أفضل لغة برمجة لنظام التداول

أفضل لغة برمجة لنظام التداول
الحصول على فيا أب ستور قراءة هذه المشاركة في التطبيق لدينا!
التمويل الكمي لغة البرمجة.
منذ بضعة أسابيع، بدأت في إجراء بحثي عن التمويل الكمي. خلال هذا الوقت، يمكن أن تكتشف الكثير من الاشياء ومع تلك الاشياء، والكثير من الأسئلة جاء إلى ذهني. وهناك الكثير من الأخبار أو المجلات الاقتصادية / المجلات الكتابة عن هفت / التداول الخوارزمية. معظمهم يقولون أن الشركات أو مطوري البرمجيات يفضلون استخدام C ++. في بعض المقالات، والكتاب يتحدثون عن جافا، C #، C أو حتى أسم. حاولت أن أجد سبب C ++، لكنني لم أكن ناجحا. هذا الموضوع لا يقدم إجابات أحتاجها (لماذا لا تزال لغة C ++ لغة شائعة جدا في التمويل الكمي؟)
وهنا أسئلتي: 1. لماذا C ++؟ أن بعض الشركات قد تستخدم أسم (ويمكنني أن أتخيل فقط أسم في هفت حيث ملي ثانية تلعب دورا)، وهذا أمر جيد. ولكن في تداول الترددات المتوسطة أو في الخوارزميات؟ هل هو بسبب السرعة؟ بحثت عن مكتبات التمويل الكمي ل C ++، ولكن لم أتمكن من العثور على الكثير. الشيء الوحيد هو كوانتليب، ماتليب و تا-ليب. ولكن لا أبيس مخطط / ليب أو الدروس. يبدو أن لا أحد يفعل الدروس. 2. لماذا بعض الناس يختارون جافا؟ وأنا أعلم، جافا لغة شعبية جدا ولديه الكثير من واجهات برمجة التطبيقات / ليب والمجتمع يتزايد. ولكن إذا كانت السرعة قد تلعب دورا، ثم جافا لا يمكن أن يكون أسرع (بسبب البيئة الافتراضية). أو انا مخطئ؟ 3. لماذا لا أحد يستخدم بيثون للتجارة متوسطة التردد أو ألغو التداول؟ بيثون لديها الكثير من أبيس / ليبس مثل ماتليب، تا-ليب، بيكتغراف. حسنا، لا بد لي من القول، بيثون ليست هي الأسرع. 4. في هذه المناقشة لماذا لا يزال C ++ لغة شعبية جدا في التمويل الكمي؟، يدعي بعض الناس أن C # قد يكون أفضل بكثير للتمويل الكمي النامية. هل هذا صحيح حقا؟ ماذا عن ليبس، واجهات برمجة التطبيقات، والبرامج التعليمية وغيرها؟
وسؤالي الأخير، ما هي الملكية الهامة لاختيار لغة للتمويل الكمي؟ أنا لا أتحدث عن أسم لأنها أسرع لغة وانها تستخدم لحسابات معقدة جدا التي يجب أن تكون سريعة. ولكن ماذا عن C ++، C #، بيثون وجافا؟ بالنسبة لي، من المهم أن يكون هناك ليب والبرامج التعليمية / أمثلة. وبداية، بدأت مع الثعبان، ولكن بعد كل ما قرأت، لست متأكدا من بيثون بعد الآن.
الناس على هذه المشكلة خاطئة لأنها دائما في نهاية المطاف مناقشة المزايا النظرية لهذه اللغات بدلا من الاستخدامات العملية لهذه اللغات.
هاسكل أنيقة ولديها العديد من المزايا النظرية (لغة إيجاز، التعامد، تعدد الأشكال البارامترية، أدتس، وظائف أعلى ترتيب، مترجم الذكية)، منذ حوالي 25 عاما، ولكن لا يزال ليس التيار السائد في مجال التمويل.
بيثون لغة قبيحة. وتعكس صيغة التصميم للتعبير عنها، ولكن قرارات التصميم مثل جيل، والكتابة الديناميكية، وجوه المنحى النموذج الخ هي بطبيعتها مكافحة مواز وعقود على الطريق عندما يكون لدينا مئات من النوى على كل معالج، وأطفالنا ذاهبون إلى تضحك على غموض و بقايا هذه اللغات (من بين أمور أخرى مثل الأقراص المرنة).
ولكن اليوم الجميع تقريبا سوف نشجعكم على التقاط بيثون. لماذا ا؟
ويتقرر مستقبل اللغة (أو أي تكنولوجيا، لهذا الغرض) في المستقبل من قبل مجتمعها، وثراء مكتباتها وأدوات التنمية والطبيعة الذاتية التي ترسيها الشريعة القديمة في تلك اللغة، وليس أبدا مزاياها النظرية. يمكننا كتابة مقالات حول كيف نكره جافا؛ ومكتبة روت ومكتبة بوست؛ على شفاف شمل، ولكن هذه الأمور هنا للبقاء لأنها حققت كتلة حرجة من المستخدمين الذين هم على استعداد لبناء أدوات قوة الإنتاج أو المكتبات من حولهم. العشرات من اللغات الوظيفية مثل F # سيأتي ويذهب، ولكن C ++ سيبقى بالتأكيد تقريبا بسبب كمية هائلة من التعليمات البرمجية القديمة في C ++. الى جانب ذلك، C ++ '11 هو معلما كبيرا في فرز الحوادث المؤسفة النظرية على طول مسار التنمية لها.
بعض الخيارات التي سأتوجه إليها بحذر:
اللغات التي بنيت حول النماذج المتزامنة والوظيفية: سكالا، F #. أود أن أقول أن الاقتراب منه بحذر لأنه يستخدم في الإنتاج في دروببوإكس، الجير، برج البحوث، كريديت سويس الخ ولكن هذه اللغات قد اتخذت وقتا أطول بكثير للارتفاع إلى الاستخدام السائد مما كنت تتوقع منهم نظرا للاتجاهات الحالية في هندسة المعالج. من الصعب بالنسبة لي أن أقول لكم ما إذا كان أو لم يكن استثمار وقتك الآن في هذه اللغات سوف تسدد بالضبط 5 سنوات من الآن، ولكن يبدو أننا جميعا نتفق على أن هذه اللغات في نهاية المطاف سوف. اللغات الخاصة بالنطاق: جوليا. لسوء الحظ، جوليا الأسواق نفسها مع "C - سرعة الحلقات الداخلية العددية". فإنه يجذب نفس المجموعة الفرعية من حشد بايثون الذين سيجادلون مع هؤلاء المستخدمين جوليا أن هذا غير ذي صلة لأنها يمكن أن تنخفض دائما إلى سيثون. كلا الحشود تبني نموذج محكوم وجذب منخفضة المطورين الجودة. (أقول لسوء الحظ، لأن جوليا لديها عدد كبير من الأشياء التي لا يدركها الناس: مولتيمثودس نوع حدودي، كوروتينس متماثل، واجهات نظيفة مع اللغات الأجنبية، ليسب التأثيرات ودعم ميتابروغرامينغ الخ)
مع ذلك، أود تشجيع بعض الخيارات:
اللغات مع دعم الأخ الأكبر: اذهب، سويفت، C #. وبصرف النظر عن دعم جوجل، أصبح الذهاب شعبية جدا في الصين. وقد جعلت مايكروسوفت خطوة كبيرة إلى الأمام من خلال المصادر المفتوحة C #. والكثير من جودة عالية أدوات تطوير واجهة المستخدم تفرخ دائما حول اللغات الأساسية أبل. لغات تهدف إلى استبدال C / C ++ كلغة برمجة على مستوى النظم: D، نمرود. D بالفعل دعم الفيسبوك، ونيمرود يحتفظ التعبير عن بناء الجملة بيثون في حين تحقيق معايير مثيرة للإعجاب واستخدامها لبعض مشاريع البرمجة على مستوى النظم. ولكن حذار من أن كلا لا تزال تعتمد على نهج غ إلى إدارة الذاكرة.
هل حقق أي من ما سبق كتلة حرجة من المطورين الجيدين؟ لا أعتقد ذلك. الحل الحقيقي بالنسبة لك هو أن لغة البرمجة حقا ليس من الصعب التقاط! ما هو أكثر أهمية هو أن تلتقط كيفية تصميم برنامج بدلا من لغة معينة. قضاء بعض الوقت مع 6 نماذج اللغة الرئيسية:
(C ++، C #، جافا) التجريد الوظيفي (ليسب، مل، F #) المواصفات التوضيحية (C ++ قوالب، هاسكل، برولوغ) التجريد سينتاكتيك (ليسب) التوازي (سيلك، سيسال، كلوجور، إرلانغ) (C #، F #، هاسكل، مخطط، رمز)
وكثيرا ما يستدعي التداول الكمي مفاهيم من هذه المجالات الأساسية الثلاثة:
الخوارزميات، وأنماط التصميم وهياكل البيانات: B - الأشجار، والقوائم تخطي، ميمويزاتيون، دب الخ نظم البرمجة: معالجة الذاكرة والتجميع والربط، كومة / كومة، ذاكرة التخزين المؤقت الخ قواعد البيانات: التطبيع، مرحلتين ارتكاب، النسخ المتماثل، تصميم الخ.
وإذا كنت تقترب من نهاية المطور الكمي من الطيف:
للأسف، ليس هناك إجابة صحيحة عن هذا السؤال، انها مثل ما يجب عليك قيادة السيارة في عطلة نهاية الأسبوع الخاص بك.
C ++ هي لغة شعبية في التمويل الكمي، ولكنها عادة (ولكن ليس دائما!) تستخدم فقط لبناء العمود الفقري التطبيق، مثل التسعير المشتقة. لماذا C ++؟ C ++ هو خيار جيد لأن C ++ هو منصة مستقلة، يمكننا أصلا بناء رمز تسعير الخيار لينكس، ماك، ويندوز الخ كوانتليب هو مثال جيد.
C # هو لغة أخرى شعبية جدا في مجال التمويل. يمكننا استخدام C # لإنشاء تطبيق التداول، تحليل بيانات شمل من بنك آخر، إنشاء خادم الويب الخ بالطبع، يمكننا أيضا القيام التسعير المشتقة في C # ولكننا قد لا تكون قادرة على تحسين الأداء. في C ++، يمكننا تقسيم أعباء العمل مع أوبنمب، فيكتوريس مونتي كارلو حلقات الخ وما إلى ذلك، أصعب مع C #.
C # بالتأكيد ليست لغة أفضل من C ++ في التمويل الكمي. انها حقا تتوقف على ما تريد القيام به. على سبيل المثال، لا أحد يستخدم C # لتداول ه.
لا يمكن لكل شخص في التمويل الكمي أن يفعل البرمجة الأساسية، ومعظمها لا. بيثون (إكسيل فل أو R) سيكون أفضل لغة بالنسبة لهم.
إذا كنت تريد أن تتعلم شيئا لعملك الأول، تبدأ مع C ++. محاولة لفهم كوانتليب.

QuantStart.
الانضمام إلى كوانتكاديمي بوابة العضوية الخاصة التي تلبي احتياجات التجزئة المتزايد بسرعة المجتمع تاجر الكمي. سوف تجد مجموعة من ذوي الخبرة مثل التفكير من التجار الكميون على استعداد للرد على أسئلة التداول الكمي الأكثر إلحاحا.
تحقق من بلدي يبوك على التداول الكمي حيث أنا يعلمك كيفية بناء مربحة استراتيجيات التداول المنهجي مع أدوات بايثون، من الصفر.
نلقي نظرة على بلدي الكتاب الاليكتروني الجديد على استراتيجيات التداول المتقدمة باستخدام تحليل سلسلة زمنية، والتعلم الآلي والإحصاءات بايزي، مع بيثون و R.
من قبل مايكل هالز مور في 26 يوليو، 2018.
واحدة من الأسئلة الأكثر تواترا التي تلقيتها في كيس البريد قس هو "ما هي أفضل لغة البرمجة للتجارة الخوارزمية؟". الجواب القصير هو أنه لا توجد لغة "أفضل". يجب النظر في معايير الاستراتيجية، والأداء، نمطية، والتنمية، والمرونة والتكلفة. سوف توضح هذه المقالة المكونات الضرورية لهيكل نظام التداول الخوارزمي وكيف تؤثر القرارات المتعلقة بالتنفيذ على اختيار اللغة.
أولا، سيتم النظر في المكونات الرئيسية لنظام التداول الخوارزمي، مثل أدوات البحث، ومحفظة المحفظة، ومدير المخاطر ومحرك التنفيذ. وفي وقت لاحق، سيتم دراسة استراتيجيات التداول المختلفة وكيفية تأثيرها على تصميم النظام. على وجه الخصوص وتيرة التداول وحجم التداول المحتمل على حد سواء سيتم مناقشتها.
مرة واحدة وقد تم اختيار استراتيجية التداول، فمن الضروري لمهندس النظام بأكمله. وهذا يشمل اختيار الأجهزة، ونظام التشغيل (ق) ومرونة النظام ضد الأحداث النادرة، التي يحتمل أن تكون كارثية. وبينما يجري النظر في العمارة، يجب إيلاء الاعتبار الواجب للأداء - سواء لأدوات البحث أو لبيئة التنفيذ المباشر.
ما هو نظام التداول في محاولة القيام به؟
قبل اتخاذ قرار بشأن "أفضل" اللغة التي لكتابة نظام التداول الآلي من الضروري تحديد المتطلبات. هل سيكون النظام قائما على التنفيذ فقط؟ هل يتطلب النظام إدارة مخاطر أو وحدة بناء محفظة؟ سوف يتطلب النظام باكتستر عالية الأداء؟ بالنسبة لمعظم الاستراتيجيات نظام التداول يمكن تقسيمها إلى فئتين: البحوث وتوليد إشارة.
وتتعلق البحوث بتقييم أداء الاستراتيجية على البيانات التاريخية. إن عملية تقييم إستراتيجية التداول على بيانات السوق السابقة تعرف ب "الاختبار المسبق". وسيكون حجم البيانات والتعقيد الخوارزمي لها تأثير كبير على كثافة الحسابية من باكتستر. سرعة وحدة المعالجة المركزية والتزامن غالبا ما تكون العوامل المحددة في تحسين سرعة تنفيذ البحث.
ويتعلق توليد الإشارة بتوليد مجموعة من إشارات التداول من خوارزمية وإرسال هذه الأوامر إلى السوق، وعادة عن طريق الوساطة. بالنسبة لبعض الإستراتیجیات، یلزم وجود مستوى عال من الأداء. قضايا الإدخال / الإخراج مثل عرض النطاق الترددي للشبكة والكمون غالبا ما تكون العامل المحدد في تحسين أنظمة التنفيذ. وبالتالي فإن اختيار اللغات لكل مكون من مكونات النظام بأكمله قد يكون مختلفا تماما.
نوع، وتيرة وحجم الاستراتيجية.
وسيكون لنوع الاستراتيجية الخوارزمية المستخدمة أثر كبير على تصميم النظام. وسوف يكون من الضروري النظر في الأسواق التي يجري تداولها، والاتصال ببائعي البيانات الخارجية، وتواتر وحجم الاستراتيجية، والمفاضلة بين سهولة التنمية وتحسين الأداء، فضلا عن أي أجهزة مخصصة، بما في ذلك العرف المشترك والخوادم، وحدات معالجة الرسومات أو فبغا التي قد تكون ضرورية.
خيارات التكنولوجيا لاستراتيجية منخفضة الأسهم الأسهم الولايات المتحدة سوف تختلف اختلافا كبيرا عن تلك التي من استراتيجية عالية التردد التحكيم الإحصائية التداول في سوق العقود الآجلة. قبل اختيار اللغة يجب تقييم العديد من بائعي البيانات التي تتعلق باستراتيجية في متناول اليد.
سيكون من الضروري النظر في الاتصال بالمورد، وهيكل أي واجهات برمجة تطبيقات، وتوقيت البيانات، ومتطلبات التخزين والمرونة في مواجهة البائع الذي يعمل دون اتصال. ومن الحكمة أيضا أن تمتلك إمكانية الوصول السريع إلى العديد من البائعين! ولجميع الأدوات المختلفة مخزونات تخزين خاصة بها، ومن الأمثلة على ذلك رموز شريط متعددة للأسهم وتاريخ انتهاء الصلاحية للعقود الآجلة (ناهيك عن أي بيانات أوتك محددة). ويتعين مراعاة ذلك في تصميم المنصة.
ومن المرجح أن يكون تكرار الاستراتيجية واحدا من أكبر العوامل الدافعة لكيفية تحديد كومة التكنولوجيا. الاستراتيجيات التي تستخدم بيانات أكثر تواترا من الحانات بدقة أو الثانية تتطلب اهتماما كبيرا فيما يتعلق بالأداء.
وتؤدي الاستراتيجية التي تتجاوز الحدود الثانية (أي بيانات القراد) إلى تصميم مدعوم بالأداء باعتباره الشرط الأساسي. وبالنسبة للاستراتيجيات ذات التردد العالي، سيلزم تخزين كمية كبيرة من بيانات السوق وتقييمها. برامج مثل HDF5 أو كدب + تستخدم عادة لهذه الأدوار.
من أجل معالجة كميات واسعة من البيانات اللازمة لتطبيقات هفت، يجب أن تستخدم على نطاق واسع باكتستر ونظام التنفيذ. C / C ++ (ربما مع بعض المجمع) من المرجح أن أقوى مرشح اللغة. وسوف تتطلب استراتيجيات فائقة التردد تقريبا تقريبا الأجهزة المخصصة مثل فبغاس، وتبادل المشاركة في الموقع وضبط شبكة النواة / شبكة.
نظم البحوث.
نظم البحوث عادة ما تنطوي على مزيج من التنمية التفاعلية والنصوص الآلي. وغالبا ما يحدث الأول داخل إيد مثل فيسوال ستوديو، ماتلاب أو R ستوديو. ويشمل هذا الأخير حسابات عددية واسعة النطاق على العديد من المعلمات ونقاط البيانات. وهذا يؤدي إلى اختيار اللغة توفير بيئة مباشرة لاختبار التعليمات البرمجية، ولكن أيضا يوفر أداء كافيا لتقييم الاستراتيجيات على أبعاد متعددة المعلمة.
تتضمن إيد النموذجية في هذه المساحة ميكروسوفت فيسوال C ++ / C #، الذي يحتوي على أدوات مساعدة التصحيح واسعة، قدرات اكتمال التعليمات البرمجية (عبر "إنتليسنز") ومحات عامة مباشرة من كومة المشروع بأكمله (عبر قاعدة البيانات أورم، لينق)؛ ماتلاب، الذي صمم لالجبر العددي واسعة النطاق وعمليات فيكتوريسد، ولكن بطريقة وحدة التحكم التفاعلية؛ R ستوديو، الذي يلتف وحدة تحكم اللغة الإحصائية R في إيد كاملة؛ إكليبس إيد لينوكس جافا و C ++؛ و إيدس شبه الملكية مثل إينوهت الستارة لبيثون، والتي تشمل مكتبات تحليل البيانات مثل نومبي، سسيبي، سكيت-تعلم والباندا في بيئة تفاعلية واحدة (وحدة التحكم).
ل باكتستينغ العددية، جميع اللغات المذكورة أعلاه هي مناسبة، على الرغم من أنه ليس من الضروري استخدام واجهة المستخدم الرسومية / إيد كما سيتم تنفيذ التعليمات البرمجية "في الخلفية". الاعتبار الرئيسي في هذه المرحلة هو سرعة التنفيذ. غالبا ما تكون اللغة المترجمة (مثل C ++) مفيدة إذا كانت أبعاد معلمة باكتستينغ كبيرة. تذكر أنه من الضروري أن نكون حذرين من هذه الأنظمة إذا كان هذا هو الحال!
وغالبا ما تستفيد اللغات المفترضة مثل بيثون من المكتبات عالية الأداء مثل نومبي / بانداس لخطوة الاختبار المسبق، من أجل الحفاظ على درجة معقولة من القدرة التنافسية مع معادلات مجمعة. في نهاية المطاف سيتم تحديد اللغة المختارة لل باكتستينغ من قبل الاحتياجات الخوارزمية محددة وكذلك مجموعة من المكتبات المتاحة في اللغة (أكثر على ذلك أدناه). ومع ذلك، فإن اللغة المستخدمة لباكتستر والبيئات البحثية يمكن أن تكون مستقلة تماما عن تلك المستخدمة في بناء محفظة، وإدارة المخاطر ومكونات التنفيذ، كما سيتبين.
إدارة المحفظة وإدارة المخاطر.
وغالبا ما يتم تجاهل مكونات بناء المحفظة وإدارة المخاطر من قبل تجار التجزئة الخوارزمية. هذا هو دائما تقريبا خطأ. وتوفر هذه الأدوات الآلية التي سيتم من خلالها الحفاظ على رأس المال. فهي لا تحاول فقط التخفيف من عدد الرهانات "المحفوفة بالمخاطر"، بل إنها تقلل أيضا من تقلبات الصفقات نفسها، مما يقلل من تكاليف المعاملات.
يمكن أن يكون للإصدارات المتطورة من هذه المكونات تأثير كبير على جودة وانسجام الربحية. فمن السهل إنشاء استراتيجيات مستقرة حيث يمكن بسهولة تعديل آلية بناء المحفظة ومدير المخاطر للتعامل مع أنظمة متعددة. ومن ثم ينبغي اعتبارها عناصر أساسية في بداية تصميم نظام تجاري حسابي.
وظيفة نظام بناء محفظة هو اتخاذ مجموعة من الصفقات المطلوبة وإنتاج مجموعة من الصفقات الفعلية التي تقلل من زبد، والحفاظ على التعرض لعوامل مختلفة (مثل القطاعات وفئات الأصول والتقلب وغيرها) وتحسين تخصيص رأس المال لمختلف استراتيجيات في محفظة.
غالبا ما يقلل بناء الحافظة من مشكلة الجبر الخطي (مثل معامل المصفوفة)، وبالتالي يعتمد الأداء بشكل كبير على فعالية تنفيذ الجبر الخطي العددي المتوفر. وتشمل المكتبات الشائعة أوبلاس، لاباك و ناغ ل C ++. ماتلاب تمتلك أيضا عمليات مصفوفة الأمثل على نطاق واسع. يستخدم بيثون نومبي / سسيبي لمثل هذه الحسابات. وستتطلب المحفظة التي تمت إعادة توازنها بشكل متكرر مكتبة مصفوفة مجمعة (ومثبتة بشكل جيد!) لتنفيذ هذه الخطوة، حتى لا تعيق نظام التداول.
إدارة المخاطر جزء آخر مهم للغاية من نظام التداول الخوارزمي. يمكن أن تأتي المخاطر في أشكال عديدة: زيادة التقلبات (على الرغم من أن هذا قد يكون مرغوبا فيه لاستراتيجيات معينة!)، وزيادة الارتباطات بين فئات الأصول، والتخلف عن الطرف المقابل، وانقطاعات الخادم، وأحداث "البجعة السوداء"، والبق غير المكتشفة في قانون التداول، على سبيل المثال لا الحصر.
وتسعى مكونات إدارة المخاطر إلى التنبؤ بآثار التقلبات المفرطة والروابط بين فئات األصول وتأثيرها الالحق على رأس المال المتداول. في كثير من الأحيان هذا يقلل إلى مجموعة من الحسابات الإحصائية مثل مونت كارلو "اختبارات الإجهاد". وهذا يشبه إلى حد كبير الاحتياجات الحسابية لمحرك تسعير المشتقات وعلى هذا النحو سوف تكون مرتبطة بو. هذه المحاكاة هي موازية للغاية (انظر أدناه)، وإلى حد ما، فمن الممكن "رمي الأجهزة في المشكلة".
أنظمة التنفيذ.
وتتمثل مهمة نظام التنفيذ في تلقي إشارات تجارية مصفاة من مكونات بناء المحفظة وإدارة المخاطر وإرسالها إلى وساطة أو أي وسيلة أخرى للوصول إلى الأسواق. بالنسبة لمعظم استراتيجيات التداول خوارزمية التجزئة وهذا ينطوي على اتصال أبي أو فيكس إلى الوساطة مثل وسطاء التفاعلية. الاعتبارات الأساسية عند اتخاذ قرار بشأن لغة تشمل جودة أبي، توفر اللغة المجمع ل أبي، وتيرة التنفيذ والانزلاق المتوقع.
تشير "جودة" واجهة برمجة التطبيقات إلى مدى توثيقها بشكل جيد، ونوع الأداء الذي توفره، وما إذا كانت تحتاج إلى برنامج مستقل يمكن الوصول إليه أو ما إذا كان يمكن إنشاء بوابة بطريقة بدون رأس (أي واجهة المستخدم الرسومية). في حالة الوسطاء التفاعليين، يجب أن تعمل أداة ترادر ​​وركستاتيون في بيئة واجهة المستخدم الرسومية من أجل الوصول إلى واجهة برمجة التطبيقات الخاصة بهم. كان لي مرة واحدة لتثبيت طبعة سطح المكتب أوبونتو على خادم سحابة الأمازون للوصول إلى وسطاء التفاعلية عن بعد، بحتة لهذا السبب!
توفر معظم واجهات برمجة التطبيقات واجهة C ++ و / أو جافا. وعادة ما يصل إلى المجتمع لتطوير مغلفات لغة محددة ل C #، بايثون، R، إكسل وماتلاب. لاحظ أنه مع كل الإضافات الإضافية المستخدمة (وخاصة أبي مغلفات) هناك مجال للخلل لزحف إلى النظام. دائما اختبار الإضافات من هذا النوع وضمان الحفاظ عليها بنشاط. مقياس جدير بالاهتمام هو معرفة عدد التحديثات الجديدة التي تم إجراؤها على كودباس في الأشهر الأخيرة.
تردد التنفيذ هو في غاية الأهمية في خوارزمية التنفيذ. لاحظ أن المئات من الطلبات قد يتم إرسالها كل دقيقة، وعلى هذا النحو من الأهمية بمكان. سوف يتم تكبد الانزلاق من خلال نظام التنفيذ سيئة الأداء وهذا سيكون له تأثير كبير على الربحية.
تعتبر اللغات التي تمت كتابتها إحصائيا (انظر أدناه) مثل C ++ / جافا بشكل عام مثالية للتنفيذ ولكن هناك مفاضلة في وقت التطوير والاختبار وسهولة الصيانة. اللغات التي يتم كتابتها ديناميكيا، مثل بيثون و بيرل هي الآن بشكل عام "سريع بما فيه الكفاية". تأكد دائما من تصميم المكونات بطريقة نمطية (انظر أدناه) بحيث يمكن "تبديلها" خارجا كما موازين النظام.
التخطيط المعماري وعملية التنمية.
وقد نوقشت أعلاه مكونات نظام تجاري، ومتطلباته من حيث التردد والحجم، غير أنه لم يتم بعد تغطية الهياكل الأساسية للنظام. أولئك الذين يعملون كمتاجر التجزئة أو يعملون في صندوق صغير من المرجح أن "يرتدي قبعات كثيرة". وسوف يكون من الضروري أن تغطي نموذج ألفا، وإدارة المخاطر والتنفيذ المعلمات، وأيضا التنفيذ النهائي للنظام. قبل مناقشة لغات محددة، سيتم مناقشة تصميم بنية النظام الأمثل.
فصل الشواغل.
ومن أهم القرارات التي يجب اتخاذها في البداية كيفية "فصل الشواغل" عن نظام تجاري. في تطوير البرمجيات، وهذا يعني أساسا كيفية تفريق مختلف جوانب النظام التجاري إلى مكونات وحدات منفصلة.
من خلال تعريض الواجهات في كل من المكونات من السهل مبادلة أجزاء من النظام للنسخ الأخرى التي تساعد على الأداء، والموثوقية أو الصيانة، دون تعديل أي رمز التبعية الخارجية. وهذه هي "أفضل الممارسات" لهذه النظم. وبالنسبة للاستراتيجيات في الترددات المنخفضة، ينصح بهذه الممارسات. فبالنسبة لتداول الترددات العالية جدا، قد يكون من الضروري تجاهل قاعدة البيانات على حساب التغيير والتبديل في النظام للحصول على المزيد من الأداء. قد يكون من المرغوب فيه نظام أكثر إحكاما.
إن إنشاء خريطة مكونة لنظام التداول الخوارزمي يستحق مقالا في حد ذاته. ومع ذلك، فإن النهج الأمثل هو التأكد من وجود مكونات منفصلة للمدخلات بيانات السوق التاريخية والحقيقية، وتخزين البيانات، أبي الوصول إلى البيانات، باكتستر، معايير الاستراتيجية، بناء محفظة وإدارة المخاطر وأنظمة التنفيذ الآلي.
على سبيل المثال، إذا كان مخزن البيانات قيد الاستخدام حاليا ضعيفا، حتى عند مستويات كبيرة من التحسين، يمكن تبديله مع الحد الأدنى من إعادة الكتابة إلى ابتلاع البيانات أو أبي الوصول إلى البيانات. بقدر ما باكتستر والمكونات اللاحقة المعنية، ليس هناك فرق.
فائدة أخرى من المكونات فصل هو أنه يسمح لمجموعة متنوعة من لغات البرمجة لاستخدامها في النظام العام. ليست هناك حاجة إلى أن تقتصر على لغة واحدة إذا كانت طريقة الاتصال من مكونات اللغة مستقلة. وسوف يكون هذا هو الحال إذا كانوا التواصل عبر تكب / إب، زيرومق أو بعض بروتوكول آخر اللغة مستقلة.
وكمثال ملموس، يجب النظر في حالة نظام باكتستينغ الذي كتب في C ++ لأداء "طحن عدد"، في حين تتم كتابة مدير محفظة ونظم التنفيذ في بيثون باستخدام سسيبي و إبي.
اعتبارات الأداء.
الأداء هو اعتبار كبير لمعظم استراتيجيات التداول. لاستراتيجيات تردد أعلى هو العامل الأكثر أهمية. "الأداء" يغطي مجموعة واسعة من القضايا، مثل سرعة التنفيذ الخوارزمية، الكمون الشبكة، عرض النطاق الترددي، I / O البيانات، التزامن / التوازي والتحجيم. كل من هذه المجالات هي التي تغطيها بشكل فردي الكتب المدرسية الكبيرة، لذلك هذه المادة سوف تخدش فقط سطح كل موضوع. سيتم الآن مناقشة الهندسة المعمارية واختيار اللغة من حيث آثارها على الأداء.
الحكمة السائدة كما ذكر دونالد نوث، أحد آباء علوم الحاسوب، هو أن "التحسين المبكر هو جذر كل الشر". هذا هو الحال دائما تقريبا - إلا عند بناء خوارزمية التداول عالية التردد! بالنسبة لأولئك الذين يرغبون في استراتيجيات التردد المنخفض، نهج مشترك هو بناء نظام في أبسط طريقة ممكنة وتحسين فقط كما تبدأ الاختناقات في الظهور.
وتستخدم أدوات التنميط لتحديد أين تنشأ الاختناقات. يمكن أن تكون ملامح لجميع العوامل المذكورة أعلاه، إما في بيئة ويندوز أو لينوكس. هناك العديد من أنظمة التشغيل وأدوات اللغة المتاحة للقيام بذلك، فضلا عن المرافق طرف ثالث. وسيتم الآن مناقشة اختيار اللغة في سياق الأداء.
C ++ و جافا و بيثون و R و ماتلاب كلها تحتوي على مكتبات عالية الأداء (إما كجزء من معيارها أو خارجيا) لبنية البيانات الأساسية والعمل الخوارزمي. C ++ السفن مع مكتبة قالب قياسي، في حين يحتوي بيثون نومبي / سسيبي. المهام الرياضية المشتركة هي التي يمكن العثور عليها في هذه المكتبات ونادرا ما تكون مفيدة لكتابة تنفيذ جديد.
ويتمثل أحد الاستثناءات في ما إذا كانت معمارية الأجهزة عالية التخصيص مطلوبة، وأن الخوارزمية تستخدم استخداما موسعا للملحقات الخاصة (مثل مخابئ مخصصة). ومع ذلك، في كثير من الأحيان "إعادة اختراع العجلة" الوقت النفايات التي يمكن أن تنفق بشكل أفضل تطوير وتحسين أجزاء أخرى من البنية التحتية التجارية. وقت التطوير ثمين للغاية وخاصة في سياق المطورين الوحيد.
وكثيرا ما يكون الكمون مشكلة في نظام التنفيذ حيث أن أدوات البحث عادة ما تكون موجودة على نفس الجهاز. بالنسبة إلى السابق، يمكن أن يحدث الكمون عند نقاط متعددة على طول مسار التنفيذ. يجب استشارة قواعد البيانات (زمن الاستجابة للقرص / الشبكة)، يجب إنشاء إشارات (التشغيل المؤقت، زمن استجابة الرسائل)، وإشارات التجارة المرسلة (زمن استجابة نيك) والأوامر المعالجة (زمن الاستجابة الداخلي للتبادل).
لعمليات تردد أعلى من الضروري أن تصبح مألوفة على نحو وثيق مع التحسين الأمثل، فضلا عن الأمثل لنقل الشبكة. هذا هو منطقة عميقة و هو إلى حد كبير خارج نطاق هذه المادة ولكن إذا كان المطلوب خوارزمية أوفت ثم يكون على بينة من عمق المعرفة المطلوبة!
التخزين المؤقت مفيد جدا في مجموعة أدوات مطور التداول الكمي. التخزين المؤقت يشير إلى مفهوم تخزين البيانات التي يتم الوصول إليها بشكل متكرر بطريقة تسمح بالوصول إلى الأداء العالي، على حساب احتمال عدم دقة البيانات. تحدث حالة الاستخدام الشائعة في تطوير الويب عند أخذ البيانات من قاعدة بيانات علائقية تدعمها الأقراص ووضعها في الذاكرة. أي طلبات لاحقة للبيانات لا تضطر إلى "ضرب قاعدة البيانات" وبالتالي مكاسب الأداء يمكن أن تكون كبيرة.
للتداول حالات التخزين المؤقت يمكن أن تكون مفيدة للغاية. على سبيل المثال، يمكن تخزين الحالة الحالية لمحفظة إستراتيجية في ذاكرة التخزين المؤقت حتى يتم إعادة توازنها، بحيث لا تحتاج القائمة إلى إعادة توليدها عند كل حلقة من خوارزمية التداول. من المرجح أن يكون هذا التجميع وحدة المعالجة المركزية عالية أو القرص I / O العملية.
ومع ذلك، التخزين المؤقت لا يخلو من القضايا الخاصة بها. تجديد بيانات ذاكرة التخزين المؤقت في كل مرة، ويرجع ذلك إلى طبيعة فوليلي تخزين ذاكرة التخزين المؤقت، يمكن أن تضع طلبا كبيرا على البنية التحتية. وثمة مسألة أخرى هي تكديس الكلاب، حيث يتم تنفيذ أجيال متعددة من نسخة مخبأ جديدة تحت حمولة عالية للغاية، الأمر الذي يؤدي إلى فشل سلسلة.
تخصيص الذاكرة الديناميكية عملية مكلفة في تنفيذ البرامج. وبالتالي فإنه من الضروري لتطبيقات التداول أداء أعلى أن تكون على بينة جيدا كيف يتم تخصيص الذاكرة وإزالة ديالوكاتد خلال تدفق البرنامج. معايير اللغة الأحدث مثل جافا و C # و بيثون جميعها تؤدي إلى جمع القمامة التلقائي، الذي يشير إلى إلغاء تخصيص الذاكرة التي يتم تخصيصها ديناميكيا عندما تخرج الكائنات من النطاق.
جمع القمامة مفيد للغاية أثناء التطوير لأنه يقلل من الأخطاء ويساعد القراءة. ومع ذلك، فإنه غالبا ما يكون دون المستوى الأمثل لبعض استراتيجيات التداول عالية التردد. عادة ما تكون هناك حاجة لجمع القمامة المخصصة لهذه الحالات. في جافا، على سبيل المثال، من خلال ضبط جامع القمامة وتكوين كومة الذاكرة المؤقتة، فمن الممكن الحصول على أداء عال لاستراتيجيات هفت.
C ++ لا توفر جامع القمامة الأصلي ولذلك فمن الضروري التعامل مع جميع تخصيص الذاكرة / ديالوكاتيون كجزء من تنفيذ كائن. في حين يحتمل أن يكون عرضة للخطأ (يحتمل أن يؤدي إلى مؤشرات التعلق) من المفيد للغاية أن يكون التحكم الدقيق الحبيبات لكيفية ظهور الكائنات على كومة لتطبيقات معينة. عند اختيار لغة تأكد من دراسة كيفية عمل جامع القمامة وما إذا كان يمكن تعديلها لتحسين حالة استخدام معينة.
العديد من العمليات في أنظمة التداول الخوارزمية هي قابلة للتوازي. وهذا يشير إلى مفهوم تنفيذ عمليات برمجية متعددة في نفس الوقت، أي في "موازية". وتشمل ما يسمى بالخوارزميات "الموازية بشكل محرج" خطوات يمكن حسابها بشكل مستقل تماما عن الخطوات الأخرى. بعض العمليات الإحصائية، مثل محاكاة مونتي كارلو، هي مثال جيد للخوارزميات المتوازية بشكل محرج حيث يمكن حساب كل سحب عشوائي وعملية المسار اللاحقة دون معرفة مسارات أخرى.
الخوارزميات الأخرى هي موازية جزئيا فقط. ديناميات السوائل المحاكاة هي مثل هذا المثال، حيث مجال الحساب يمكن تقسيمها، ولكن في نهاية المطاف يجب أن هذه المجالات التواصل مع بعضها البعض، وبالتالي فإن العمليات هي متتابعة جزئية. تخضع الخوارزميات المتوازية لقانون أمدال، الذي يوفر الحد الأعلى النظري لزيادة أداء خوارزمية متوازية عندما يخضع لعمليات $ N $ منفصلة (على سبيل المثال، على وحدة المعالجة المركزية الأساسية أو مؤشر الترابط).
أصبح باراليليساتيون أهمية متزايدة كوسيلة للتحسين منذ ركض سرعة المعالج على مدار الساعة، كما تحتوي على أحدث المعالجات العديد من النوى التي لإجراء حسابات موازية. وقد أدى ارتفاع أجهزة الرسومات الاستهلاكية (في الغالب لألعاب الفيديو) إلى تطوير وحدات المعالجة الرسومية (غبوس)، التي تحتوي على مئات من "النوى" لعمليات متزامنة للغاية. وأصبحت وحدات معالجة الجرافيك هذه بأسعار معقولة جدا. وقد أدت الأطر الرفيعة المستوى، مثل أطر نفيديا، إلى اعتماد واسع النطاق في الأوساط الأكاديمية والمالية.
هذه الأجهزة غبو عادة ما تكون مناسبة فقط للجانب البحثي من التمويل الكمي، في حين يتم استخدام الأجهزة الأخرى أكثر تخصصا (بما في ذلك الميدان بوابة برمجة صفائف - فبغاس) ل (U) هفت. في الوقت الحاضر، معظم اللغات الحديثة تدعم درجة من التزامن / تعدد المواضيع. وبالتالي فمن مباشرة لتحسين باكتستر، لأن جميع الحسابات مستقلة بشكل عام عن الآخرين.
يشير التحجيم في هندسة البرمجيات والعمليات إلى قدرة النظام على التعامل مع الأحمال المتزايدة باستمرار في شكل طلبات أكبر، واستخدام المعالج العالي والمزيد من تخصيص الذاكرة. في التداول الخوارزمي استراتيجية قادرة على نطاق إذا كان يمكن قبول كميات أكبر من رأس المال، ولا تزال تنتج عائدات متسقة. جداول تكديس تكنولوجيا التداول إذا كان يمكن أن تحمل حجم التجارة أكبر وزيادة الكمون، دون الاختناقات.
في حين يجب أن تصمم النظم على نطاق واسع، فإنه غالبا ما يكون من الصعب التنبؤ مسبقا حيث سيحدث عنق الزجاجة. وسيساعد قطع الأشجار، والاختبار، والتنميط، والرصد على نحو كبير في السماح للنظام بتوسيع نطاقه. وغالبا ما توصف اللغات نفسها بأنها "غير قابلة للتغيير". وهذا عادة ما يكون نتيجة للتضليل، وليس الحقيقة الصعبة. هذا هو إجمالي كومة التكنولوجيا التي ينبغي التأكد من قابلية، وليس اللغة. ومن الواضح أن لغات معينة لها أداء أكبر من غيرها في حالات الاستخدام على وجه الخصوص، ولكن لغة واحدة هي "أفضل" أبدا من أي معنى آخر.
إحدى وسائل إدارة المقياس هي فصل المخاوف، كما ذكرنا سابقا. من أجل زيادة القدرة على التعامل مع "المسامير" في النظام (أي التقلبات المفاجئة التي تؤدي إلى مجموعة كبيرة من الصفقات)، فمن المفيد إنشاء "بنية الطابور رسالة". هذا يعني ببساطة وضع نظام طابور الرسائل بين المكونات بحيث تكون الأوامر "مكدسة" إذا كان مكون معين غير قادر على معالجة العديد من الطلبات.
بدلا من أن يتم فقدان الطلبات يتم الاحتفاظ بها ببساطة في كومة حتى يتم التعامل مع الرسالة. هذا مفيد بشكل خاص لإرسال الصفقات إلى محرك التنفيذ. إذا كان المحرك يعاني تحت الكمون الثقيل ثم فإنه سيتم النسخ الاحتياطي الصفقات. وهناك طابور بين مولد إشارة التجارة و أبي التنفيذ تخفيف هذه المسألة على حساب احتمال انزلاق التجارة. 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 (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 doesn't 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 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. هناك مزايا وعيوب لكلا النهجين. 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, 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 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.
استنتاج.
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.
مجرد بدء مع التداول الكمي؟
3 أسباب الاشتراك في قائمة البريد الإلكتروني كوانتستارت:
1. دروس التداول الكمي.
سوف تحصل على إمكانية الوصول الفوري إلى دورة مجانية 10-البريد الإلكتروني معبأة مع تلميحات ونصائح لمساعدتك على البدء في التداول الكمي!
2. جميع أحدث المحتوى.
كل أسبوع سوف نرسل لك التفاف جميع الأنشطة على كوانتستارت لذلك عليك أن لا يفوتون وظيفة مرة أخرى.
ريال مدريد، وقابلة للتنفيذ نصائح التداول الكمي مع أي هراء.

10 Best Programming Languages of 2018 You Should Know.
The technology world is expanding immensely with each passing year and months, as they are coming up with new trendier smartphones and tablets every other day and the competition too has grown tough in the market to stand at the highest position. That’s the reason programmers and web developers are in tremendous demand nowadays because they have a good knowledge of programming languages. Various programming languages are now available and each of them has distinct functions.
When you are just beginning, you might not know about these languages, but you can certainly make some efforts to learn about them and do mastery on at least one or more languages; then you can certainly gain a high-paid job for yourself in the industry. We have mentioned here 10 excellent programming languages of 2018 which you should learn and have a better idea.
Java is considered as the perfect language for the developers and programmers to learn. Currently, it is the top-most programming language and has grabbed the highest position with Android OS yet again, though it was a bit down a few years ago. Java can be utilized for mobile-based applications, enterprise-level purpose, for creating desktop applications, and for establishing Android apps on tablets and smartphones.
The web developers should learn about PHP or Hypertext Preprocessor, a well-known programming language. With the help of PHP, you can enlarge a web app very quickly and effortlessly. PHP is the actual foundation of many strong content management systems, for example, WordPress. PHP is really a valuable programming language for the developers and programmers.
3. JavaScript.
While you are expanding your site, JavaScript is extremely functional as this language can immensely assist you in generating the communication for your website. You can utilize various in style frameworks in JavaScript for constructing the superb user interface. When you’re into web development, it’s very important to know about JavaScript for making interactive web pages. JavaScript is applied for including animations on the web pages, loading fresh images, scripts or objects on web page, and craft hugely responsive user interfaces.
For becoming skilled at all-in-one language, you should begin learning Python language that has the ability to expand web apps, data analysis, user interfaces, and much more, and frameworks are also available for these tasks. Python is utilized by bigger companies mostly that can evaluate vast data sets, thus this is a huge chance to learn it and be a Python programmer.
5. Objective-C.
If you are the one who is interested in constructing apps for iOS, then you have to know about Objective-C language efficiently. The most preferred choice for all the web developers is Objective-C. When you have learned Objective-C, you can begin applying XCode that is known to be the authorized software development tool from Apple. Thus you can quickly produce an iOS app that can be noticeable in App Store.
Another popular programming language is Ruby and Ruby on Rails. This can be learned easily, and also very strong and clear-cut. If you’ve small time in hand and still want to craft any project, then you can surely utilize Ruby language. This programming language is applied massively for web programming and hence turned out to be the ideal selection for the beginner companies.
Perl is also a well-accepted programming language that offers distinct tools for various obscure setbacks such as system programming. Though this programming language is a bit puzzling, it is really a strong one that you can learn for this year, and renew your knowledge. Perl is mainly used for sites and web app expansion, desktop app development and system administration, and test automation that can be applied to testing databases, web apps, networking devices, and much more.
8. C, C++ and C#
You can increase your knowledge by learning about C this year that is a unique programming language. Being the oldest, it should be learned first when you start up, and it is mainly applied in forming different software.
C++ or C plus plus is a bit more progressive than C, and utilized immensely in forming hardware speeded games. It is an ideal selection for strong desktop software as well as apps for mobiles and desktop. Known to be the strongest language, C++ is applied in vital operating systems, such as Windows.
After learning these 2, you can go ahead in knowing about C# language. It won’t be difficult for you to get accustomed with C# after knowing C and C++. C# is actually the prime language for Microsoft applications and services. While executing with and ASP technologies, you are required to be familiar with the C# accurately.
When you are executing on databases such as Microsoft SQL Server, Oracle, MySQL, etc, you should be aware of SQL programming language or Standard Query Language. From this language, you can achieve the proficiency of acquiring the needed data from big and multifaceted databases.
Swift is reflected upon as the trendiest program language for expanding apps for Apple products. This language can be utilized by you for building up apps for iOS activated devices and Apple’s MAC in a quick and simple method. When you are keen to expand a superb iOS application, then it is better for you to gain knowledge of Swift programming language.
Hence, the above programming languages are known to be the best ones of 2018. So the developers and programmers should ensure that they’re updated regarding them. Knowing such programming languages will certainly take them to a greater level altogether in their career!

Best programming language for trading system

الحصول على فيا أب ستور قراءة هذه المشاركة في التطبيق لدينا!
What programming languages are most commonly used in quantitative finance?
What programming languages are the most common in quantitative finance, and why are these languages used?
Note: I do not mean, what languages are used to develop the accounting system at a hedge fund: this is specifically related to aspects of valuation and trading.
locked by chrisaycock Jun 12 '13 at 11:18.
هذا السؤال موجود لأنه ذو أهمية تاريخية، ولكنه لا يعتبر سؤالا جيدا حول الموضوع لهذا الموقع، لذا يرجى عدم استخدامه كدليل على أنه يمكنك طرح أسئلة مشابهة هنا. يتم تجميد هذا السؤال وإجاباته ولا يمكن تغييره. مزيد من المعلومات: مركز المساعدة.
17 Answers.
A choice of C , C++ , or Java is practically required somewhere in the stack since most data vendors only supply bindings for one of those languages. Once the data arrives, though, the trading desk can use whatever it wants.
In addition to the above three, I've seen these used in production:
I've also seen Flex and AJAX used for some front-end components.
And finally, some firms build their own in-house proprietary languages. Goldman Sachs famously has Slang .
What language should I use in quantitative finance?
Whatever your boss pays you to use. At least one of the "Big Three" above to get the data feed. If you actually do get a choice, whatever you feel most comfortable using.
As per #3, that's why you'll notice most language choices are either mathematical in nature (like R and MATLAB) or very high-level in nature (like Python and OCaml).
I believe that C++ is the most common quantitative infrastructure language. I don't know of a single hedge fund or investment bank that doesn't use it extensively or completely (and I spoke to a lot of them at some point in the past). In some cases, as the former Lehman brothers-now-Barclays, C++ was the only language of choice, which is a bit extreme, given that C++ is not as easy to use as a scripting language. Most companies I know pair C++ with a scripting language of choice. Traditionally, this was MATLAB, which is still amazingly popular for prototyping. More recently, R and Python have become more popular. R especially is now used at several hedge funds I know, and has taken many MATLAB seats; and I know of Python users in JPM and UBS. Python has also nice bindings to BLAS, LAPACK, NAG and MOSEK. Goldman has diffentiated itself by developing a proprietary language, SLANG; the very definiton of non-popular. I don't think Java is used heavily or at all for numerical work. Just try to find maintained to BLAS and LAPACK.
Some crazy market maker will differentiate itself via language, as in the case of Jane St., lonely user of OCAML. I would not be surprised to find a LISP-only 10-person shop flying under the radar screen, and very wealthy. But I have never heard of a single Clojure/Scala/Groovy/Ruby/[add your trendy language] in a serious company. At least, I would never invest my money in a company using a web development, immature language to manage wealth.
Summing up, I would say C++, and then a number of prototyping languages, with MATLAB still dominating, but R having a strong positive momentum.
F# was used at credit suisse and I believe a number of other desks. From people I know at Microsoft the banks told MS to make it a supported language, otherwise it would have stayed a project at Microsoft Research.
I have also seen Haskell used for derivatives trading.
I recently did a 'Poll' on 'LinkedIn' about this topic that got 160 votes and generated some great conversation on this subject.
I realized after the fact that I should have structured the question more specifically"
Ultimately, depending on what component of a trading system you are tasked with building (back office, front office, messaging system, quant. analysis, etc.) different technologies do things better than others, and there is no 'One Size Fits All'
Interestingly, if you look at the 'age' demographic of the respondents, C/C++ was typically those whom were a bit older 30+, while the younger generation tended toward Java, F# (OCaml), Or Python.
Also, it's important that many programmers whom have mathematical backgrounds tend to find 'functional' languages more useful as opposed to 'imperative languages'.
Both have their pro's and con's, but remember: functional languages tend to compile into faster byte-code, but maybe harder to adapt to newer technologies for the web.
For my part, I'm writing a limit-order-book in F#, Scala (Functional Java), and Python, and am going to study the results.
Let me quote a few excerpts from Paul & Dominics Guide to Quant Careers (version 2.0):
Most quant jobs ask for C++, with much smaller demand for C# and Excel VBA and Java. Although Excel is the second most common skill, alas Excel VBA is regarded as “trivial” so few employers will be impressed by mastering it. This attitude is responsible for major efforts at the large banks to defuse the vast number of actively disruptive, yet critical spreadsheets that enjoy the reliability of a British train. Some quants get sucked into roles that we call “Excel Jockeys”. Although some Excel work is cutting edge trading floor work that makes money every time you get the sheet to work properly, the majority is looking after risk reports, data ingest and sheets that even users don't know why they have.
MatLab is common in both academia and finance, and it does not harm to have used it, but again like Excel VBA the view amongst managers is that if you are smart enough to do real quant work you can pick up whatever MatLab you need though we do see a few jobs for extreme high end MatLab gurus.
Fortran is still quite popular in academia, but has only a tiny market share in banks. Much “C++” code in banks is really much like C, and one does see “C++” code that is written using the C subset but trying to be like Fortran.
I use C# ( and more generally Framework)
It is true that C++ is oftenly required in jobs advertising but for me it is as a pledge of programming knowledge.
Now, in my opinion C# use tends to become the next standard over the next few years in the quant industry. I see two reasons for that,
from a programming point of view, C# is very mature programming language AND does (natively) offer a plenty of very interesting possibilities such interaction with databases, excel, real time application, GPU programming .. and the transition for a C++ programmer is incredibly easy, the number of high end numerical libraries available in C#
Java is the king!
i have done both C++ and Java. I have met two crowds:
C++ gurus who turned Java Gurus: they all admitted that after knowing Java; they will never go back to C++ again. Although their code in Java was a bit clumpsy. )
C++ gurus who don't know Java; and don't want to know about it.
I personaly will never ever ever do C++ again.
For a lot of complex Financial applications , the Array Programming Languages virtually have a monopoly . Check out the APLs from IBM , Dyalog , APLnext , and the variants J and Kdb ( Q ) . Python , R , and Matlab have implemented a number of ideas from the APL tradition . Morgan Stanley continues to use Arthur Whitney's ( the creator of Q , nee K ) A+ . SmartArrays has a library , interfaced to most standard languages and operating systems , implementing the essential array functions abstracted by a couple of the implementers of the most prominent traditional APLs.
For empirical researching, we used MATLAB for the ease of implementation. We coupled with some C++ functions for the speed of backtesting in MATLAB. We tried Excel, VBA but its too slow for processing a huge amount of data.
For execution, it will depends if the strategy is sensitive to slippage. If high speed execution is required, C++. If not, Java is what we preferred.
C++ is used everywhere.
There is some interest in function programming languages, like Haskell, which are a good fit for mathematical modelling but there are numerous issues with performance and memory consumption which limit usability. From experience, the talent pool is also not very deep when it comes to functional programmers, so building and sustaining a team of quant developers using a functional language is difficult.
I've seen the following languages in use:
To add some languages I've seen used that I don't see in any responses yet:
SAS for statistical analysis Perl, as a general purpose scripting language Mathematica, as a possible alternative to MATLAB for mathematical scripting C# or any other language, used in similar capacities as Java would be.
Has anyone else here ever used Stata? It's probably closest to R and Matlab. Like both R and Matlab, it is remarkably flexible and has many good built-in routines for the standard statistical techniques and a decent-sized community contributing code for some of the less popular techniques. Like Matlab but unlike R, it is very well documented with clear and simple examples and very easy to use and pick up, yet it is much cheaper than Matlab. For at least one hedge fund I know of, it has substituted well as a cheaper alternative to Matlab for strategy research and development.
Besides all the procedural languages mentioned above I would also strongly vote for Complex Event Processing (CEP) and its programming language EPL (similar to SQL).
Time-based Market Data Analysis and Signal Generation are coded in EPL statements, whereas procedural actions like placing an order are coded in plain Java Code. The combination of the two provides a best-of-both-worlds approach and accommodates strategies that are predominantly time-based and therefore cannot be programed with traditional procedural programming languages.
Esper is an Open Source solution in the CEP area.
AlgoTrder is an Algorithmic Trading Framework based on CEP and Esper.
ألغوترادر ​​هو جافا منصة التداول خوارزمية القائمة التي تمكن التنمية والمحاكاة وتنفيذ استراتيجيات متعددة في موازاة ذلك. يمكن لبرنامج التداول الآلي تداول الفوركس، الخيارات، العقود الآجلة، الأسهم & أمب؛ السلع في أي سوق.
There are two versions available of AlgoTrader:
An Open Source Version that you can download for free A Commercial Version (with Support and Professional Services)

Best programming language for trading system

I'm assuming Quantopian went with Python because of the readability. However, I was wondering for the experienced traders surfing this site, what kind of languages do most trading firms program in?
As a corollary to that, if one doesn't have an extremely strong programming background (e. g. not comp sci major), what kind of entry level positions would be available for aspiring traders?
Python is certainly readable and very accessible to new programmers, which are both pluses for new coders coming to algorithmic trading and to the Quantopian platform. However, I suspect Python was also chosen by the Quantopian team because it has gained significant traction in the quant finance community over the last few years as a challenger to the hitherto dominant combinations of C++, Java, Matlab & R.
(While C++ and Java are great general purpose programming languages, and R and Matlab are essential for stats and math, Python has the benefit of being a superb general purpose programming language (better than R & Matlab imo) and the scientific Python stack offers powerful tools for the types of statistical analysis that quants finance employs; perhaps the best of both worlds and hence explaining its strong uptake?)
So, while its true that at the moment most trading firms will probably conduct any serious research in Matlab (or R) and then implement trading algos in C++ or Java (bear in mind these are usually two different jobs in firms of any significant size), I would recommend a good working Python knowledge to any aspiring quant trader as a useful skill.
In terms of entry level positions for aspiring traders, it will depend on what type of trading firms you are looking at. If you are looking for a role as a trader at a quant firm it would be strange if your background hadn't exposed you to at least some coding (i. e. via your relevant engineering, mathematics, comp sci, econometrics, or science degree - typical requirements. ) but this doesn't mean you have to have an extremely strong programming background. Traders in such firms are often more concerned with effective execution, managing risk and monitoring the market than writing the code that drives the algos. Entry level positions that end up in such trading roles, usually start as desk assistants handling general tasks and move up as confidence/exposure is gained.
Quants will be developing their ideas in in MatLab or R quite a lo and maybe coding in C++ or Java for production. Part of it is about looking good on the CV. For that reason they will be using Haslkell and Erlang, and if they are really leading the way, Julia. There is a lot of predudice against Python - but I'm beginning to realise that Python + numpy + pandas + iPython + Pytables can offer massively parallel computations on huge time-series. Which is why those tools are used at places like CERN.
Thanks, Tim and Peter.
Peter, I have never heard of half the programming languages you just mentioned. Is this Jane Street/Citadel-level trading or is it pretty common at most prop shops nowadays?
Yes Python is amazingly fast when combined with Numpy, Pandas as well as Cython, But I am wondering that when most of the times in Trading-Algorithms decisions are being taken using if-else and 'for loop' statements where Python lags because of type checking or reference-counting, would not that be great if Traders or Programming-Hackers turned to wana be traders could use C or language like "Julia" on Quantopian Platform? Or there is way we can use Julia or Cython with Quantopian?
Python is the only language supported on Quantopian.
عذرا، هناك خطأ ما. حاول مرة أخرى أو اتصل بنا عن طريق إرسال الملاحظات.
لقد أرسلت بنجاح تذكرة دعم.
سيكون فريق الدعم لدينا على اتصال قريبا.
يتم توفير المواد على هذا الموقع لأغراض إعلامية فقط ولا تشكل عرضا لبيع أو طلب شراء أو توصية أو تأييد لأي أمن أو استراتيجية، كما أنها لا تشكل عرضا لتقديم الخدمات الاستشارية الاستثمارية من قبل كوانتوبيان.
وبالإضافة إلى ذلك، لا تقدم المادة أي رأي فيما يتعلق بملاءمة أي ضمان أو استثمار محدد. لا ینبغي اعتبار أي معلومات واردة في ھذه الوثیقة بمثابة اقتراح للانخراط في أي مسار عمل یتعلق بالاستثمار أو الامتناع عنھ حیث لا یقوم أي من کوانتوبيان أو أي من الشرکات التابعة لھ بتقدیم المشورة الاستثماریة أو العمل کمستشار لأي خطة أو کیان خاضع ل وقانون تأمين دخل التقاعد للموظفين لعام 1974، بصيغته المعدلة، أو حساب التقاعد الفردي أو المعاش التقاعدي الفردي، أو تقديم المشورة بصفة الأمانة فيما يتعلق بالمواد المعروضة في هذه الوثيقة. إذا كنت مستقلا فرديا أو مستثمرا آخر، فاتصل بمستشارك المالي أو أي جهة مالية أخرى لا علاقة لها بكوانتوبيان حول ما إذا كانت أي فكرة استثمار أو إستراتيجية أو منتج أو خدمة معينة مذكورة هنا قد تكون مناسبة لظروفك. وتشمل جميع الاستثمارات مخاطر، بما في ذلك خسارة أصل الدين. لا تقدم كوانتوبيان أي ضمانات بشأن دقة أو اكتمال الآراء المعرب عنها في الموقع. وتخضع اآلراء للتغيير، وقد تصبح غير موثوقة ألسباب مختلفة، بما في ذلك التغيرات في ظروف السوق أو الظروف االقتصادية.
يتم توفير المواد على هذا الموقع لأغراض إعلامية فقط ولا تشكل عرضا لبيع أو طلب شراء أو توصية أو تأييد لأي أمن أو استراتيجية، كما أنها لا تشكل عرضا لتقديم الخدمات الاستشارية الاستثمارية من قبل كوانتوبيان.
وبالإضافة إلى ذلك، لا تقدم المادة أي رأي فيما يتعلق بملاءمة أي ضمان أو استثمار محدد. لا ینبغي اعتبار أي معلومات واردة في ھذه الوثیقة بمثابة اقتراح للانخراط في أي مسار عمل یتعلق بالاستثمار أو الامتناع عنھ حیث لا یقوم أي من کوانتوبيان أو أي من الشرکات التابعة لھ بتقدیم المشورة الاستثماریة أو العمل کمستشار لأي خطة أو کیان خاضع ل وقانون تأمين دخل التقاعد للموظفين لعام 1974، بصيغته المعدلة، أو حساب التقاعد الفردي أو المعاش التقاعدي الفردي، أو تقديم المشورة بصفة الأمانة فيما يتعلق بالمواد المعروضة في هذه الوثيقة. إذا كنت مستقلا فرديا أو مستثمرا آخر، فاتصل بمستشارك المالي أو أي جهة مالية أخرى لا علاقة لها بكوانتوبيان حول ما إذا كانت أي فكرة استثمار أو إستراتيجية أو منتج أو خدمة معينة مذكورة هنا قد تكون مناسبة لظروفك. وتشمل جميع الاستثمارات مخاطر، بما في ذلك خسارة أصل الدين. لا تقدم كوانتوبيان أي ضمانات بشأن دقة أو اكتمال الآراء المعرب عنها في الموقع. وتخضع اآلراء للتغيير، وقد تصبح غير موثوقة ألسباب مختلفة، بما في ذلك التغيرات في ظروف السوق أو الظروف االقتصادية.