production database of market data and trading history was deleted (without backups) how would the research and execution algorithm be affected 2) If the trading system suffers an outage for an extended period (with open positions) how would account equity and ongoing profitability be affected The answers to both of these questions are often sobering It is imperative to put in place a system for backing up data and also for testing the restoration of such data. Many individuals do not test a restore strategy. If recovery from a crash has not been tested in a safe environment, what guarantees exist that restoration will be available at the worst possible moment Similarly, high availability needs to be baked in from the start. Redundant infrastructure (even at additional expense) must always be considered, as the cost of downtime is likely to far outweigh the ongoing maintenance cost of such systems. I wont delve too deeply into this topic as it is a large area, but make sure it is one of the first considerations given to your trading system. Choosing a Language Considerable detail has now been provided on the various factors that arise when developing a custom high-performance algorithmic trading system. The next stage is to discuss how programming languages are generally categorised. Type Systems When choosing a language for a trading stack it is necessary to consider the type system . The languages which are of interest for algorithmic trading are either statically - or dynamically-typed . A statically-typed language performs checks of the types (e. g. integers, floats, custom classes etc) during the compilation process. Such languages include C and Java. A dynamically-typed language performs the majority of its type-checking at runtime. Such languages include Python, Perl and JavaScript. For a highly numerical system such as an algorithmic trading engine, type-checking at compile time can be extremely beneficial, as it can eliminate many bugs that would otherwise lead to numerical errors. However, type-checking doesnt catch everything, and this is where exception handling comes in due to the necessity of having to handle unexpected operations. Dynamic languages (i. e. those that are dynamically-typed) can often lead to run-time errors that would otherwise be caught with a compilation-time type-check. For this reason, the concept of TDD (see above) and unit testing arose which, when carried out correctly, often provides more safety than compile-time checking alone. Another benefit of statically-typed languages is that the compiler is able to make many optimisations that are otherwise unavailable to the dynamically - typed language, simply because the type (and thus memory requirements) are known at compile-time. In fact, part of the inefficiency of many dynamically-typed languages stems from the fact that certain objects must be type-inspected at run-time and this carries a performance hit. Libraries for dynamic languages, such as NumPySciPy alleviate this issue due to enforcing a type within arrays. Open Source or Proprietary One of the biggest choices available to an algorithmic trading developer is whether to use proprietary (commercial) or open source technologies. There are advantages and disadvantages to both approaches. It is necessary to consider how well a language is supported, the activity of the community surrounding a language, ease of installation and maintenance, quality of the documentation and any licensingmaintenance costs. The Microsoft stack (including Visual C, Visual C) and MathWorks MatLab are two of the larger proprietary choices for developing custom algorithmic trading software. Both tools have had significant battle testing in the financial space, with the former making up the predominant software stack for investment banking trading infrastructure and the latter being heavily used for quantitative trading research within investment funds. Microsoft and MathWorks both provide extensive high quality documentation for their products. Further, the communities surrounding each tool are very large with active web forums for both. The software allows cohesive integration with multiple languages such as C, C and VB, as well as easy linkage to other Microsoft products such as the SQL Server database via LINQ. MatLab also has many pluginslibraries (some free, some commercial) for nearly any quantitative research domain. There are also drawbacks. With either piece of software the costs are not insignificant for a lone trader (although Microsoft does provide entry-level version of Visual Studio for free). Microsoft tools play well with each other, but integrate less well with external code. Visual Studio must also be executed on Microsoft Windows, which is arguably far less performant than an equivalent Linux server which is optimally tuned. MatLab also lacks a few key plugins such as a good wrapper around the Interactive Brokers API, one of the few brokers amenable to high-performance algorithmic trading. The main issue with proprietary products is the lack of availability of the source code. This means that if ultra performance is truly required, both of these tools will be far less attractive. Open source tools have been industry grade for sometime. Much of the alternative asset space makes extensive use of open-source Linux, MySQLPostgreSQL, Python, R, C and Java in high-performance production roles. However, they are far from restricted to this domain. Python and R, in particular, contain a wealth of extensive numerical libraries for performing nearly any type of data analysis imaginable, often at execution speeds comparable to compiled languages, with certain caveats. The main benefit of using interpreted languages is the speed of development time. Python and R require far fewer lines of code (LOC) to achieve similar functionality, principally due to the extensive libraries. Further, they often allow interactive console based development, rapidly reducing the iterative development process. Given that time as a developer is extremely valuable, and execution speed often less so (unless in the HFT space), it is worth giving extensive consideration to an open source technology stack. Python and R possess significant development communities and are extremely well supported, due to their popularity. Documentation is excellent and bugs (at least for core libraries) remain scarce. Open source tools often suffer from a lack of a dedicated commercial support contract and run optimally on systems with less-forgiving user interfaces. A typical Linux server (such as Ubuntu) will often be fully command-line oriented. In addition, Python and R can be slow for certain execution tasks. There are mechanisms for integrating with C in order to improve execution speeds, but it requires some experience in multi-language programming. While proprietary software is not immune from dependencyversioning issues it is far less common to have to deal with incorrect library versions in such environments. Open source operating systems such as Linux can be trickier to administer. I will venture my personal opinion here and state that I build all of my trading tools with open source technologies. In particular I use: Ubuntu, MySQL, Python, C and R. The maturity, community size, ability to dig deep if problems occur and lower total cost ownership (TCO) far outweigh the simplicity of proprietary GUIs and easier installations. Having said that, Microsoft Visual Studio (especially for C) is a fantastic Integrated Development Environment (IDE) which I would also highly recommend. Batteries Included The header of this section refers to the out of the box capabilities of the language - what libraries does it contain and how good are they This is where mature languages have an advantage over newer variants. C, Java and Python all now possess extensive libraries for network programming, HTTP, operating system interaction, GUIs, regular expressions (regex), iteration and basic algorithms. C is famed for its Standard Template Library (STL) which contains a wealth of high performance data structures and algorithms for free. Python is known for being able to communicate with nearly any other type of systemprotocol (especially the web), mostly through its own standard library. R has a wealth of statistical and econometric tools built in, while MatLab is extremely optimised for any numerical linear algebra code (which can be found in portfolio optimisation and derivatives pricing, for instance). Outside of the standard libraries, C makes use of the Boost library, which fills in the missing parts of the standard library. In fact, many parts of Boost made it into the TR1 standard and subsequently are available in the C11 spec, including native support for lambda expressions and concurrency. Python has the high performance NumPySciPyPandas data analysis library combination, which has gained widespread acceptance for algorithmic trading research. Further, high-performance plugins exist for access to the main relational databases, such as MySQL (MySQLC), JDBC (JavaMatLab), MySQLdb (MySQLPython) and psychopg2 (PostgreSQLPython). Python can even communicate with R via the RPy plugin An often overlooked aspect of a trading system while in the initial research and design stage is the connectivity to a broker API. Most APIs natively support C and Java, but some also support C and Python, either directly or with community-provided wrapper code to the C APIs. In particular, Interactive Brokers can be connected to via the IBPy plugin. If high-performance is required, brokerages will support the FIX protocol . Conclusion As is now evident, the choice of programming language(s) for an algorithmic trading system is not straightforward and requires deep thought. The main considerations are performance, ease of development, resiliency and testing, separation of concerns, familiarity, maintenance, source code availability, licensing costs and maturity of libraries. The benefit of a separated architecture is that it allows languages to be plugged in for different aspects of a trading stack, as and when requirements change. A trading system is an evolving tool and it is likely that any language choices will evolve along with it. Just Getting Started with Quantitative Trading