Automatisierte Trading System In C ++

Erstellen von automatisierten Handelssystemen mit interaktiven Brokern automatisierten Handel mit interaktiven Brokern. Die interaktive Broker-Handelsplattform selbst bietet keine automatisierten Handel Allerdings sind mehrere Lösungen für Händler, die Handelssysteme mit der IB Trader Workstation TSW-Plattform zu automatisieren möchten, einschließlich. Third - Party APIsProgramming Consultants. Third-Party-APIs Eine Application Programming Interface API ist ein Sprachformat, das von einem Anwendungsprogramm genutzt wird, um mit einer anderen Systemsoftware zu kommunizieren. Eine API fungiert als Schnittstelle oder Ganze, die es ermöglicht, dass Code mit der IB-Handelsplattform kommuniziert Drittanbieter bieten eine Vielzahl von proprietären APIs an, die anpassbare, vorkonfigurierte Algorithmen und Plug-and-Play-Trading-Software-Anwendungen bereitstellen, die in Verbindung mit der IBS Trader Workstation TWS-Handelsplattform ausgeführt werden sollen. Eine Liste der APIs der dritten Stufe ist auf der IB Website von der Homepage klicken Sie auf die Bildungsüberschrift und wählen Sie den Marktplatz IB Lesen Sie den Haftungsausschluss und wenn Sie den Bedingungen zustimmen, klicken Sie auf Wenn Sie dem Haftungsausschluss zustimmen, klicken Sie bitte hier, um fortzufahren Klicken Sie auf die Registerkarte Software Tools und die Unterposition Auftrag Management-Software zum Anzeigen von Anbietern und Produkten, die in Abbildung 1 dargestellt sind. Abbildung 1 - Wählen Sie die Registerkarte Software-Tools auf dem Marktplatz IB, um Drittanbieter zu durchsuchen. Programming-Berater Zusätzlich zu den im Handel erhältlichen APIs hat der Marktplatz IB auch einen Link zur Programmierung Berater, die Händler und Investoren bei der Entwicklung von kundenspezifischen Indikatoren und Strategien unterstützen können, um im automatisierten Handel eingesetzt zu werden Die Berater bieten Codierung in einer Vielzahl von Sprachen wie Java, C, Visual Basic, SQL, Perl, Matlab sowie andere Handelsplattformen proprietär Sprachen, die mit IB verbunden werden können. Beachten Sie, dass Programmierer nur absolute Regeln programmieren können und bieten in der Regel keine Vorschläge zur Verbesserung der Rentabilität eines Systems - nur die Leistung des Codes Vor der Arbeit mit einem Programmierer ist es wichtig zu sein In der Lage sein, alle Einzugs-, Ausstiegs - und Verwaltungslogik des Handelssystems zu definieren Wenn es definiert werden kann, kann es wahrscheinlich codiert werden. Programmierung mit IB-APIs Eine dritte Lösung ist für Händler mit den Fähigkeiten oder dem Wunsch, zu lernen, ihre eigenen APIs zu programmieren Interactive Brokers bietet mehrere APIs, die Händler verwenden können, um entweder über die TWS oder die IB Gateway zu verbinden. Die Verbindung über die TWS erfordert die Anwendung, die ausgeführt werden soll, aber ermöglicht es den Händlern zu testen und zu bestätigen, dass die API-Aufträge korrekt funktionieren Verbinden über das IB Gateway, Auf der anderen Seite gibt es keine Schnittstelle zum Testen und Bestätigen, aber erlaubt es der API, ohne eine große GUI-Anwendung laufen zu laufen. Wo die Drittanbieter-APIs anpassbare, vordefinierte Algorithmen bereitstellen, ist die IB-API-Programmierumgebung im Wesentlichen Rohmaterial IB bietet die Ausrüstung und Komponenten, und der Benutzer hat alle Programmierer Benutzer können in einer Vielzahl von Sprachen programmieren, einschließlich C, Java, ActiveX oder DDE für Excel Es gibt eine Reihe von API-bezogenen Einstellungen in TWS, die Händler konfigurieren können, Gezeigt in Abbildung 2 Das IB-API-Referenzhandbuch, das auf der interaktiven Broker-Website-Suche nach API-Referenzhandbuch zur Verfügung steht, bietet eine Übersicht sowie Anweisungen für die verschiedenen Programmiersprachen. Abbildung 2 - Konfigurieren der API-Einstellungen in TWS. Conclusion-Händlern, die es wünschen Implementieren automatisierte Handelssysteme über die Interactive Brokers-Plattform haben eine Vielzahl von Optionen Nicht-Programmierer können die Drittanbieter-API-Anbieter erkunden, die eine Vielzahl von anpassbaren oder Plug-and-Play-Optionen anbieten. Händler mit einzigartigen Ideen können mit einer qualifizierten Programmierung arbeiten Berater Diejenigen mit Programmier-Erfahrung oder die Zeit und der Wunsch, eine Programmiersprache lernen können die IB-APIs bei der Entwicklung von automatisierten Handelssystemen. Senior C Automated Trading System Developer. Getting begeistert über die Entwicklung von automatisierten Handelssystemen in C Sind Sie als Entwickler, herausgefordert Durch komplexe technische Probleme in einem schnelllebigen, dynamischen Umfeld Können Sie die neuesten Technologien nutzen, um diese Probleme in elegante technische Lösungen umzusetzen Wenn Sie mindestens 5 Jahre Erfahrung mit C haben, können Sie das Senior C Automated Trading System sein Entwickler, den wir suchen. Wir wir sind Wir sind Optiver, ein internationales Handelsunternehmen mit Sitz in Amsterdam Mit über 700 Kollegen auf vier Kontinenten bieten wir immer wieder faire und wettbewerbsfähige Preise für den Kauf und Verkauf von Aktien, Anleihen, Optionen, Futures , ETF s et cetera Es heißt Marktmacht Wir bauen Märkte und bieten Liquidität für den internationalen Austausch in Europa, den USA und Asien-Pazifik. Wir machen Finanzmärkte fair, offen und zuverlässig Wir handeln nicht nur, wenn wir uns so fühlen Unsere Aussichten sind hell, aber 24 Stunden am Tag Auf welche Art und Weise die Märkte gehen, wir sind da, immer auf eigene Gefahr, mit unserem eigenen Kapital Wert der Unterschied summiert es perfekt Es erklärt in einer Nußschale was wir jeden Tag machen Es lädt auch ein Sie zu erforschen, wie wir unsere Arbeit anders machen Wir haben diesen Unterschied seit 1986 das Jahr, das wir auf der Amsterdamer europäischen Options Exchange mit einem Einzelbodenhändler begonnen haben, geschätzt Heute sind wir eines der dynamischsten, innovativsten und erfolgreichsten Unternehmen in den Niederlanden und darüber hinaus. IT bei Optiver Da der Handel auf dem Boden in den Screen-basierten Handel umgesetzt wird, brauchen wir ständig die modernste Technologie, Handelssoftware und Verbindungen zum Markt. Kurzum, wir brauchen die besten IT-Profis, um unsere Systeme zu entwickeln, zu optimieren und zu unterstützen Werkzeuge Die Atmosphäre, in der wir arbeiten, ist schnell, aber spannend Dies macht IT bei Optiver eine große Herausforderung, bei der Kompetenz, Innovation und Spaß jeden Tag Hand in Hand gehen. Als Senior C Automated Trading System Developer sind Sie verantwortlich für die Entwicklung von High-Speed Automatisierte Handelssysteme in C für das Linux-Betriebssystem Durch die enge Zusammenarbeit mit anderen Entwicklern, Händlern und Forschern werden Sie auf komplexe Anfragen mit eleganten technischen Lösungen mit den neuesten Technologien reagieren Mit Ihren starken objektorientierten C-Fähigkeiten können Sie entwerfen und Neue profitable Handelsstrategien umzusetzen und gleichzeitig klare Erwartungen an Ihre internen Stakeholder zu vermitteln. Durch die gemeinsame Nutzung Ihres umfassenden Wissens mit Ihren Teammitgliedern und die Führung von Nachwuchskollegen in technischen Entscheidungen werden Sie das Entwicklungsteam unterstützen, um die Komplexität des Unternehmens zu erfassen Diplom in Informatik, Informatik oder Information Systems. at mindestens 5 Jahre Berufserfahrung als Softwareentwickler in C, mit einem hervorragenden Track Record. Solid Erfahrung in STL, Boost und anderen beliebten Open Source C Bibliotheken. expert Kenntnisse von UNIX und Linux-Betriebssystemen. Knowledge of High Performance Computing, niedrige Latenz und Echtzeit-Entwicklung. Erfahrung mit Multithreading in C. strong Wissen über Finanzmärkte und Derivate-Handel. vorwiegend 2 Jahre Berufserfahrung in der automatisierten Handelsentwicklung realm. die Ehrgeiz zu entwickeln Sich ständig durch Training und on-the-job development. good Verständnis von C 11 ist ein plus. a Hintergrund in Mathematik und Berufserfahrung mit Algorithmen ist ein Plus. be ein Team-Spieler und Kommunikator, der kreative Freiheit und Unabhängigkeit genießt. Was Sie ll Bekommen Optiver ist vor allem ein Zustand des Geistes Wir suchen Sie, wenn Sie an die tägliche Verbesserung glauben, wenn Sie ernsthaft für Ihre Leistung belohnt werden und wenn Sie sich leicht an Veränderungen anpassen und genießen Sie Humor und Spaß Um konkret zu sein, bieten wir Ihnen an Sie haben eine hervorragende Vergütung, aber wir bieten Ihnen auch gute Nebenleistungen wie voll bezahlte erstklassige Pendelaufwendungen, eine prämienfreie Pension, eine attraktive Gewinnbeteiligungsstruktur, Umzugspakete, Ausbildungsmöglichkeiten, Ermäßigungen auf Krankenversicherung, Frühstück und Mittagessen, Sport Und Freizeitaktivitäten, Freitagnachmittagsgetränke und sogar wöchentliche Inhouse-Stuhlmassagen. Interested Wir sind 350 hochgebildete Profis aus über 30 verschiedenen Ländern, die bei Optiver in Amsterdam arbeiten. Wir wollen in unserer Branche konkurrenzlos sein, indem wir talentiert, kreativ und ergebnis sind Getrieben Und es ist egal wie wir uns anziehen oder was wir glauben, solange wir unsere und jeden anderen Erwartungen übertreffen. Wenn Sie bereit sind, sich zu bewerben, und wir hoffen, dass Sie sich direkt über den Button unten für die Position von Senior wenden C Automated Trading System Entwickler Bitte geben Sie uns einen Lebenslauf und ein Motivationsschreiben in englisch Bewerbungen ohne Motivationsschreiben werden nicht überprüft Wenn wir denken, dass die Magie dort ist, hören Sie von uns früher als Sie erwarten Wenn Sie Fragen haben Frei, um Marlouk Stek auf 31 20 708 70 00 zu kontaktieren. Eine Bewertung ist Teil des Bewerbungsverfahrens. Follow Meeting C. Best Programmiersprache für algorithmische Handelssysteme. Einer der häufigsten Fragen, die ich im QS-Postfach bekomme, ist Was ist das Beste Programmiersprache für algorithmischen Handel Die kurze Antwort ist, dass es keine beste Sprache gibt Strategy Parameter, Leistung, Modularität, Entwicklung, Resiliency und Kosten müssen alle berücksichtigt werden Dieser Artikel wird die notwendigen Komponenten einer algorithmischen Trading-System-Architektur und wie Entscheidungen über die Umsetzung beeinflussen Die Wahl der Sprache. Zunächst werden die Hauptkomponenten eines algorithmischen Handelssystems betrachtet, wie die Forschungsinstrumente, das Portfolio-Optimierer, der Risikomanager und die Ausführungs-Engine. Anschließend werden unterschiedliche Handelsstrategien untersucht und wie sie das Design des Systems beeinflussen Insbesondere wird die Häufigkeit des Handels und des wahrscheinlichen Handelsvolumens diskutiert. Wenn die Handelsstrategie ausgewählt wurde, ist es notwendig, das gesamte System zu architektieren. Dazu gehören die Auswahl der Hardware, das Betriebssystem s und die Systemresistenz gegen seltene, potenziell katastrophale Ereignisse Während die Architektur in Betracht gezogen wird, muss die Leistung berücksichtigt werden - sowohl für die Forschungs-Tools als auch für die Live-Ausführungsumgebung. Was ist das Trading-System zu tun. Vor der Entscheidung über die beste Sprache, mit der ein automatisiert zu schreiben Handelssystem ist es notwendig, die Anforderungen zu definieren Ist das System wird rein Ausführung basiert Wird das System ein Risikomanagement oder Portfolio Bau Modul benötigen wird das System erfordern eine leistungsstarke Backtester Für die meisten Strategien kann das Handelssystem in zwei Kategorien aufgeteilt werden Forschung und Signalgenerierung. Forschung beschäftigt sich mit der Bewertung einer Strategieleistung über historische Daten Der Prozess der Auswertung einer Handelsstrategie gegenüber früheren Marktdaten wird als Backtesting bezeichnet. Die Datengröße und die algorithmische Komplexität haben einen großen Einfluss auf die Rechenintensität des Backtests CPU-Geschwindigkeit und Parallelität sind oft die begrenzenden Faktoren bei der Optimierung der Forschungsdurchführungsgeschwindigkeit. Signalgeneration beschäftigt sich mit der Erzeugung eines Satzes von Handelssignalen aus einem Algorithmus und dem Versenden solcher Aufträge auf den Markt, in der Regel über eine Brokerage Für bestimmte Strategien ein hohes Leistungsniveau ist Erforderliche IO-Themen wie Netzwerkbandbreite und Latenz sind oft der begrenzende Faktor bei der Optimierung von Ausführungssystemen So kann die Wahl der Sprachen für jede Komponente Ihres Gesamtsystems ganz anders sein. Typ, Frequenz und Volumen der Strategie. Die Art der verwendeten algorithmischen Strategie wird Haben einen wesentlichen Einfluss auf die Gestaltung des Systems. Es wird notwendig sein, die gehandelten Märkte, die Konnektivität zu externen Datenanbietern, die Häufigkeit und das Volumen der Strategie, den Kompromiss zwischen der Leichtigkeit der Entwicklung und der Leistungsoptimierung zu berücksichtigen Wie jede benutzerdefinierte Hardware, einschließlich co-lokalisierte benutzerdefinierte Server, GPUs oder FPGAs, die notwendig sein könnten. Die Technologie-Entscheidungen für eine niederfrequente US-Aktienstrategie werden sich erheblich von denen eines hochfrequenten statistischen Arbitrage-Strategie-Handels auf dem Futures-Markt unterscheiden Vor der Wahl der Sprache müssen viele Datenverkäufer ausgewertet werden, die sich auf die jeweilige Strategie beziehen. Es wird notwendig sein, die Konnektivität zum Anbieter, die Struktur von APIs, die Aktualität der Daten, die Speicheranforderungen und die Ausfallsicherheit zu berücksichtigen Ein Verkäufer geht offline Es ist auch klug, schnellen Zugriff auf mehrere Anbieter zu besitzen Verschiedene Instrumente haben alle ihre eigenen Speicher-Macken, Beispiele davon beinhalten mehrere Ticker-Symbole für Aktien und Verfallsdaten für Futures, um keine spezifischen OTC-Daten zu erwähnen. Dies muss berücksichtigt werden In die Plattform-Design. Frequenz der Strategie ist wahrscheinlich einer der größten Treiber, wie die Technologie-Stack definiert werden Strategien, die Daten häufiger als minutiös oder zweitens Bars erfordern erhebliche Überlegung in Bezug auf Leistung. Strategie übertrifft zweitens Bars dh Tick-Daten führen zu einem leistungsorientierten Design als primäre Anforderung Für Hochfrequenz-Strategien muss eine erhebliche Menge an Marktdaten gespeichert und ausgewertet werden Software wie HDF5 oder kdb werden häufig für diese Rollen verwendet. Um die umfangreichen Mengen von zu verarbeiten Daten, die für HFT-Anwendungen benötigt werden, ein ausgiebig optimiertes Backtester - und Ausführungssystem muss CC verwendet werden, mit einigen Assemblern ist wahrscheinlich der stärkste Sprachkandidat. Ultra-Hochfrequenz-Strategien werden fast sicherlich benutzerdefinierte Hardware wie FPGAs, Austausch-Co-Standort und Kernnetzwerk benötigen Interface-Tuning. Research Systems. Research-Systeme beinhalten in der Regel eine Mischung aus interaktiver Entwicklung und automatisierte Scripting Das ehemalige findet oft innerhalb einer IDE wie Visual Studio, MatLab oder R Studio Letzteres beinhaltet umfangreiche numerische Berechnungen über zahlreiche Parameter und Datenpunkte Dies führt zu Eine Sprachwahl, die eine einfache Umgebung bietet, um Code zu testen, bietet aber auch eine ausreichende Leistung, um Strategien über mehrere Parameter-Dimensionen auszuwerten. Typische IDEs in diesem Raum sind Microsoft Visual CC, das umfangreiche Debugging-Dienstprogramme, Code-Completion-Funktionen über Intellisense und einfache Übersichten über die Gesamtprojektstapel über die Datenbank ORM, LINQ MatLab, die für umfangreiche numerische lineare Algebra und vektorisierte Operationen konzipiert ist, aber in einer interaktiven Konsolenweise R Studio, die die R statistische Sprachkonsole in einer vollwertigen IDE Eclipse IDE für Linux Java und C verpackt Und Semi-proprietäre IDEs wie Enthought Canopy für Python, die Datenanalyse Bibliotheken wie NumPy SciPy Scikit-Learn und Pandas in einer einzigen interaktiven Konsolenumgebung enthalten. Für numerische Backtesting sind alle oben genannten Sprachen geeignet, obwohl es nicht notwendig ist Um eine GUI-IDE zu nutzen, da der Code im Hintergrund ausgeführt wird. Die Hauptbetrachtung in diesem Stadium ist die der Ausführungsgeschwindigkeit Eine kompilierte Sprache wie C ist oft nützlich, wenn die Backtesting-Parameter-Dimensionen groß sind. Denken Sie daran, dass es notwendig ist, vorsichtig zu sein Solche Systeme, wenn dies der Fall ist. Interpreted Sprachen wie Python verwenden oft Hochleistungsbibliotheken wie NumPy Pandas für den Backtesting-Schritt, um ein angemessenes Maß an Wettbewerbsfähigkeit mit kompilierten Äquivalenten aufrechtzuerhalten. Letztlich wird die für das Backtesting gewählte Sprache Werden durch spezifische algorithmische Bedürfnisse sowie die Palette der Bibliotheken, die in der Sprache mehr darüber zu finden sind, bestimmt. Allerdings kann die Sprache, die für die Backtester - und Forschungsumgebungen verwendet wird, völlig unabhängig von denen sein, die in der Portfolio-Konstruktion, dem Risikomanagement und den Ausführungskomponenten verwendet werden, Wie es gesehen wird. Portfolio Bau und Risikomanagement. Die Portfolio-Bau-und Risikomanagement-Komponenten werden oft von Einzelhandels-Algorithmus-Händler übersehen Dies ist fast immer ein Fehler Diese Werkzeuge bieten den Mechanismus, durch die das Kapital erhalten wird Sie nicht nur versuchen, die Zahl zu lindern Von riskanten Wetten, sondern auch minimieren Churn der Trades selbst, wodurch Transaktionskosten. Sophisticated Versionen dieser Komponenten können einen signifikanten Einfluss auf die Qualität und die Konsequenz der Rentabilität Es ist einfach, eine stabile Strategien als Portfolio-Konstruktion Mechanismus und Risiko zu schaffen Manager kann leicht geändert werden, um mehrere Systeme zu behandeln So sollten sie als wesentliche Komponenten zu Beginn des Entwurfs eines algorithmischen Handelssystems betrachtet werden. Die Aufgabe des Portfolio-Bausystems ist es, eine Reihe von gewünschten Trades zu nehmen und die Menge der tatsächlichen Trades zu produzieren Die minimieren Churn, halten Expositionen zu verschiedenen Faktoren wie Sektoren, Asset-Klassen, Volatilität etc. und optimieren die Zuweisung von Kapital auf verschiedene Strategien in einem Portfolio. Portfolio-Konstruktion reduziert sich oft auf eine lineare Algebra Problem wie eine Matrix-Faktorisierung und damit Leistung ist hoch Abhängig von der Effektivität der numerischen linearen Algebra-Implementierung verfügbar Gemeinsame Bibliotheken beinhalten uBLAS LAPACK und NAG für C MatLab besitzt auch weitgehend optimierte Matrixoperationen Python nutzt NumPy SciPy für solche Berechnungen Ein häufig neu ausgewogenes Portfolio erfordert eine kompilierte und gut optimierte Matrixbibliothek, um dies zu tragen Schritt aus, um nicht zu verschränken das Handelssystem. Risk-Management ist ein weiterer äußerst wichtiger Teil eines algorithmischen Handelssystems Risiko kann in vielen Formen kommen Erhöhte Volatilität, obwohl dies als wünschenswert für bestimmte Strategien, erhöhte Korrelationen zwischen Asset-Klassen, Zähler gesehen werden kann - Preisausfall, Serverausfälle, schwarze Schwanereignisse und unentdeckte Fehler im Handelscode, um ein paar zu nennen. Risikomanagementkomponenten versuchen und erwarten die Auswirkungen von übermäßiger Volatilität und Korrelation zwischen Assetklassen und deren Folgewirkung auf Handelskapital Oft reduziert sich dies Zu einer Reihe von statistischen Berechnungen wie Monte Carlo Stresstests Dies ist sehr ähnlich zu den rechnerischen Bedürfnissen einer Derivate-Pricing-Engine und als solche wird CPU-gebunden Diese Simulationen sind sehr parallelisierbar siehe unten und bis zu einem gewissen Grad ist es möglich Um Hardware auf das Problem zu werfen. Execution Systems. Die Aufgabe des Ausführungssystems ist es, gefilterte Handelssignale von der Portfolio-Konstruktion und Risikomanagement-Komponenten zu erhalten und sie an eine Brokerage oder andere Mittel des Marktzugangs zu senden Für die Mehrheit der Einzelhandel algorithmischen Handel Strategien, die eine API - oder FIX-Verbindung zu einem Brokerage wie Interactive Brokers beinhalten Die primären Überlegungen bei der Entscheidung über eine Sprache beinhalten die Qualität der API, die Sprache-Wrapper-Verfügbarkeit für eine API, die Ausführungsfrequenz und die erwartete Schlupf. Die Qualität der API bezieht sich auf Wie gut dokumentiert ist, welche Art von Leistung es bietet, ob es sich um eine eigenständige Software handelt oder ob ein Gateway kopflos eingerichtet werden kann, dh keine GUI Im Falle von Interactive Brokers muss das Trader WorkStation Tool sein Läuft in einer GUI-Umgebung, um auf ihre API zuzugreifen Ich musste einmal eine Desktop Ubuntu-Edition auf einem Amazon-Cloud-Server installieren, um interaktive Broker remote zu nutzen, rein aus diesem Grund. Die meisten APIs werden eine C - und Java-Schnittstelle bereitstellen An die Community, um sprachspezifische Wrapper für C, Python, R, Excel und MatLab zu entwickeln. Beachten Sie, dass bei jedem zusätzlichen Plugin, das speziell API-Wrapper verwendet wird, die Möglichkeit besteht, dass Bugs in das System kriechen. Testen Sie immer Plugins dieser Art und stellen Sie sicher, dass sie aktiv sind Gepflegt Ein lohnender Messgerät ist zu sehen, wie viele neue Updates zu einer Codebasis in den letzten Monaten gemacht wurden. Execution Frequenz ist von größter Bedeutung in der Ausführung Algorithmus Beachten Sie, dass Hunderte von Aufträgen können jede Minute gesendet werden und als solche Leistung ist kritisch Schlupf wird Durch ein schlecht durchführendes Ausführungssystem entstehen, und dies wird einen dramatischen Einfluss auf die Profitabilität haben. Statisch typisierte Sprachen siehe unten wie C Java sind in der Regel optimal für die Ausführung, aber es gibt einen Kompromiss in Entwicklungszeit, Test und Wartungsfreundlichkeit Dynamisch typisierte Sprachen wie Python und Perl sind jetzt in der Regel schnell genug Immer sicherstellen, dass die Komponenten modular aufgebaut sind, siehe unten, so dass sie ausgetauscht werden können, da das System skaliert. Architektonische Planung und Entwicklung Prozess Ein Trading-System, seine Häufigkeit und Volumen Anforderungen wurden oben diskutiert, aber System-Infrastruktur muss noch abgedeckt werden diejenigen, die als Einzelhändler oder arbeiten in einem kleinen Fonds wird wahrscheinlich tragen viele Hüte Es wird notwendig sein, das Alpha-Modell zu decken , Risikomanagement und Ausführungsparameter sowie die endgültige Umsetzung des Systems Vor der Einarbeitung in spezifische Sprachen wird die Gestaltung einer optimalen Systemarchitektur diskutiert. Separation of Concerns. One der wichtigsten Entscheidungen, die am Anfang gemacht werden müssen, ist wie Um die Anliegen eines Handelssystems zu trennen In der Softwareentwicklung bedeutet dies im Wesentlichen, wie man die verschiedenen Aspekte des Handelssystems in getrennte modulare Komponenten zerlegt. Durch die Belichtung von Schnittstellen an jedem der Komponenten ist es einfach, Teile des Systems auszutauschen Andere Versionen, die Leistung, Zuverlässigkeit oder Wartung unterstützen, ohne irgendeinen externen Abhängigkeitscode zu ändern Dies ist die beste Praxis für solche Systeme Für Strategien bei niedrigeren Frequenzen werden solche Praktiken empfohlen Für den Hochfrequenzhandel muss das Regelwerk auf Kosten der Optimierung ignoriert werden Das System für noch mehr Leistung Ein stärker gekoppeltes System kann wünschenswert sein. Das Erstellen einer Komponentenkarte eines algorithmischen Handelssystems ist einen Artikel in sich selbst wert. Allerdings ist ein optimaler Ansatz, um sicherzustellen, dass es getrennte Komponenten für die historische und in Echtzeit gibt Marktdateneingaben, Datenspeicherung, Datenzugriffs-API, Backtester, Strategieparameter, Portfolio-Konstruktion, Risikomanagement und automatisierte Ausführungssysteme. Wenn zum Beispiel der verwendete Datenspeicher derzeit auch bei signifikanten Optimierungen unterdurchschnittlich ist, kann er ausgetauscht werden Out mit minimalen Umschreibungen auf die Datenaufnahme oder Datenzugriff API Soweit die als Backtester und nachfolgende Komponenten betroffen sind, gibt es keinen Unterschied. Ein weiterer Vorteil von getrennten Komponenten ist, dass es eine Vielzahl von Programmiersprachen im Gesamtsystem verwendet werden kann Es besteht keine Notwendigkeit, auf eine einzelne Sprache beschränkt zu sein, wenn die Kommunikationsmethode der Komponenten sprachunabhängig ist. Dies ist der Fall, wenn sie über TCP IP, ZeroMQ oder ein anderes sprachunabhängiges Protokoll kommunizieren. Als konkretes Beispiel betrachten wir die Fall eines Backtesting-Systems, das in C für die Zahl Crunching-Performance geschrieben wird, während die Portfolio-Manager und Ausführungs-Systeme in Python mit SciPy und IBPy. Performance Überlegungen geschrieben werden. Performance ist eine wesentliche Überlegung für die meisten Trading-Strategien Für höhere Frequenz-Strategien ist es am meisten Wichtiger Faktor Leistung deckt eine breite Palette von Themen wie algorithmische Ausführungsgeschwindigkeit, Netzwerklatenz, Bandbreite, Daten IO, Parallelität Parallelität und Skalierung Jeder dieser Bereiche sind individuell von großen Lehrbüchern abgedeckt, so dass dieser Artikel nur die Oberfläche jedes Themas kratzen wird Architektur und Sprachwahl werden nun in Bezug auf ihre Auswirkungen auf die Leistung diskutiert. Die vorherrschende Weisheit, wie von Donald Knuth einer der Väter der Informatik, ist, dass vorzeitige Optimierung ist die Wurzel aller Übel Dies ist fast immer der Fall - außer Beim Aufbau eines hochfrequenten Trading-Algorithmus Für diejenigen, die sich für niedrigere Frequenzstrategien interessieren, ist ein gemeinsamer Ansatz, ein System auf die einfachste Weise zu bauen und nur zu optimieren, wenn Engpässe beginnen zu erscheinen. Profiling-Tools werden verwendet, um festzustellen, wo Engpässe entstehen können Für alle oben aufgeführten Faktoren, entweder in einer MS Windows oder Linux-Umgebung Es gibt viele Betriebssystem-und Sprach-Tools zur Verfügung, um dies zu tun, sowie Drittanbieter-Dienstprogramme Sprache Wahl wird nun im Zusammenhang mit performance. C diskutiert werden , Java, Python, R und MatLab enthalten alle Hochleistungsbibliotheken entweder als Teil ihres Standards oder extern für die Grunddatenstruktur und die algorithmische Arbeit C mit der Standard Template Library, während Python NumPy SciPy enthält. Gemeinsame mathematische Aufgaben finden sich in Diese Bibliotheken und es ist selten vorteilhaft, eine neue Implementierung zu schreiben. Eine Ausnahme ist, wenn hoch angepasst Hardware-Architektur erforderlich ist und ein Algorithmus macht umfangreiche Nutzung von proprietären Erweiterungen wie benutzerdefinierte Caches Allerdings oft Neuerung des Rades verschwendet Zeit, die besser sein könnte Verbrachte die Entwicklung und Optimierung anderer Teile der Handelsinfrastruktur Die Entwicklungszeit ist vor allem im Kontext von Sohlenentwicklern äußerst wertvoll. Die Latenz ist oft ein Thema des Ausführungssystems, da sich die Forschungsinstrumente meist auf derselben Maschine befinden. Für die erstere kann die Latenz auftreten An mehreren Punkten entlang der Ausführung Pfad Datenbanken müssen konsultiert werden Datenträger Netzwerk Latenz, Signale müssen generiert werden Betriebssicherheit, Kern-Messaging-Latenz, Handel Signale gesendet NIC Latenz und Befehle verarbeitete Austausch-Systeme interne Latenz. Für höhere Frequenz Operationen ist es notwendig, vertraut zu werden Mit kernaler Optimierung sowie Optimierung der Netzwerkübertragung Dies ist ein tiefer Bereich und liegt weit über den Rahmen des Artikels hinaus, aber wenn ein UHFT-Algorithmus gewünscht wird, dann bewusst sein, die Tiefe des Wissens erforderlich. Caching ist sehr nützlich in der Toolkit von a Quantitativen Handelsentwickler Caching bezieht sich auf das Konzept der Speicherung von häufig zugegriffenen Daten in einer Weise, die einen leistungsfähigeren Zugriff ermöglicht, auf Kosten der potenziellen Verschärfung der Daten Ein gemeinsamer Anwendungsfall tritt bei der Web-Entwicklung bei der Datenübertragung von einer disk-backed relationalen Datenbank auf Und setzen sie in den Speicher Jede nachfolgende Anfragen für die Daten müssen nicht auf die Datenbank und so Performance-Gewinne können signifikant sein. Für Handelssituationen Caching kann sehr vorteilhaft sein Zum Beispiel kann der aktuelle Stand eines Strategie-Portfolios in einem Cache gespeichert werden Bis es wieder ausgeglichen wird, so dass die Liste nicht auf jeder Schleife des Handelsalgorithmus regeneriert werden muss. Solche Regeneration ist wahrscheinlich eine hohe CPU - oder Festplatten-IO-Operation. Jedoch ist das Caching nicht ohne eigene Probleme Regeneration von Cache-Daten alle Auf einmal, aufgrund der volatilie Natur der Cache-Speicher, kann erhebliche Nachfrage nach Infrastruktur stellen Ein weiteres Problem ist Dog-Piling, wo mehrere Generationen einer neuen Cache-Kopie unter extrem hoher Belastung durchgeführt werden, was führt zu Kaskade Ausfall. Dynamische Speicher Zuteilung ist Eine teure Bedienung in der Software-Ausführung So ist es zwingend erforderlich, dass hochleistungsfähige Trading-Anwendungen gut bewusst sind, wie Speicher während des Programmablaufs zugewiesen und freigegeben wird. Neuere Sprachstandards wie Java, C und Python führen alle eine automatische Garbage Collection durch, die sich auf die Freigabe bezieht Dynamisch zugewiesen Speicher, wenn Objekte gehen aus scope. Garbage Sammlung ist äußerst nützlich während der Entwicklung, da es Fehler reduziert und hilft Lesbarkeit Allerdings ist es oft sub-optimale für bestimmte Hochfrequenz-Handelsstrategien Custom Garbage Collection ist oft für diese Fälle in Java, Zum Beispiel, durch die Abstimmung der Garbage Collector und Heap-Konfiguration, ist es möglich, hohe Leistung für HFT-Strategien zu erhalten. C doesn t bieten eine native Garbage Collector und so ist es notwendig, alle Speicher Zuteilung Deallokation als Teil einer Objekt s Umsetzung zu behandeln Während Potenziell fehleranfällige potenziell führen zu baumelnden Zeiger ist es äußerst nützlich, um feinkörnige Kontrolle darüber, wie Objekte auf dem Haufen für bestimmte Anwendungen erscheinen Bei der Auswahl einer Sprache stellen Sie sicher zu studieren, wie der Müllsammler funktioniert und ob es geändert werden kann, um zu optimieren Ein bestimmter Anwendungsfall. Viele Operationen in algorithmischen Handelssystemen sind der Parallelisierung zugänglich. Dies bezieht sich auf das Konzept der Durchführung mehrerer programmatischer Operationen zur gleichen Zeit, dh parallel. So genannte peinlich parallele Algorithmen beinhalten Schritte, die vollständig unabhängig von anderen berechnet werden können Schritte Einige statistische Operationen wie Monte-Carlo-Simulationen sind ein gutes Beispiel für peinlich parallele Algorithmen, da jede zufällige Zeichnung und nachfolgende Pfadoperation ohne Kenntnis anderer Pfade berechnet werden können. Andere Algorithmen sind nur teilweise parallelisierbar Fluiddynamiksimulationen sind ein solches Beispiel, Wo die Domäne der Berechnung unterteilt werden kann, aber letztlich müssen diese Domänen miteinander kommunizieren und somit sind die Operationen teilweise sequentiell. Parallelisierbare Algorithmen unterliegen dem Amdahl-Gesetz, das eine theoretische Obergrenze für die Leistungssteigerung eines parallelisierten Algorithmus darstellt, N getrennte Prozesse zB auf einem CPU-Core oder Thread. Parallelisierung ist zunehmend wichtiger als Optimierungsoptimierung seit der Prozessor-Taktrate stagniert, da neuere Prozessoren viele Kerne enthalten, mit denen parallele Berechnungen durchgeführt werden können. Der Aufstieg der Consumer-Grafik-Hardware überwiegend für Video Spiele haben zur Entwicklung von Graphic Processing Units GPUs geführt, die Hunderte von Cores für sehr gleichzeitige Operationen enthalten. Diese GPUs sind jetzt sehr erschwinglich High-Level Frameworks wie Nvidia s CUDA haben zu einer breiten Akzeptanz in Akademie und Finanzen geführt. Such GPU Hardware Ist in der Regel nur für den Forschungsaspekt der quantitativen Finanzierung geeignet, während andere spezialisierte Hardware einschließlich Field-Programmable Gate Arrays - FPGAs für U HFT verwendet werden. Heutzutage unterstützen die meisten modernen Langungen einen Grad an Parallelität Multithreading So ist es einfach, einen Backtester zu optimieren, Da alle Berechnungen in der Regel unabhängig von den anderen sind. Skalierung in Software-Engineering und Operationen bezieht sich auf die Fähigkeit des Systems, konsequent zunehmende Lasten in Form von größeren Anfragen, höhere Prozessor-Nutzung und mehr Speicherzuordnung zu behandeln Im algorithmischen Handel eine Strategie in der Lage ist, Skala, wenn es größere Mengen an Kapital akzeptieren und immer noch konsistente Renditen erzielen kann. Der Trading-Technologie-Stack skaliert, wenn er größere Handelsvolumina und erhöhte Latenzzeit ohne Engpässe aushalten kann. Welches System muss maßstäblich gestaltet sein, es ist oft schwer vorherzusagen, wo ein Engpass wird auftreten Rigourous Logging, Testen, Profiling und Monitoring wird dazu beitragen, erheblich in ein System zu skalieren Sprachen selbst sind oft als unscalable beschrieben Dies ist in der Regel das Ergebnis von Fehlinformationen, anstatt harte Tatsache Es ist die gesamte Technologie-Stack, die für festgestellt werden sollte 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 ie 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 7 8, 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 reboots patching 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 x86 x64 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 prices volume, sudden rapid drawdowns and account exposure for different sectors markets 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 won t 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 eg 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 doesn t catch everything, and this is where exception handling comes in due to the necessity of having to handle unexpected operations Dynamic languages ie 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 NumPy SciPy 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 licensing maintenance 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 plugins libraries 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, MySQL PostgreSQL, 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 dependency versioning 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, 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 system protocol 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 C 11 spec, including native support for lambda expressions and concurrency. Python has the high performance NumPy SciPy Pandas 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 MySQL C , JDBC Java MatLab , MySQLdb MySQL Python and psychopg2 PostgreSQL Python 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. 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.