EXANTE: Practical aspects of algorithmic trading. Bitcoin hedge fund. SSE Riga lecture 23.01.2014. Part2.
•Descargar como PPTX, PDF•
5 recomendaciones•639 vistas
Lecture of Sergey Troshin, Ph.D., Director at EXANTE, covers the main aspects of practical aspects of algorithmic trading. Main points of presentation include process of modeling the strategy, implementation and evaluation of results. The recording is available at the following link: https://www.youtube.com/watch?v=8JToXHeqElA. Enjoy and share the video!
Recomendados
Recomendados
Más contenido relacionado
Más de EXANTE
Más de EXANTE (8)
Último
Último (20)
EXANTE: Practical aspects of algorithmic trading. Bitcoin hedge fund. SSE Riga lecture 23.01.2014. Part2.
- 1. Practical Aspects of Algorithmic Trading. Bitcoin hedge fund. Gatis Eglitis, Managing Partner Sergey Troshin, Ph.D., Head of IT Strategy and Operations Part 2: Algo trading
- 2. 2 Algorithmic trading Modeling the strategy Implementing the model Result analysis Production Choosing a broker Prices Technologies Stability What is next? Contents
- 3. Algorithmic trading Automatic trading HFT – high frequency trading Strategy implementation
- 4. Automatic trading Buy-side Sell-side Statistical arbitrage VWAPMarket Making / HFT Trend following Arbitrage Smart order routing Algo trading strategies
- 5. Arbitrage GAZPRU (MICEX) On new tick: ogzd_rub = convert(ogzd, usd_rub) spread = normalize(ogzd_rub/gazpru) changedSpread() OGZD (LSE) USD/RUB (FOREX) LIMIT (LSE) London Server Filled (size) MARKET (MICEX) Filled (price) On change spread: if (spread > threshold) place_limit(OGZD, price, size) On limit fill: If (limit_is_filled) place_market(GAZPRU, size) Arbitrage strategy Parameters: threshold
- 6. Volume Weighted Average Price
- 7. Data Guess Model Approval Algorithm creation cycle
- 8. Historical Data Completeness Symbols Exchanges News Depth Past Precision Order Book Quality Splits etc. Gaps Timestamps
- 11. Trading Model Alfa Algorithm Risks Expenses
- 12. Approval. Pre-trade Analysis Input •Historical data •Market influence modeling •Configuration parameters Backtesting • Prototype (R / Python / Java / C++ / Mathlab / Erlang / …) • GPU • Cluster / Cloud / … Result •Possible income •Risks •Real Expenses
- 13. Backtest Results Param 1 Param 2 … Income Expenses X1 Y1 … 10% 4% X1 Y2 … 15% 11% … … … … … Xn Yn … 5% 2% Execution with: osame input data odifferent set of parameters values
- 14. Computational Technologies Software Overclocking FPGA Multi-core GPGPU Cloud x32 x200 x30000
- 15. Data Guess Model Approval Algorithm creation cycle
- 20. Broker Connection Broker Client ComputerWidely used protocols: FIX, Plaza2, Technology providers, Custom TraderAlgorithm
- 21. Broker Connection Broker Client Computer RDP, SSH Trader Algorithm
- 22. General Exchanges/Markets coverage Trading volumes Regulation issues Legal issues Commissions and fees
- 23. Technology Market data Delays Market Depth Best Bid Offer Trades Execution Delays Client side / Server side Pre-trade risks, Software Connection Protocol Virtual Machines Co-location Control Trades Export Interface Error handling
- 25. 25 What is next?
- 26. Post trade analysis Excel Program Charts Model Export Trade Results
- 29. Questions? Sergey Troshin, Director +356 2015 0000, st@exante.eu 29
Notas del editor
- Алгоритмическая – формализованное пошаговое выполнение. Автоматизированная – компьютер. HFT – грань постоянно размывается, я склонен называть позиции длиной меньше минуты, лимитные заявки и Шарпе около 1000.
- Что касается стратегий, На Западе большинство алго это до сих пор селл-сайд исполнение, прайсинг и order routing. У нас же обычно говорят об альфа стратегиях для buy side. Если вы buy side и хотите запустить стратегию в торговлю, у вас есть три пути.
- Всё начинается с данных.
- Доступность данных по инструментам и площадкам вообще говоря сильно ограничивает ваши возможности. Одной из первых задач для нас было выбрать поставщика данных, удовлетворяющего критериям на слайде. Проблема, которые мы до сих пор решаем, это синхронизация time stamps в тиковых данных с timestamps order book, стакана. Биржи отдают время без миллисекунд, на разных биржах может быть дрифт времени, ну и в конечном итоге, вам важно именно то время, когда эту котировку получили бы именно вы в текущей своей инфраструктуре.
- Что можно увидеть? Тренды, (авто)корреляцию, уровни, волатильность, частоты. Большие объёмы данных: РТС за 2011 год это ... событий. Кол-во уникальных дней: 169 (с начала года по 18 сентября) Кол-во сделок по всем фьючам на индекс РТС: 62 996 080 Кол-во обновлений по котировкам (обновление bid/bid size/ask/ask size): 65 094 177 Добавление индикаторов/формул Интерактивность
- Фундаментальные – по книжкам. Эмпирические – опыт плюс работа с данными, для этого визуализация.
- Исторические данные, симуляция или фронт-тестинг? (или всё вместе?) Описание потока заявок других участников Моделирование влияния своих заявок на рынок Построение профиля риска и equity Быстрая обработка (кластеры, GPU)
- Scale horizontally: Cloud, GPGPU, multi-core Позволяют быстрее обрабатывать независимые данные: например, множество временных рядов. Scale vertically: new SW paradigms (e.g. Disruptor), Cooling, FPGA Позволяют обрабатывать быстрее зависимые линейно данные, e.g. поток цен по одному инструменту, очередь заявок. Привести пример: какая-нибудь биржа, система М2, система ЛМАКС. FPGA: message parsing, order book matching, risk control, derivs pricing. Низкая и детерминированная задержка. SEC rule 15c3-5 – контроль рисков при DMA. Фикснетикс менее 1 микросекунды на 20 проверок (разных).
- Всё начинается с данных.
- Приближенность к брокеру, бирже, бекофису Оптимизация по данным, по исполнению Линии между вашими дата-центрами: Интернет, Выделенные, Direct connection
- Языки можно писать как на языках высокого уровня, так и на специализированных языках, или графически Стратегия может исполняться как на клиентской машине, так и на сервере или в облаке Контроль можеть быть как ручным из командной строки например, так и автоматическим с использованием вывода результатов в excel, расписаниями и прочим, в идеальном случае полный контроль и управление стратегий осуществуляется из графического интерфейса Помимо этих факторов можно также отметить простоту разработки, простоту внесения изменений в стратегии, простоту просмотра и экспорта результатов