Forex Trading Platform Ubuntu Studio

Tenha uma opinião sobre o comércio de dólar EU FXCM Um líder Forex Broker O que é Forex Forex é o mercado onde todas as moedas mundiais comércio. O mercado forex é o maior mercado, o mais líquido do mundo, com um volume médio diário de negociação superior a 5,3 trilhões. Não há nenhuma troca central como negocia sobre o contador. Forex trading permite que você compre e venda moedas, semelhante à negociação de ações, exceto você pode fazê-lo 24 horas por dia, cinco dias por semana, você tem acesso à margem de negociação, e você ganha exposição aos mercados internacionais. FXCM é uma corretora de forex líder. Execução Justa e Transparente Desde 1999, a FXCM se propôs a criar a melhor experiência de negociação forex online do mercado. Nós fomos pioneiros no modelo de execução de negociação sem negociação, proporcionando execução competitiva e transparente para nossos comerciantes. Serviço de Atendimento Prêmio-Vencedor Com educação de alto nível de negociação e ferramentas poderosas, orientamos milhares de comerciantes através do mercado de câmbio, com 247 atendimento ao cliente. Descubra a vantagem FXCM. Os spreads médios ponderados pelo tempo são derivados dos preços negociáveis ​​na FXCM de 1 de outubro de 2016 a 31 de dezembro de 2016. Os valores do spread são apenas para fins informativos. A FXCM não se responsabiliza por erros, omissões ou atrasos ou por ações baseadas nessas informações. Live Spreads Widget: Os spreads dinâmicos ao vivo são os melhores preços disponíveis da execução do FXCMs No Dealing Desk. Quando os spreads estáticos são exibidos, os valores são médias ponderadas pelo tempo derivadas de preços negociáveis ​​na FXCM de 1 de outubro de 2016 a 31 de dezembro de 2016. Os spreads mostrados estão disponíveis nas contas com base em comissões Standard e Active Trader. Os spreads são variáveis ​​e estão sujeitos a atrasos. Os valores de spread são apenas para fins informativos. A FXCM não se responsabiliza por erros, omissões ou atrasos, nem por ações baseadas nessas informações. Mini Contas: Mini contas oferecem 21 pares de moedas e padrão para a execução Dealing Desk onde estratégias de arbitragem de preço são proibidas. FXCM determina, a seu exclusivo critério, o que engloba uma estratégia de arbitragem de preços. Mini contas oferecem spreads mais margem de preços. Os spreads são variáveis ​​e estão sujeitos a atrasos. As mini contas que utilizam estratégias proibidas ou com patrimônio superior a 20.000 CCY podem ser transferidas para a execução do No Dealing Desk. Consulte Riscos de execução. Serviço de Atendimento ao Cliente Lançamento de Software Plataformas Populares Sobre FXCM Contas Forex Mais Recursos Investimento de Alto Risco Aviso: A negociação de contratos de câmbio e de câmbio para diferenças sobre margem carrega um alto nível de risco e pode não ser adequado para todos os investidores. A possibilidade existe que você poderia sustentar uma perda em excesso de seus fundos depositados e, portanto, você não deve especular com o capital que você não pode perder. Antes de decidir negociar os produtos oferecidos por FXCM você deve considerar com cuidado seus objetivos, situação financeira, necessidades e nível de experiência. Você deve estar ciente de todos os riscos associados à negociação em margem. FXCM fornece aconselhamento geral que não leva em conta seus objetivos, situação financeira ou necessidades. O conteúdo deste site não deve ser interpretado como um conselho pessoal. FXCM recomenda que você procure o conselho de um conselheiro financeiro separado. Clique aqui para ler o aviso de risco total. A FXCM é uma Comerciante de Mercadorias e Negociante de Câmbio de Varejo registrada com a Comissão de Negociação de Futuros de Mercadorias e é membro da Associação Nacional de Futuros. NFA 0308179 Forex Capital Markets, LLC (FXCM LLC) é uma subsidiária operacional dentro do grupo de empresas FXCM (coletivamente, o Grupo FXCM). Todas as referências neste site para FXCM referem-se ao Grupo FXCM. Tenha em atenção que as informações contidas neste website destinam-se apenas a clientes de retalho e certas declarações aqui contidas podem não ser aplicáveis ​​a Participantes elegíveis do contrato (isto é, clientes institucionais), tal como definido na Secção 1 (a) (12) da Lei de Intercâmbio de Mercadorias. Cópia de Copyright 2017 Forex Capital Markets. Todos os direitos reservados. 55 Water St. 50th Floor, Nova Iorque, NY 10041 USAWhich é a melhor plataforma de negociação na Índia Qual é a melhor plataforma de negociação na Índia Você pode me informar qual é a melhor plataforma de negociação na Índia oferecida por qualquer corretor. Isso ajudará todos nós a saber para onde voltar. Novos vendedores e comerciantes experientes como eu seriam capazes de obter com isso. Os critérios podem ser: - Bom gráfico - Bom amplificador de interface fácil de usar - Pedido em massa - Ordens condicionais. Suporte, perda de paragem final, OCO - Chamadas ao vivo - Bom suporte técnico - Nível de personalização oferecido, etc. Peçam-me escolher entre ICICI, MOSL, Sharekhan, IndiaInfoline, Kotak, Religare, Broking de anjo, títulos de HDFC. Edelweiss, etc. Sua ajuda será muito apreciada. Além disso, se alguém enfrentou problemas com qualquer uma das plataformas com um corretor. Pls deixe-me saber tht assim eu ou outros podem tomar a decisão em conformidade Pls ajudar com ur vistas caras. Tudo o melhor em ganhar conhecimento e ganhar dinheiro. Notícias do software Spotwares A plataforma de autotrading cAlgo agora está integrada com o Microsoft Visual Studio Spotware Systems, desenvolvedores da plataforma de negociação Spot FX cTrader, anunciou hoje a nova integração de sua plataforma de negociação algorítmica cAlgo, com o Visual Studio. CAlgoreg é usado para desenvolver robôs comerciais em C-sharp para análise e execução automática de 24 horas, e também é usado para criar indicadores de análise técnica personalizada. A integração Visual Studioreg e cAlgoreg significa que os desenvolvedores agora podem tirar proveito do Visual Studiorsquos muitos recursos convenientes e podem aplicar mudanças diretamente ao cAlgo do Visual Studio. Ilya Holeu, Chefe de Vendas na Spotware, diz, ldquoThis nova atualização irá percorrer um longo caminho para mais rápida, mais eficiente e mais inteligente codificação de robôs e indicadores. Isso apenas abre um mundo de possibilidades para desenvolvedores e usuários do nosso software. Os pesquisadores do Visual Studiorsquos, muitos excelentes recursos de editor de código incluem: Snippets: blocos de código reutilizável que podem ser inseridos rapidamente pelos desenvolvedores quando e quando necessário. IntelliSense: Ajuda os usuários a acelerar significativamente o processo de codificação, fornecendo rapidamente acessível auto-completa funcionalidade para declarações repetitivas. Seções de código dobráveis: melhora a eficiência ao ajudar os desenvolvedores a organizar e gerenciar partes da fonte. Spotware também estão encorajando os usuários a aproveitar as ferramentas de depuração avançadas do Visual Studiorsquos, tais como: Dicas de dados: passar o mouse sobre uma variável na janela do editor de código-fonte revela seu valor. Windows variável: permite que os usuários visualizem, avaliem e editem variáveis ​​em tempo real. As janelas variáveis ​​incluem lsquoLocalsrsquo, lsquoAutosrsquo, lsquoWatchrsquo e lsquoQuickWatchrsquo. Pontos de interrupção avançados: Permite que os usuários quebrem a execução do depurador com base nas Contagens de hit, nas funções de Chamada-pilha e em Condições. Chamada de pilha e mapa de código: os usuários podem rastrear visualmente a pilha de chamadas enquanto depura. O gerente de produtos da CAlgo, Sergey Borisov, está confiante do efeito positivo que a integração terá sobre os usuários do produto: ldquo Esta versão realmente vai acelerar as coisas para os nossos codificadores e garantir a máxima eficiência, erros mínimos e excelentes capacidades de codificação, diz rdquo. Borisov. O ldquoWersquove trabalhou duro para fornecer um bom editor na plataforma cAlgo, mas o Microsoftreg Visual Studio é a ferramenta número um para desenvolvedores de idiomas hoje, e o poder de algumas de suas funcionalidades é incomparável. Nós realmente esperamos que isso leve o whatrsquos possível no cAlgo ao próximo nível. Mais detalhes sobre este lançamento podem ser vistos no vídeo abaixo: Sobre o Spotware Systems O Spotware Systems é um provedor de tecnologia financeira neutro baseado em LimassolLondon que oferece soluções abrangentes e-FX STP para corretores , Bancos e seus clientes. O Spotware é mais conhecido por sua plataforma de negociação NDD e STP principal, cTrader e sua plataforma de negociação algorítmica complementar, cAlgo. A empresa fornece uma solução PaaS (plataforma como serviço) facilmente integrada para corretores, bancos e outras empresas de serviços financeiros que procuram implementar e oferecer negociação manual e algorítmica de NDD eFX com um sistema completo de gerenciamento de back-end. Divulgação Todas as marcas registradas são propriedade de seus respectivos proprietários. Microsoft, Visual Studio e Windows são marcas registradas ou marcas comerciais da Microsoft Corporation nos Estados Unidos e em outros países. A negociação de ações, futuros, opções e Forex é de natureza especulativa e não é apropriada para todos os investidores. Os investidores só devem usar capital de risco ao negociar futuros, opções e Forex porque há sempre o risco de perda substancial. O acesso à conta, as execuções comerciais e a resposta do sistema podem ser adversamente afetados pelas condições de mercado, atrasos nas cotações, desempenho do sistema e outros fatores. MetaTrader 5 (MT5), a plataforma de negociação desenvolvida pela empresa russa MetaQuotes Software como sucessora do extremamente bem sucedido MetaTrader 4 (MT4), é Continuando a ganhar popularidade entre os corretores. Leia mais Mais de 100 corretores forex no mundo já usam MetaTrader 5 Dec 21 2016 13:21:03 O desenvolvedor de software russo MetaQuotes informou na quarta-feira que o número de corretores de forex usando sua plataforma de negociação MetaTrader 5 (MT5) continua crescendo. Leia mais SpotOption lança negociação de opções binárias no MT4 Nov 23 2016 15:31:00 O provedor de plataformas de opções binárias SpotOption anunciou o lançamento de um novo plug-in do MetaTrader 4, bem como uma nova plataforma de negociação CFD. O plug-in permite operações binárias de negociação na plataforma de negociação forex mais popular, MT4. Leia mais MetaQuotes pára de desenvolver MT4 Nov 15 2016 15:08:22 MetaQuotes tenta fortalecer posição MT5rsquos no mercado de forex e CFD e pára de atualizar seu predecessor mais popular MetaTrader 4, anunciou hoje Finanças Magnates. Leia mais FXCM melhora a sua tecnologia de negociação API 21 de setembro de 2016 08:27:34 O líder global de divisas e CFDs FXCM constantemente tenta otimizar a experiência comercial de seus clientes e coloca muitos esforços em inovação tecnológica. Leia mais oneZero permite que os negociadores da Metatrader 5 acessem a NYSE, NASDAQ, LSE 01 de agosto de 2016 14:30:04 O desenvolvedor de software MetaQuotes anunciou hoje uma parceria com a empresa Fintech oneZero para o lançamento de um gateway de conectividade para a integração do MetaTrader 5 com o Interactive Brokers Group, Inc. ( NYSE: IBKR). Leia mais FXCM se associa com o SwipeStox para oferecer o aplicativo de troca social comercial 27 de julho de 2016 13:24:34 De acordo com um anúncio oficial na terça-feira, a FXCM agora oferece negociação social através da plataforma móvel da Swipestox, lançada no início deste ano e ganhando popularidade desde então. Ler mais Trading 212 é o aplicativo de forex mais popular no Reino Unido 21 de fevereiro de 2016 14:55:42 A Trading 212, a corretora de forex registrada e regulamentada no Reino Unido, disse que seu aplicativo de troca móvel de eponymous se tornou o aplicativo de forex mais baixado no Reino Unido. Leia mais Revisão da plataforma SoloTrader: A escolha perfeita para empresas iniciantes de corretores de forex 19 de maio de 2016 12:07:10 Criada por uma empresa de desenvolvimento de software baseada em Hong Kong, a SoloTrader é uma plataforma de negociação fácil de usar construída com estética simples. Leia mais Spotware adiciona alerta de chamada de margem à plataforma de negociação forex cTrader Nov 24 2015 15:16:27 Desenvolvedor de software Spotware Systems introduziu muitos novos recursos para sua plataforma de negociação forex cTrader, incluindo a adição de níveis personalizados e alertas de preço e chamada de margem Empresa disse no início deste mês. Leia mais Últimas corretores forex Forex trading traz um alto nível de risco e pode não ser adequado para todos os investidores. Antes de se envolver em troca de divisas, por favor, fazer-se familiarizado com as suas especificidades e todos os riscos associados a ele. Todas as informações sobre ForexBrokerz são publicadas apenas para fins de informação geral. Não apresentamos quaisquer garantias quanto à exactidão e fiabilidade destas informações. Qualquer ação que você tomar sobre as informações que você encontrar neste site é estritamente por sua própria conta e não seremos responsáveis ​​por quaisquer perdas e danos ou danos em conexão com o uso do nosso site. Todo o conteúdo textual no ForexBrokerz é protegido por direitos autorais e protegidos pela lei de propriedade intelectual. Você não pode reproduzir, distribuir, publicar ou transmitir qualquer parte do site sem nos indicar como fonte. A ForexBrokerz não reivindica direitos de autor sobre as imagens utilizadas no site, incluindo logótipos de corretores, imagens de stock e ilustrações. Forexbrokerz site usa cookies. Ao continuar a navegar no site, você está concordando com nosso uso de cookies. Leia nossa Política de Privacidade. Melhor Linguagem de Programação para Algorithmic Trading Systems Uma das perguntas mais freqüentes que recebo no mailbag QS é Qual é a melhor linguagem de programação para negociação algorítmica. A resposta curta é que não há melhor linguagem. Parâmetros estratégicos, desempenho, modularidade, desenvolvimento, resiliência e custo devem ser considerados. Este artigo descreve os componentes necessários de uma arquitetura de sistema de negociação algorítmica e como as decisões relativas à implementação afetam a escolha do idioma. Em primeiro lugar, serão considerados os principais componentes de um sistema de negociação algorítmico, como ferramentas de pesquisa, otimizador de portfólio, gerenciador de riscos e motor de execução. Posteriormente, serão analisadas diferentes estratégias de negociação e como elas afetam o design do sistema. Em particular, a freqüência de negociação e o provável volume de negociação serão discutidos. Uma vez que a estratégia de negociação foi selecionada, é necessário arquitetar todo o sistema. Isso inclui a escolha de hardware, o (s) sistema (s) operacional (is) e a resiliência do sistema contra eventos raros e potencialmente catastróficos. Enquanto a arquitetura está sendo considerada, devemos ter devidamente em conta o desempenho - tanto para as ferramentas de pesquisa como para o ambiente de execução ao vivo. O que é o Sistema de Negociação Tentando Fazer Antes de decidir sobre o melhor idioma para escrever um sistema de negociação automatizado, é necessário definir os requisitos. Será que o sistema vai ser puramente baseado em execução Será que o sistema exige uma gestão de risco ou módulo de construção de carteira Será que o sistema requer um backtester de alto desempenho Para a maioria das estratégias do sistema de negociação pode ser dividido em duas categorias: Pesquisa e geração de sinal. A pesquisa está preocupada com a avaliação de um desempenho da estratégia em relação aos dados históricos. O processo de avaliação de uma estratégia de negociação em relação aos dados anteriores do mercado é conhecido como backtesting. O tamanho dos dados ea complexidade algorítmica terão um grande impacto na intensidade computacional do backtester. A velocidade e a concorrência do CPU são muitas vezes os fatores limitantes na otimização da velocidade de execução da pesquisa. Geração de sinal está preocupado com a geração de um conjunto de sinais de negociação a partir de um algoritmo e enviar tais ordens para o mercado, geralmente através de uma corretora. Para determinadas estratégias, é necessário um alto nível de desempenho. Os problemas de IO, como a largura de banda da rede e a latência, muitas vezes são fatores limitantes na otimização de sistemas de execução. Assim, a escolha de idiomas para cada componente de todo o seu sistema pode ser bastante diferente. Tipo, Frequência e Volume da Estratégia O tipo de estratégia algorítmica empregada terá um impacto substancial na concepção do sistema. Será necessário considerar os mercados negociados, a conectividade com os fornecedores de dados externos, a freqüência e o volume da estratégia, o trade-off entre facilidade de desenvolvimento e otimização de desempenho, bem como qualquer hardware customizado, incluindo o costume co-localizado Servidores, GPUs ou FPGAs que possam ser necessários. As opções de tecnologia para uma estratégia de ações de baixa freqüência dos EUA serão muito diferentes das de uma negociação de estratégias de arbitragem estatística de alta freqüência no mercado de futuros. Antes da escolha da linguagem muitos fornecedores de dados devem ser avaliados que pertencem a uma estratégia em mãos. Será necessário considerar a conectividade com o fornecedor, a estrutura de qualquer API, a oportunidade dos dados, os requisitos de armazenamento e a resiliência em face de um fornecedor ficar offline. Também é aconselhável possuir acesso rápido a vários fornecedores. Diversos instrumentos têm todos os seus peculiaridades de armazenamento, exemplos dos quais incluem símbolos de ticker múltiplos para ações e datas de validade para futuros (sem mencionar nenhum dado OTC específico). Isso precisa ser incorporado ao design da plataforma. Freqüência da estratégia é provável que seja um dos maiores drivers de como a pilha de tecnologia será definida. Estratégias empregando dados com mais freqüência do que minuciosamente ou barras de segunda necessidade significativa consideração no que diz respeito ao desempenho. Uma estratégia que ultrapassa as barras secundárias (isto é, dados de carraça) conduz a um design conduzido pelo desempenho como requisito primário. Para estratégias de alta freqüência, uma quantidade substancial de dados de mercado precisará ser armazenada e avaliada. Software como HDF5 ou kdb são comumente usados ​​para essas funções. Para processar os volumes extensos de dados necessários para aplicações HFT, um backtester extensivamente otimizado e sistema de execução deve ser usado. CC (possivelmente com algum montador) é provável para o candidato a linguagem mais forte. As estratégias de ultra-alta freqüência certamente exigirão hardware personalizado, como FPGAs, câmbio de co-localização e ajuste de interface kernalnetwork. Sistemas de pesquisa Os sistemas de pesquisa geralmente envolvem uma mistura de desenvolvimento interativo e scripts automatizados. O primeiro geralmente ocorre dentro de um IDE, como Visual Studio, MatLab ou R Studio. O último envolve cálculos numéricos extensos em vários parâmetros e pontos de dados. Isso leva a uma escolha de idioma fornecendo um ambiente direto para testar código, mas também fornece desempenho suficiente para avaliar estratégias em várias dimensões de parâmetros. Os IDE típicos neste espaço incluem o Microsoft Visual CC, que contém extensivos utilitários de depuração, capacidades de conclusão de código (através do Intellisense) e visões gerais diretas de toda a pilha do projeto (via o banco de dados ORM, LINQ) MatLab. Que é projetado para extensa álgebra linear numérica e operações vetoriais, mas em uma maneira de console interativo R Studio. Que envolve o console de linguagem estatística R em um IDE Eclipse IDE de pleno direito para Linux Java e C e IDEs semi-proprietários, como Enthought Canopy para Python, que incluem bibliotecas de análise de dados como NumPy. SciPy. Scikit-learn e pandas em um único ambiente interativo (console). Para backtesting numérico, todos os idiomas acima são adequados, embora não seja necessário utilizar uma GUIIDE, pois o código será executado em segundo plano. A principal consideração nesta fase é a velocidade de execução. Uma linguagem compilada (como C) geralmente é útil se as dimensões do parâmetro backtest forem grandes. Lembre-se de que é necessário desconfiar de tais sistemas, se esse for o caso. As linguagens interpretadas, como Python, costumam fazer uso de bibliotecas de alto desempenho, como o NumPypandas para a etapa de backtesting, a fim de manter um grau razoável de competitividade com equivalentes compilados. Em última análise, o idioma escolhido para o backtesting será determinado por necessidades algorítmicas específicas, bem como o intervalo de bibliotecas disponíveis no idioma (mais sobre isso abaixo). No entanto, o idioma usado para o backtester e ambientes de pesquisa pode ser completamente independente dos usados ​​na construção de portfólio, gerenciamento de riscos e componentes de execução, como será visto. Construção de carteiras e gerenciamento de riscos A construção de portfólio e componentes de gerenciamento de risco são muitas vezes ignorados por comerciantes algorítmicos de varejo. Isso é quase sempre um erro. Essas ferramentas fornecem o mecanismo pelo qual o capital será preservado. Eles não só tentam aliviar o número de apostas arriscadas, mas também minimizam o desvio das negociações, reduzindo os custos de transação. Versões sofisticadas desses componentes podem ter um efeito significativo na qualidade e consistência da lucratividade. É direto criar um estável de estratégias, pois o mecanismo de construção do portfólio e o gerenciador de riscos podem ser facilmente modificados para lidar com múltiplos sistemas. Assim, eles devem ser considerados componentes essenciais no início do projeto de um sistema de comércio algorítmico. O trabalho do sistema de construção de carteiras é levar um conjunto de trades desejados e produzir o conjunto de negócios reais que minimizam o churn, manter exposições a vários fatores (como setores, classes de ativos, volatilidade, etc.) e otimizar a alocação de capital para vários Estratégias em um portfólio. A construção da carteira geralmente se reduz a um problema de álgebra linear (como uma fatoração da matriz) e, portanto, o desempenho é altamente dependente da eficácia da implementação de álgebra linear numérica disponível. Bibliotecas comuns incluem uBLAS. LAPACK e NAG para C. MatLab também possuem operações de matriz amplamente otimizadas. Python utiliza NumPySciPy para tais cálculos. Um portfólio freqüentemente reequilibrado exigirá uma biblioteca de matriz compilada (e bem otimizada) para realizar esta etapa, de modo a não engarrafar o sistema de negociação. O gerenciamento de riscos é outra parte extremamente importante de um sistema de comércio algorítmico. O risco pode vir de várias formas: aumento da volatilidade (embora isso possa ser visto como desejável para certas estratégias), o aumento das correlações entre classes de ativos, contraparte padrão, interrupções do servidor, eventos de cisnes negros e erros não detectados no código comercial, para nomear um poucos. Os componentes de gerenciamento de risco tentam antecipar os efeitos da volatilidade excessiva e a correlação entre as classes de ativos e seus efeitos (s) subseqüentes sobre o capital de negociação. Muitas vezes isso se reduz a um conjunto de cálculos estatísticos, como testes de esforço de Monte Carlo. Isso é muito semelhante às necessidades computacionais de um mecanismo de preços de derivativos e, como tal, será vinculado pela CPU. Essas simulações são altamente paralelizáveis ​​(veja abaixo) e, até certo ponto, é possível lançar hardware no problema. Sistemas de Execução O trabalho do sistema de execução é receber sinais de negociação filtrados dos componentes de construção de portfólio e gerenciamento de riscos e enviá-los para uma corretora ou outros meios de acesso ao mercado. Para a maioria das estratégias de negociação de algoritmos de varejo, isso envolve uma conexão API ou FIX para uma corretora, como Interactive Brokers. As considerações primárias ao decidir sobre um idioma incluem a qualidade da API, a disponibilidade do conteúdo do idioma para uma API, a freqüência de execução e o deslizamento antecipado. A qualidade da API refere-se ao quão bem documentado é, qual o tipo de desempenho que ele fornece, se ele precisa de um software autônomo para ser acessado ou se um gateway pode ser estabelecido de forma sem cabeça (ou seja, sem GUI). No caso dos Interactive Brokers, a ferramenta Trader WorkStation precisa ser executada em um ambiente GUI para acessar sua API. Uma vez, tive que instalar uma edição do Desktop Ubuntu em um servidor de nuvem da Amazon para acessar os corretores interativos de forma remota, apenas por esse motivo, a maioria das API fornecerá uma interface C andor Java. Geralmente, é para a comunidade desenvolver wrappers específicos de idioma para C, Python, R, Excel e MatLab. Note-se que, com cada plugin adicional utilizado (especialmente os wrappers da API), há possibilidades de insetos no sistema. Sempre testar plugins desse tipo e garantir que eles sejam mantidos ativamente. Um indicador valioso é ver quantas novas atualizações de uma base de código foram feitas nos últimos meses. A frequência de execução é de extrema importância no algoritmo de execução. Observe que centenas de pedidos podem ser enviados a cada minuto e, como tal, o desempenho é crítico. O Slippage será incorrido por meio de um sistema de execução mal executado e isso terá um impacto dramático sobre a rentabilidade. As linguagens de conversão estática (veja abaixo), como o CJava, geralmente são ótimas para a execução, mas há um trade-off no tempo de desenvolvimento, teste e facilidade de manutenção. Idiomas dinamicamente digitados, como Python e Perl, geralmente são geralmente suficientemente rápidos. Certifique-se sempre de que os componentes foram projetados de forma modular (veja abaixo) para que possam ser trocados para fora à medida que o sistema se equilibra. Processo de planejamento e desenvolvimento arquitetônico Os componentes de um sistema de comércio, seus requisitos de freqüência e volume foram discutidos acima, mas a infraestrutura do sistema ainda não foi coberta. Aqueles que atuam como um comerciante de varejo ou que trabalham em um fundo pequeno provavelmente estarão usando muitos chapéus. Será necessário cobrir o modelo alfa, os parâmetros de gerenciamento de riscos e execução, bem como a implementação final do sistema. Antes de aprofundar linguagens específicas, o projeto de uma arquitetura de sistema ideal será discutido. Separação de preocupações Uma das decisões mais importantes que devem ser tomadas no início é como separar as preocupações de um sistema de comércio. No desenvolvimento de software, isso significa essencialmente como dividir os diferentes aspectos do sistema de negociação em componentes modulares separados. Ao expor as interfaces em cada um dos componentes, é fácil trocar partes do sistema por outras versões que ajudem a desempenho, confiabilidade ou manutenção, sem modificar nenhum código de dependência externo. Esta é a melhor prática para esses sistemas. Para estratégias em frequências mais baixas, tais práticas são aconselhadas. Para a comercialização de ultra alta frequência, o livro de regras pode ser ignorado à custa de ajustar o sistema para ainda mais desempenho. Um sistema mais acoplado pode ser desejável. Criar um mapa de componentes de um sistema de negociação algorítmico vale um artigo em si mesmo. No entanto, uma abordagem ótima é certificar-se de que existem componentes separados para as entradas de dados de mercado históricos e em tempo real, armazenamento de dados, API de acesso a dados, backtester, parâmetros de estratégia, construção de portfólio, gerenciamento de riscos e sistemas de execução automatizada. Por exemplo, se o armazenamento de dados que está sendo usado está underperforming, até mesmo em níveis significativos de otimização, ele pode ser trocado com rewrites mínimo para a ingesta de dados ou API de acesso a dados. Até o ponto como o backtester e os componentes subsequentes, não há diferença. Outro benefício dos componentes separados é que permite que uma variedade de linguagens de programação sejam usadas no sistema geral. Não é necessário restringir-se a uma única língua se o método de comunicação dos componentes for independente da linguagem. Este será o caso se estiverem se comunicando via TCPIP, ZeroMQ ou algum outro protocolo independente de linguagem. Como exemplo concreto, considere o caso de um sistema de backtesting sendo escrito em C para o desempenho de crunching de números, enquanto o gerenciador de portfólio e sistemas de execução são escritos em Python usando SciPy e IBPy. Considerações sobre o desempenho O desempenho é uma consideração significativa para a maioria das estratégias comerciais. Para estratégias de maior frequência, é o fator mais importante. O desempenho abrange uma ampla gama de problemas, como velocidade de execução algorítmica, latência de rede, largura de banda, IO de dados, paralelismo de concorrência e dimensionamento. Cada uma dessas áreas é coberta individualmente por grandes livros didáticos, portanto este artigo apenas arranhará a superfície de cada tópico. A escolha da arquitetura e da linguagem agora será discutida em termos de seus efeitos no desempenho. A sabedoria prevalecente, como afirmou Donald Knuth. Um dos pais da Ciência da Computação, é que a otimização prematura é a raiz de todo o mal. Este é quase sempre o caso - exceto ao construir um algoritmo de negociação de alta freqüência Para aqueles que estão interessados ​​em estratégias de baixa freqüência, uma abordagem comum é construir um sistema da maneira mais simples possível e apenas otimizar à medida que os estrangulamentos começam a aparecer. Ferramentas de perfil são usadas para determinar onde surgem os estrangulamentos. Perfis podem ser feitos para todos os fatores listados acima, em um ambiente MS Windows ou Linux. Existem muitas ferramentas de sistema operacional e linguagem disponíveis para fazê-lo, bem como utilitários de terceiros. A escolha da linguagem será agora discutida no contexto do desempenho. C, Java, Python, R e MatLab contêm bibliotecas de alto desempenho (como parte do padrão ou externo) para estrutura básica de dados e trabalho algorítmico. C é fornecido com a Biblioteca de modelos padrão, enquanto o Python contém NumPySciPy. Tarefas matemáticas comuns são encontradas nessas bibliotecas e raramente é benéfico escrever uma nova implementação. Uma exceção é se uma arquitetura de hardware altamente personalizada é necessária e um algoritmo está fazendo uso extensivo de extensões proprietárias (como caches personalizados). No entanto, muitas vezes a reinvenção da roda desperdiça o tempo que poderia ser melhor gasto no desenvolvimento e otimização de outras partes da infra-estrutura de negociação. O tempo de desenvolvimento é extremamente precioso, especialmente no contexto de desenvolvedores exclusivos. A latência é muitas vezes uma questão do sistema de execução, uma vez que as ferramentas de pesquisa estão normalmente situadas na mesma máquina. Para o primeiro, a latência pode ocorrer em vários pontos ao longo do caminho de execução. Os bancos de dados devem ser consultados (latência de rede de disco), os sinais devem ser gerados (sistema operacional, latência de mensagens do kernal), sinais comerciais enviados (latência NIC) e pedidos processados ​​(latência interna dos sistemas de troca). Para operações de maior freqüência, é necessário familiarizar-se intimamente com a otimização do kernal, além de otimizar a transmissão da rede. Esta é uma área profunda e está significativamente além do escopo do artigo, mas se um algoritmo UHFT é desejado, então, esteja ciente da profundidade de conhecimento necessário. O cache é muito útil no conjunto de ferramentas de um desenvolvedor de negociação quantitativo. O armazenamento em cache refere-se ao conceito de armazenar dados freqüentemente acessados ​​de forma que permita um acesso de alto desempenho, em detrimento do potencial estancamento dos dados. Um caso de uso comum ocorre no desenvolvimento da web ao tirar dados de um banco de dados relacional com respaldo de disco e colocá-lo na memória. Quaisquer solicitações subseqüentes para os dados não precisam acertar o banco de dados e, portanto, os ganhos de desempenho podem ser significativos. Para situações de negociação, o cache pode ser extremamente benéfico. Por exemplo, o estado atual de um portfólio de estratégia pode ser armazenado em um cache até que ele seja reequilibrado, de modo que a lista não precisa ser regenerada em cada loop do algoritmo de negociação. Essa regeneração provavelmente será uma operação elevada de CPU ou disco IO. No entanto, o armazenamento em cache não está sem seus próprios problemas. A regeneração de dados de cache de uma só vez, devido à natureza volátil do armazenamento de cache, pode colocar uma demanda significativa na infra-estrutura. Outra questão é o empilhamento de cães. Onde múltiplas gerações de uma nova cópia de cache são realizadas sob uma carga extremamente alta, o que leva a uma falha em cascata. A alocação de memória dinâmica é uma operação cara na execução de software. Assim, é imperativo que os aplicativos de maior desempenho comercial sejam conscientes de como a memória está sendo alocada e desalinhada durante o fluxo do programa. Novos padrões de linguagem, como Java, C e Python, todos realizam coleta automática de lixo. Que se refere à desalocação da memória alocada dinamicamente quando os objetos ficam fora do escopo. A coleta de lixo é extremamente útil durante o desenvolvimento, pois reduz erros e ajuda a legibilidade. No entanto, muitas vezes é sub óptimo para certas estratégias de negociação de alta freqüência. A coleta de lixo personalizada é muitas vezes desejada para esses casos. Em Java, por exemplo, ao ajustar a configuração do colector de lixo e do heap, é possível obter alto desempenho para estratégias HFT. C não fornece um coletor de lixo nativo e, portanto, é necessário lidar com todas as alocações de alocação de memória como parte de uma implementação de objetos. Embora potencialmente propenso a erros (potencialmente levando a ponteiros pendurados), é extremamente útil ter controle fino de como os objetos aparecem no heap para determinadas aplicações. Ao escolher um idioma, certifique-se de estudar como o coletor de lixo funciona e se ele pode ser modificado para otimizar um caso de uso particular. Muitas operações em sistemas de negociação algorítmica são favoráveis ​​à paralelização. Isso se refere ao conceito de realização de múltiplas operações programáticas ao mesmo tempo, ou seja, em paralelo. Os chamados algoritmos embarassingly paralelos incluem etapas que podem ser calculadas de forma totalmente independente de outras etapas. Certas operações estatísticas, tais como simulações de Monte Carlo, são um bom exemplo de algoritmos embarassingly paralelos como cada desenho aleatório e operação de caminho subsequente pode ser computado sem o conhecimento de outros caminhos. Outros algoritmos são apenas parcialmente paralelizáveis. As simulações de dinâmica de fluidos são um exemplo, onde o domínio de computação pode ser subdividido, mas, em última instância, esses domínios devem se comunicar uns com os outros e, portanto, as operações são parcialmente sequenciais. Os algoritmos paralisáveis ​​estão sujeitos à lei Amdahls. Que fornece um limite superior teórico para o aumento de desempenho de um algoritmo paralelizado quando sujeito a N processos separados (por exemplo, em um núcleo ou fio de CPU). A paralelização tornou-se cada vez mais importante como um meio de otimização, uma vez que as velocidades do clock do processador estagnaram, já que os processadores mais novos contêm muitos núcleos com os quais realizar cálculos paralelos. O aumento do hardware de gráficos de consumo (predominantemente para videogames) levou ao desenvolvimento de Unidades de processamento gráfico (GPUs), que contém centenas de núcleos para operações altamente concorrentes. Tais GPUs são agora muito acessíveis. Os quadros de alto nível, como o Nvidias CUDA, levaram à adoção generalizada na academia e nas finanças. Esse hardware GPU geralmente é adequado apenas para o aspecto de pesquisa de finanças quantitativas, enquanto outros hardware mais especializados (incluindo Field-Programmable Gate Arrays - FPGAs) são usados ​​para (U) HFT. Hoje em dia, os langauges mais modernos suportam um grau de reprodução simultânea. Assim, é direto otimizar um backtester, pois todos os cálculos são geralmente independentes dos outros. O escalonamento em engenharia de software e operações refere-se à capacidade do sistema de lidar consistentemente aumentando cargas na forma de solicitações maiores, maior uso do processador e mais alocação de memória. Na negociação algorítmica, uma estratégia pode escalar se ela pode aceitar quantidades maiores de capital e ainda produzir retornos consistentes. A pilha de tecnologia de negociação escala se pode suportar maiores volumes de comércio e latência aumentada, sem gargalos. Enquanto os sistemas devem ser projetados para dimensionar, muitas vezes é difícil prever de antemão, onde um gargalo irá ocorrer. O registro, o teste, o perfil e o monitoramento rigorosos ajudarão grandemente em permitir um sistema a escala. As próprias línguas são muitas vezes descritas como não escaláveis. Isso geralmente é o resultado de uma informação errônea, e não de um fato difícil. É a pilha de tecnologia total que deve ser verificada quanto à escalabilidade, e não ao idioma. Claramente, certas línguas têm maior desempenho do que outras em casos de uso específicos, mas um idioma nunca é melhor do que outro em todos os sentidos. Um meio de gerenciar a escala é separar preocupações, como mencionado acima. A fim de introduzir ainda a capacidade de lidar com picos no sistema (isto é, volatilidade súbita que desencadeia uma série de trades), é útil criar uma arquitetura de enfileiramento de mensagens. Isso simplesmente significa colocar um sistema de fila de mensagens entre os componentes para que as encomendas sejam empilhadas se um determinado componente não puder processar muitas solicitações. Em vez de pedidos de perda, eles simplesmente são mantidos em uma pilha até que a mensagem seja tratada. Isso é particularmente útil para enviar comércios para um mecanismo de execução. Se o motor estiver sofrendo em latência intensa, ele irá fazer backup de trades. Uma fila entre o gerador de sinal comercial e a API de execução aliviará essa questão à custa de uma eventual destruição comercial. Um bem respeitado corretor de fila de mensagens de código aberto é RabbitMQ. Hardware e sistemas operacionais O hardware que gerencia sua estratégia pode ter um impacto significativo na rentabilidade do seu algoritmo. Este não é um problema restrito aos comerciantes de alta freqüência também. Uma má escolha no hardware e no sistema operacional pode levar a uma falha da máquina ou reiniciar no momento mais inoportuno. Assim, é necessário considerar onde sua aplicação vai residir. A escolha é geralmente entre uma máquina de mesa pessoal, um servidor remoto, um provedor de nuvem ou um servidor co-localizado em troca. As máquinas de mesa são simples de instalar e administrar, especialmente com novos sistemas operacionais amigáveis ​​para usuários como o Windows 78, o Mac OSX eo Ubuntu. Os sistemas desktop possuem, no entanto, algumas desvantagens significativas. O principal é que as versões dos sistemas operacionais projetados para máquinas de mesa provavelmente irão requerer o reinício (e muitas vezes no pior dos tempos). Eles também usam mais recursos computacionais pela virtude de exigir uma interface gráfica de usuário (GUI). Usar hardware em um ambiente doméstico (ou escritório local) pode levar à conectividade com a internet e aos problemas de tempo de atividade. O principal benefício de um sistema de desktop é que a potência computacional significativa pode ser comprada pela fração do custo de um servidor dedicado remoto (ou sistema baseado em nuvem) de velocidade comparável. Um servidor dedicado ou uma máquina baseada em nuvem, muitas vezes mais caro do que uma opção de desktop, permite uma infra-estrutura de redundância mais significativa, como backups automatizados de dados, a capacidade de garantir de forma mais direta o tempo de atividade e monitoramento remoto. Eles são mais difíceis de administrar, pois exigem a capacidade de usar recursos de logon remoto do sistema operacional. No Windows, isto é geralmente através do GUI Remote Desktop Protocol (RDP). Em sistemas baseados em Unix, a linha de comando Secure SHell (SSH) é usada. A infraestrutura de servidor baseada em Unix é quase sempre baseada em linha de comando, o que imediatamente faz com que as ferramentas de programação baseadas em GUI (como MatLab ou Excel) sejam inutilizáveis. Um servidor co-localizado, como a frase é usada nos mercados de capitais, é simplesmente um servidor dedicado que reside dentro de uma troca para reduzir a latência do algoritmo de negociação. Isso é absolutamente necessário para certas estratégias de negociação de alta freqüência, que dependem de baixa latência para gerar alfa. O aspecto final para a escolha do hardware e a escolha da linguagem de programação é a independência da plataforma. Existe a necessidade de o código ser executado em vários sistemas operacionais diferentes. O código projetado para ser executado em um tipo particular de arquitetura de processador, como o Intel x86x64 ou será possível executar em processadores RISC, como os fabricados pela ARM Essas questões serão altamente dependentes da frequência e do tipo de estratégia implementada. Resiliência e Teste Uma das melhores maneiras de perder muito dinheiro na negociação algorítmica é criar um sistema sem resiliência. Isso se refere à durabilidade do sistema quando sujeito a eventos raros, como falências de corretagem, volatilidade súbita em excesso, tempo de inatividade em toda a região para um provedor de servidor em nuvem ou a exclusão acidental de um banco de dados de negociação completo. Anos de lucro podem ser eliminados em segundos com uma arquitetura mal projetada. É absolutamente essencial considerar questões como debugging, testes, logs, backups, alta disponibilidade e monitoramento como componentes principais do seu sistema. É provável que, em qualquer aplicativo de negociação quantitativo personalizado razoavelmente complicado, pelo menos 50 de tempo de desenvolvimento serão gastos em depuração, teste e manutenção. 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. Existem vantagens e desvantagens para ambas as abordagens. 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. Apenas iniciando o comércio quantitativo