Forex Trading Platform Ubuntu Studio

Hai un parere sul Dollaro USA del commercio è uno dei principali FXCM Forex Broker Qual è Forex è il mercato in cui tutte le valute mondi commercio. Il mercato del forex è il più grande, il mercato più liquido del mondo, con un volume medio di scambi giornalieri superiore a 5300 miliardi. Non vi è alcuno scambio centrale, come negozia sopra il contatore. Forex trading ti permette di acquistare e vendere valute, simili a stock trading, tranne lo si può fare 24 ore al giorno, cinque giorni alla settimana, si ha accesso a margin trading, e si guadagna l'esposizione ai mercati internazionali. FXCM è una società di intermediazione leader forex. Esecuzione equo e trasparente dal 1999, FXCM è proposto di creare la migliore esperienza di trading forex online nel mercato. Siamo stati pionieri del modello di esecuzione No Dealing Desk Forex, fornendo, esecuzione trasparente competitivo per i nostri commercianti. Premiato servizio clienti con l'istruzione di alto livello di trading e gli strumenti potenti, ci guida attraverso migliaia di operatori del mercato dei cambi, con 247 servizio clienti. Scopri il vantaggio FXCM. Spread medi: spread media ponderata nel tempo sono derivati ​​da prezzi negoziabili a FXCM dal 1 ° ottobre 2016 al 31 dicembre 2016. Le cifre diffuse sono solo a scopo informativo. FXCM non è responsabile per errori, omissioni o ritardi o per le azioni basandosi su tali informazioni. Vivo Spread Widget: dinamiche spread dal vivo sono i migliori prezzi disponibili da FXCMs No Dealing Desk di esecuzione. Quando vengono visualizzati spread statiche, le cifre sono medie ponderati nel tempo derivati ​​dai prezzi negoziabili a FXCM dal 1 ° ottobre 2016 al 31 dicembre 2016. Gli spread illustrate sono disponibili sui standard e gli account su commissione commerciante attivo. Gli spread sono variabili e sono soggetti a ritardare. Le cifre diffuse sono solo a scopo informativo. FXCM non è responsabile per errori, omissioni o ritardi, o per le azioni basandosi su tali informazioni. Mini Conti: Mini conti offrono 21 coppie di valute e di default per l'esecuzione Dealing Desk in cui sono vietate le strategie di prezzo di arbitraggio. FXCM determina, a propria esclusiva discrezione, che comprende una strategia di prezzo di arbitraggio. Mini conti offrono spread più prezzi mark-up. Gli spread sono variabili e sono soggetti a ritardare. Mini conti che utilizzano strategie proibite o con un patrimonio netto che supera 20.000 CCY possono passare a No Dealing Desk di esecuzione. Vedere rischi di esecuzione. Servizio Clienti lanciare il software Piattaforme popolare circa FXCM Forex Accounts più risorse ad alto rischio di investimento Attenzione: trading in valuta estera contratti eo per le differenze sul margine comporta un alto livello di rischio, e potrebbe non essere adatto a tutti gli investitori. Esiste la possibilità che si possa sostenere una perdita di oltre i fondi depositati e quindi, non si deve speculare con il capitale che non si può permettere di perdere. Prima di decidere di commerciare i prodotti offerti da FXCM si dovrebbe considerare con attenzione i vostri obiettivi, la situazione finanziaria, esigenze e al livello di esperienza. È necessario essere consapevoli di tutti i rischi associati alla negoziazione sui margini. FXCM fornisce consigli generali che non tiene in considerazione i vostri obiettivi, la situazione finanziaria o esigenze. Il contenuto di questo sito non deve essere interpretato come un consiglio personale. FXCM raccomanda di chiedere il parere di un consulente finanziario indipendente. Clicca qui per leggere avvertimento del rischio completa. FXCM è un Futures Commission Merchant registrato e rivenditore al dettaglio dei cambi con la Commodity Futures Trading Commission ed è membro della National Futures Association. NFA 0308179 Forex Capital Markets, LLC (FXCM LLC) è una controllata che opera all'interno del gruppo FXCM di società (collettivamente, il Gruppo FXCM). Tutti i riferimenti su questo sito per FXCM si riferiscono al Gruppo FXCM. Si prega di notare le informazioni su questo sito internet è destinato solo per i clienti al dettaglio, e certe rappresentazioni di seguito potrebbero non essere applicabili ai partecipanti Contratto ammissibili (cioè clienti istituzionali) come definito nel Exchange Act sect1 Commodity (a) (12). copia copyright 2017 Forex Capital Markets. Tutti i diritti riservati. 55 Water St. 50th Floor, New York, NY 10041 USAWhich è la migliore piattaforma di trading in India, che è la migliore piattaforma di trading in India può u pls lo lasciano conoscere che è il miglior platformwebsite commerciale in India offerto da qualsiasi intermediario. Questo aiuterà tutti noi a jnow a chi rivolgersi. nuovi arrivati ​​e anche i commercianti di media esperienza, come me, sarebbe in grado di ottenere da essa. I criteri possono essere: - Buona la creazione di grafici - buon amplificatore interfaccia facile da usare - impianto di ordine all'ingrosso - ordini condizionali. staffa, trailing stop loss, OCO - in diretta - chiede un buon supporto tecnico - livello di personalizzazione offerto ecc Pls aiutami a scegliere da ICICI, Mosl, Sharekhan, IndiaInfoline, Kotak, Religare, Angelo intermediazione, titoli HDFC. Edelweiss ecc vostro aiuto sarebbe molto apprezzato. Inoltre, se uno ha affrontato tutti i problemi con una qualsiasi delle piattaforme con un broker. pls fatemi sapere che così tht o altri possono prendere la decisione di conseguenza Pls aiutare con ur viste ragazzi. Tutto il meglio nella conoscenza guadagnare denaro e makingSoftware Notizie Spotwares cAlgo autotrading piattaforma è ora integrato con Microsoft Visual Studio SpotWare sistemi visivi, gli sviluppatori della piattaforma di trading FX posto cTrader, ha annunciato oggi la nuova integrazione della propria piattaforma di trading algoritmico cAlgo, con Visual Studio. cAlgoreg è utilizzato per sviluppare robot commerciali in do diesis per l'analisi automatica round-the-clock e l'esecuzione, ed è anche usato per creare indicatori di analisi tecnica personalizzata. Integrazione di Visual Studioreg e cAlgoreg significa che gli sviluppatori possono ora usufruire di visivi Studiorsquos molte funzioni utili, e possono applicare le modifiche direttamente al cAlgo da Visual Studio. Ilya Holeu, responsabile delle vendite a SpotWare, dice, ldquoThis nuovo aggiornamento andrà un lungo cammino verso la codifica più veloce, più efficiente e più intelligente di robot e degli indicatori. Questo apre solo un mondo di possibilità per gli sviluppatori e gli utenti dei nostri software. rdquo Studiorsquos visivi molti eccellenti caratteristiche Editor codice includono: Frammenti: I blocchi di codice riutilizzabile che può essere rapidamente inserita dagli sviluppatori quando e dove necessario. IntelliSense: aiuta gli utenti in modo significativo accelerare il processo di codifica, fornendo funzionalità di completamento automatico rapidamente accessibile per le dichiarazioni ripetitivi. sezioni di codice pieghevoli: Migliora l'efficienza, aiutando gli sviluppatori di organizzare e gestire pezzi di sorgente. SpotWare sono anche incoraggiare gli utenti a sfruttare visivi Studiorsquos strumenti di debug avanzati, come ad esempio: suggerimenti dati: passa il mouse sopra una variabile nella finestra di origine-editore rivela il suo valore. Finestre variabili: Consentire agli utenti di visualizzare, valutare e variabili modificare al volo. Finestre variabili includono lsquoLocalsrsquo, lsquoAutosrsquo, lsquoWatchrsquo e lsquoQuickWatchrsquo. Avanzate punti di interruzione: Consente agli utenti di interrompere l'esecuzione debugger in base a Conti Hit, le funzioni e le condizioni di chiamata-Stack. Stack di chiamate e Codice mappa: gli utenti possono visivamente rintracciare la chiamata stack durante il debug. cAlgo Product Manager, Sergey Borisov, è fiducioso dell'effetto positivo l'integrazione avrà sugli utenti del prodotto: rilascio ldquoThis è davvero intenzione di accelerare le cose per i nostri programmatori e garantire la massima efficienza, minimo di errori, ed eccellenti capacità di codifica, rdquo, dice Borisov. ldquoWersquove ha lavorato duramente per fornire un buon editor nella piattaforma cAlgo, ma Microsoftreg Visual Studio è lo strumento numero uno per gli sviluppatori di linguaggi di oggi, e la potenza di alcune delle sue funzionalità è senza pari. Speriamo davvero che questo richiederà whatrsquos possibile sul cAlgo alla prossima level. quot Maggiori dettagli su questa versione possono essere visualizzate nel video qui sotto: A proposito di SpotWare Sistemi SpotWare sistemi è basata LimassolLondon neutro fornitore di tecnologia finanziaria che offre soluzioni complete di e-FX STP per gli intermediari , le banche ei loro clienti. SpotWare sono più noti per la loro NDD fiore all'occhiello e piattaforma di trading STP, cTrader, e la sua piattaforma compagno di trading algoritmico, cAlgo. L'azienda fornisce un PaaS facilmente integrati (Platform as a Service) soluzione di broker-dealer, banche e altre società di servizi finanziari che desiderano implementare e offrire manuale e trading algoritmico NDD EFX con un sistema completo di gestione di back-end. Informativa Tutti i marchi sono di proprietà dei rispettivi proprietari. Microsoft, Visual Studio e Windows sono marchi registrati o marchi di Microsoft Corporation negli Stati Uniti eo in altri paesi. La negoziazione di azioni, futures, opzioni, e Forex è di natura speculativa e non è appropriato per tutti gli investitori. Gli investitori dovrebbero utilizzare solo il capitale di rischio quando trading futures, opzioni e Forex perché c'è sempre il rischio di perdita sostanziale. Accesso all'account, esecuzioni commerciali e di risposta del sistema possono essere influenzate negativamente dalle condizioni di mercato, ritardi quotazioni, dati di sistema e di altri fattori. Altro Forex Software Notizie MT5 continua a guadagnare terreno tra i broker forex 2 Febbraio 2017 11:09:56 MetaTrader 5 (MT5), la piattaforma di trading sviluppato dalla società russa MetaQuotes Software come successore del grande successo MetaTrader 4 (MT4), è continuando a guadagnare popolarità tra i broker. Per saperne di più Più di 100 broker forex in tutto il mondo già utilizzare MetaTrader 5 21 Dicembre 2016 13:21:03 russo sviluppatore di software MetaQuotes ha riferito il Mercoledì che il numero di broker forex che utilizzano il suo MetaTrader 5 (MT5) piattaforma di trading continua a crescere. Leggi tutto SpotOption lancia trading di opzioni binarie su MT4 23 novembre 2016 15:31:00 Opzioni Binarie fornitore di piattaforme SpotOption ha annunciato il lancio di un nuovo MetaTrader 4 plug-in, così come una nuova piattaforma di trading CFD. Il plug-in permette di trading di opzioni binarie sulla più famosa piattaforma di forex trading, MT4. Leggi tutto MetaQuotes arresta lo sviluppo di MT4 15 nov 2016 15:08:22 MetaQuotes tentativi rafforzano la posizione MT5rsquos sul forex e CFD mercato e si ferma l'aggiornamento del suo predecessore più popolare MetaTrader 4, ha annunciato oggi Finanza Magnati. Per saperne di più FXCM migliora la sua tecnologia API di trading 21 Settembre 2016 08:27:34 Il leader globale del forex e CFD broker di FXCM cerca costantemente di ottimizzare l'esperienza di trading dei propri clienti e mette tanto impegno in innovazione tecnologica. Leggi tutto oneZero consentire Metatrader 5 broker di accedere NYSE, NASDAQ, LSE 1 Ago 2016 14:30:04 sviluppatore Software MetaQuotes ha annunciato oggi una partnership con la società Fintech oneZero per il lancio di un gateway di connettività per MetaTrader 5 integrazione con Interactive Brokers Group, Inc. ( NYSE: IBKR). Leggi più partner FXCM con SwipeStox a ofer social trading mobile app 27 Luglio 2016 13:24:34 Secondo un annuncio ufficiale il Martedì, FXCM offre ora social trading attraverso la piattaforma mobile Swipestox, lanciato all'inizio di quest'anno e guadagnando popolarità da allora. Per saperne di più Trading 212 gradi come il più popolare app forex nel Regno Unito 21 Lug 2016 14:55:42 Trading 212, il Regno Unito ha registrato e regolamentato forex di intermediazione, ha detto la sua applicazione mobile trading omonimo è diventato l'applicazione forex più scaricato nel Regno Unito. Leggi recensione in più piattaforma SoloTrader: La scelta perfetta per broker forex start-up 19 maggio 2016 12:07:10 Creato da una società di sviluppo di software di Hong Kong, SoloTrader è una piattaforma di trading facile da usare, costruito con semplici estetica. Leggi tutto SpotWare aggiunge avviso margini aggiuntivi cTrader piattaforma di forex trading 24 novembre 2015 sviluppatore 15:16:27 Software SpotWare Systems ha introdotto molte nuove funzionalità alla sua piattaforma di forex trading cTrader, compresa l'aggiunta di livelli personalizzati e margin call e le notifiche di prezzo, la società ha detto all'inizio di questo mese. Per saperne di più broker forex più recenti Forex trading comporta un elevato livello di rischio e può non essere adatto a tutti gli investitori. Prima di impegnarsi in commercio di valuta estera, si prega di farsi conoscere con le sue specifiche e tutti i rischi ad esso associati. Tutte le informazioni su ForexBrokerz è pubblicata solo per fini informativi generali. Noi non presentiamo alcuna garanzia per la precisione e l'affidabilità di queste informazioni. Qualsiasi azione si prende sulla base delle informazioni che trovate su questo sito è rigorosamente a proprio rischio e noi non sarà responsabile per eventuali perdite danni eo in connessione con l'utilizzo del nostro sito. Tutti i contenuti testuali su ForexBrokerz è protetto da copyright e protetto dal diritto di proprietà intellettuale. L'utente non può riprodurre, distribuire, pubblicare o trasmettere qualsiasi pezzo del sito senza di noi indicando come fonte. ForexBrokerz non rivendica il copyright sulle immagini di utilizzato sul sito, tra cui broker loghi, immagini e illustrazioni. sito Forexbrokerz utilizza i cookies. Continuando a navigare il sito l'utente accetta di utilizzare i cookie. Leggi la nostra Privacy Policy. Best linguaggio di programmazione per Algorithmic Trading Systems Una delle domande più frequenti che ricevo nel raccoglitore QS è Qual è il miglior linguaggio di programmazione per il trading algoritmico. La risposta breve è che non esiste un linguaggio migliore. parametri di strategia, le prestazioni, la modularità, lo sviluppo, la resilienza e il costo devono tutti essere presi in considerazione. Questo articolo illustrerà i componenti necessari di un'architettura di sistema trading algoritmico e come le decisioni relative all'attuazione influenzare la scelta della lingua. In primo luogo, saranno prese in considerazione le principali componenti di un sistema di trading algoritmico, come ad esempio gli strumenti di ricerca, portafoglio ottimizzatore, risk manager e motore di esecuzione. Successivamente, diverse strategie di trading saranno esaminate e come influenzano la progettazione del sistema. In particolare, saranno entrambi discussa la frequenza degli scambi e il volume degli scambi probabile. Una volta selezionata la strategia di negoziazione, è necessario architetto dell'intero sistema. Ciò include la scelta di hardware, il sistema operativo (s) e la resilienza sistema contro eventi rari e potenzialmente catastrofici. Mentre l'architettura viene presa in considerazione, tenendo conto deve essere pagato per le prestazioni - sia per gli strumenti di ricerca, nonché l'ambiente di esecuzione dal vivo. Qual è il sistema commerciale cercando di fare prima di decidere il miglior linguaggio con cui scrivere un sistema di trading automatico è necessario definire i requisiti. Il sistema sta per essere puramente esecuzione basato Sarà il sistema richiede un modulo di costruzione di gestione del rischio o portafoglio il sistema richiederà un backtester ad alte prestazioni per la maggior parte delle strategie del sistema di scambio può essere partizionato in due categorie: la ricerca e la generazione del segnale. La ricerca si occupa di valutazione di un rendimento della strategia sui dati storici. Il processo di valutazione di una strategia di trading sui dati di mercato prima è conosciuta come backtesting. La dimensione dei dati e la complessità algoritmica avranno un grande impatto sulla intensità computazionale del backtester. velocità della CPU e la concorrenza sono spesso i fattori limitanti di ottimizzare la velocità di esecuzione della ricerca. La generazione di segnali si occupa di generare una serie di segnali di trading da un algoritmo e l'invio di tali ordini al mercato, di solito tramite una società di intermediazione. Per certe strategie è richiesto un elevato livello di prestazioni. questioni IO come la larghezza di banda e la latenza sono spesso il fattore limitante per ottimizzare i sistemi di esecuzione. Così la scelta delle lingue per ogni componente del vostro intero sistema può essere molto diversa. Tipo, frequenza e volume della strategia Il tipo di strategia algoritmica impiegato avrà un impatto significativo sulla progettazione del sistema. Sarà necessario prendere in considerazione i mercati oggetto di scambio, la connettività a fornitori di dati esterni, la frequenza ed il volume della strategia, il trade-off tra la facilità di sviluppo e di ottimizzazione delle prestazioni, così come qualsiasi hardware personalizzato, compreso il co-locati personalizzato server, GPU o FPGA che potrebbero essere necessari. Le scelte tecnologiche per un a bassa frequenza US strategia di azioni saranno molto diverse da quelle di una strategia di trading arbitraggio statistico ad alta frequenza sul mercato dei futures. Prima della scelta della lingua molti fornitori di dati devono essere valutati che riguardano una strategia a portata di mano. Sarà necessario prendere in considerazione la connettività al venditore, la struttura di qualsiasi API, tempestività dei dati, requisiti di archiviazione e la resilienza di fronte ad un venditore di andare offline. E 'anche saggio di possedere un rapido accesso a più fornitori Vari strumenti tutti hanno le proprie peculiarità di storage, i cui esempi sono molteplici simboli ticker per le azioni e le date di scadenza dei futures (per non parlare di tutti i dati specifici OTC). Questo deve essere presi in considerazione per la progettazione della piattaforma. Frequenza di strategia è probabile che sia uno dei principali motori di come verrà definita la tecnologia stack. Le strategie che impiegano i dati più frequentemente di quanto minuziosamente o in secondo luogo barre richiedono una notevole considerazione per quanto riguarda le prestazioni. Una strategia superiore in secondo bar (cioè spuntare dati) porta ad un design prestazioni guidato come l'esigenza primaria. Per le strategie ad alta frequenza dovrà essere conservato e valutati una notevole quantità di dati di mercato. Software come HDF5 o KDB sono comunemente usati per questi ruoli. Per elaborare gli ampi volumi di dati necessari per applicazioni HFT, un sistema backtester ed esecuzione ampiamente ottimizzato deve essere utilizzato. CC (possibilmente con qualche assembler) è probabile che il più forte candidato lingua. strategie ultra-alta frequenza sarà quasi certamente richiedono hardware personalizzato come FPGA, lo scambio di co-locazione e messa a punto un'interfaccia kernalnetwork. Sistemi di sistemi di ricerca di ricerca di solito comporta una miscela di sviluppo interattivo e script automatizzati. Il primo avviene spesso all'interno di un IDE come Visual Studio, Matlab o R Studio. Quest'ultimo coinvolge ampi calcoli numerici più numerosi parametri e punti di dati. Questo porta ad una scelta della lingua fornire un ambiente semplice da codice di prova, ma fornisce anche prestazioni sufficienti per valutare strategie oltre dimensioni multiple parametri. IDE tipiche in questo spazio includono Microsoft Visual CC, che contiene le utility vasta debug, funzionalità di completamento del codice (tramite Intellisense) e panoramiche semplici dell'intero stack di progetto (tramite l'ORM banca dati, LINQ) MatLab. che è progettato per un'ampia algebra lineare numerica e le operazioni Vectorised, ma in un interattivo R Studio console modo. che avvolge la console linguaggio statistico R in una vera e propria IDE Eclipse IDE per Linux Java e C e IDE semi-proprietarie come Enthought Baldacchino per Python, che includono i dati librerie di analisi quali NumPy. SciPy. scikit-learn e panda in un unico ambiente interattivo (console). Per backtesting numerica, tutte le lingue sopra sono adatti, anche se non è necessario utilizzare un GUIIDE come codice verrà eseguito in background. La prima considerazione in questa fase è quella della velocità di esecuzione. Un linguaggio compilato (come C) è spesso utile se le dimensioni dei parametri backtesting sono grandi. Ricordate che è necessario diffidare di tali sistemi, se questo è il caso interpretato linguaggi come Python spesso fanno uso di librerie ad alte prestazioni, come NumPypandas per la fase test a ritroso, al fine di mantenere un ragionevole grado di competitività con equivalenti compilati. In definitiva la lingua scelta per il backtesting sarà determinata da esigenze algoritmiche nonché la gamma di librerie disponibili nella lingua (più avanti). Tuttavia, la lingua utilizzata per gli ambienti backtester e di ricerca può essere completamente indipendenti da quelli utilizzati nei componenti di costruzione del portafoglio, gestione del rischio e di esecuzione, come si vedrà. Portafoglio e gestione dei rischi Gli elementi costruttivi del portafoglio e gestione del rischio sono spesso trascurati dai commercianti algoritmico di vendita al dettaglio. Questo è quasi sempre un errore. Questi strumenti forniscono il meccanismo con cui la conservazione del capitale. Essi non solo tentativo di alleviare il numero di scommesse rischiose, ma anche ridurre al minimo il tasso di abbandono dei mestieri stessi, riducendo i costi di transazione. versioni sofisticate di questi componenti possono avere un effetto significativo sulla qualità e consistentcy della redditività. E 'semplice per creare una scuderia di strategie come il meccanismo di costruzione del portafoglio e risk manager può essere facilmente modificato per gestire più sistemi. Così essi dovrebbero essere considerati componenti essenziali fin dall'inizio della progettazione di un sistema di trading algoritmico. Il lavoro del sistema di costruzione del portafoglio è quello di prendere una serie di mestieri desiderati e produrre la serie di mestieri attuali che riducono al minimo il tasso di abbandono, mantenere l'esposizione a vari fattori (quali settori, classi di attivi, la volatilità, ecc) e ottimizzare l'allocazione del capitale alle varie strategie in un portafoglio. La costruzione del portafoglio spesso riduce ad un problema di algebra lineare (ad esempio una fattorizzazione matrice) e quindi le prestazioni dipende fortemente l'efficacia dell'applicazione algebra lineare numerica disponibili. librerie comuni includono uBLAS. LAPACK e NAG per C. MatLab possiede anche operazioni di matrice ampiamente ottimizzati. Python utilizza NumPySciPy per tali calcoli. Un portafoglio di frequente riequilibrato richiederà una libreria di matrice compilato (e ben ottimizzato) per effettuare questo passaggio fuori, in modo da non collo di bottiglia del sistema commerciale. La gestione del rischio è un altro elemento molto importante di un sistema di trading algoritmico. Il rischio può venire in molte forme: aumento della volatilità (anche se questo può essere visto come auspicabile per determinate strategie), aumento della correlazione tra le classi di attività, di default controparte, interruzioni del server, eventi cigno nero e bug rilevati nel codice di negoziazione, solo per citarne pochi. componenti di gestione del rischio cercare di anticipare gli effetti di un eccesso di volatilità e correlazione tra le classi di attività e la loro successiva effetto (s) sul capitale di trading. Spesso questo riduce ad una serie di calcoli statistici come test di stress Monte Carlo. Questo è molto simile alle esigenze di calcolo di un motore derivati ​​pricing e come tale sarà CPU-bound. Queste simulazioni sono altamente parallelizzabili (vedi sotto) e, in una certa misura, è possibile lanciare hardware al problema. Execution Systems Il lavoro del sistema di esecuzione è di ricevere segnali di trading filtrati dai componenti di costruzione del portafoglio e gestione del rischio e inviarli a una società di intermediazione o altri mezzi di accesso al mercato. Per la maggior parte delle strategie di trading algoritmico di vendita al dettaglio si tratta di una connessione API o FIX per una società di intermediazione, come Interactive Brokers. Le considerazioni principali momento di decidere su una lingua comprendono la qualità delle API, disponibilità lingua-wrapper per una API, frequenza di esecuzione e lo slittamento previsto. La qualità delle API si riferisce a come ben documentato che è, che tipo di prestazioni che fornisce, se è necessario un software standalone per accedere o se un gateway può essere stabilita in modo senza testa (cioè senza GUI). Nel caso di Interactive Brokers, lo strumento Trader stazioni di lavoro deve essere in esecuzione in un ambiente GUI per accedere loro API. Una volta ho dovuto installare una versione desktop di Ubuntu su un server cloud di Amazon per accedere Interactive Brokers da remoto, semplicemente per questo motivo la maggior parte delle API fornirà una interfaccia C Andor Java. E 'di solito fino alla comunità di sviluppare involucri specifiche della lingua per C, Python, R, Excel e MATLAB. Si noti che con tutti i plugin aggiuntivo utilizzato (soprattutto involucri API) vi è spazio per gli insetti a insinuarsi nel sistema. Verificare sempre i plugin di questo tipo e garantire sono attivamente mantenuti. Un indicatore utile è quello di vedere come molti nuovi aggiornamenti di una base di codice sono stati fatti negli ultimi mesi. frequenza di esecuzione è della massima importanza per l'algoritmo di esecuzione. Si noti che centinaia di ordini possono essere inviati ogni minuto e come tali prestazioni sono critiche. Lo slittamento sarà sostenuta attraverso un sistema di esecuzione male in sofferenza e questo avrà un impatto drammatico sulla redditività. linguaggi staticamente tipizzati (vedi sotto), come CJava sono normalmente poco idonei per l'esecuzione, ma c'è un trade-off in tempi di sviluppo, collaudo e facilità di manutenzione. linguaggi dinamicamente tipizzati, come Python e Perl sono ora generalmente abbastanza veloce. Assicurarsi sempre i componenti sono progettati in maniera modulare (vedi sotto) in modo che possano essere archiviati come le scaglie di sistema. Pianificazione e sviluppo architettonico Processo I componenti di un sistema di scambio, le sue esigenze frequenza e il volume sono state discusse in precedenza, ma le infrastrutture del sistema deve ancora essere coperto. Coloro che agiscono come un commerciante al dettaglio o lavorare in un piccolo fondo sarà probabilmente indossare molti cappelli. Sarà necessario copra i parametri del modello alpha, gestione e di esecuzione, e anche la realizzazione finale del sistema. Prima di approfondire linguaggi specifici sarà discussa la progettazione di un'architettura ottimale del sistema. Separazione degli interessi Una delle decisioni più importanti che devono essere fatte in via preliminare è come separare le preoccupazioni di un sistema commerciale. Nello sviluppo di software, questo significa essenzialmente come rompere i diversi aspetti del sistema commerciale in componenti modulari separati. Esponendo interfacce a ciascuno dei componenti è facile scambiare parti del sistema per altre versioni che aiuti prestazioni, affidabilità o di manutenzione, senza modificare alcun codice dipendenza esterna. Questa è la pratica ottimale per tali sistemi. Per le strategie a frequenze più basse si consiglia tali pratiche. Per ultra high frequency trading libro delle regole potrebbe avere per essere ignorati a scapito di tweaking del sistema di prestazioni ancora più elevate. Un sistema accoppiato più stretto può essere desiderabile. Creazione di una mappa componente di un sistema di trading algoritmico vale la pena di un articolo in sé. Tuttavia, un approccio ottimale è quello di assicurarsi che non vi sono componenti separati per gli ingressi dati di mercato storici e in tempo reale, archiviazione dati, l'accesso ai dati API, backtester, parametri di strategia, di costruzione del portafoglio, gestione del rischio e sistemi di esecuzione automatica. Per esempio, se l'archivio dati utilizzati attualmente poco efficiente, anche a livelli significativi di ottimizzazione, può essere sostituita da altre riscritture minime all'ingestione di dati o di accesso ai dati API. Per quanto riguarda il come backtester e componenti successivi sono interessati, non vi è alcuna differenza. Un altro vantaggio di componenti separati è che consente una varietà di linguaggi di programmazione da utilizzare nel sistema complessivo. Non c'è bisogno di essere limitata ad una sola lingua se il metodo di comunicazione dei componenti è indipendente dalla lingua. Questo sarà il caso se comunicano via TCPIP, ZeroMQ o qualche altro protocollo indipendente dalla lingua. Come esempio concreto, si consideri il caso di un sistema di backtesting stato scritto in C per macinare il numero delle prestazioni, mentre i sistemi di portafoglio gestore ed esecuzione sono scritti in Python usando SciPy e IBPy. Considerazioni sulle prestazioni Le prestazioni sono un fattore importante per la maggior parte delle strategie di trading. Per le strategie di frequenza più alta è il fattore più importante. Prestazioni copre una vasta gamma di questioni, come la velocità di esecuzione algoritmica, la latenza di rete, la larghezza di banda, dati IO, concurrencyparallelism e il ridimensionamento. Ognuna di queste aree sono singolarmente coperti da grandi libri di testo, quindi questo articolo sarà solo graffiare la superficie di ogni argomento. Architettura e scelta della lingua saranno ora discusse in termini di effetti sulle prestazioni. La saggezza prevalente come dichiarato da Donald Knuth. uno dei padri della Computer Science, è che l'ottimizzazione prematura è la radice di tutti i mali. Questo è quasi sempre il caso - ad eccezione di quando la costruzione di un algoritmo di negoziazione ad alta frequenza Per coloro che sono interessati a strategie di frequenza più bassa, un approccio comune è quello di costruire un sistema in modo più semplice possibile e ottimizzare solo come colli di bottiglia cominciano ad apparire. Strumenti da profilatura vengono utilizzati per determinare dove sorgono i colli di bottiglia. I profili possono essere fatte per tutti i fattori sopra elencati, sia in ambiente MS Windows o Linux. Ci sono molti strumenti del sistema operativo e delle lingue disponibili a farlo, così come applicazioni di terze parti. scelta della lingua sarà ora discusso nel contesto della performance. C, Java, Python, R e MATLAB tutti contengono le librerie ad alte prestazioni (sia come parte del loro tenore o esternamente) per la struttura dati di base e il lavoro algoritmico. navi C con la Standard Template Library, mentre Python contiene NumPySciPy. operazioni matematiche comuni si trovano in queste librerie ed è raramente utile per scrivere una nuova implementazione. L'unica eccezione è se è necessario architettura hardware altamente personalizzati e un algoritmo sta facendo ampio uso di estensioni proprietarie (come cache personalizzati). Tuttavia, spesso reinvenzione del tempo rifiuti ruota che potrebbe essere speso meglio sviluppare e ottimizzare le altre parti dell'infrastruttura di trading. Il tempo di sviluppo è estremamente preziosa specialmente nel contesto di sviluppatori suola. La latenza è spesso un problema del sistema di esecuzione, come gli strumenti di ricerca di solito sono situati sulla stessa macchina. Per i primi, la latenza può verificarsi in più punti lungo il percorso di esecuzione. I database devono essere consultati (latenza disknetwork), segnali devono essere generati (syste di funzionamento, la latenza messaggistica kernal), segnali di commercio inviati (latenza NIC) e ordini processati (sistemi di scambio di latenza interna). Per le operazioni di frequenze superiori è necessario diventare intimamente familiare con ottimizzazione kernal nonché ottimizzazione della trasmissione della rete. Questa è una zona profonda ed è significativamente oltre la portata di questo articolo, ma se un algoritmo UHFT si desidera quindi essere consapevoli della profondità di conoscenza richiesto Caching è molto utile nel toolkit di uno sviluppatore di trading quantitativo. Cache si riferisce al concetto di memorizzare dati accede di frequente in modo che permette l'accesso a prestazioni superiori, a scapito del potenziale staleness dei dati. Un caso d'uso comune si verifica nello sviluppo web quando prende i dati da un database relazionale disco-backed e la messa in memoria. Eventuali successive richieste per i dati non devono colpire il database e quindi guadagni di prestazioni può essere significativo. Per le situazioni di negoziazione di cache può essere estremamente vantaggioso. Per esempio, lo stato corrente di un portafoglio strategia può essere memorizzato in una cache finché non viene riequilibrato, tale che la lista non ha bisogno di essere rigenerato ad ogni ciclo dell'algoritmo negoziazione. Tale rigenerazione è probabile che sia un elevato CPU o il funzionamento IO disco. Tuttavia, la cache non è senza i suoi problemi. Rigenerazione dei dati della cache tutti in una volta, a causa della natura volatilie di memoria cache, può mettere domanda significativa sulle infrastrutture. Un altro problema è il cane-accumulando. in cui più generazioni di una nuova copia cache vengono effettuate sotto carico particolarmente elevato, il che porta a cascata fallimento. Allocazione dinamica della memoria è un'operazione costosa in esecuzione software. Quindi è imperativo per elevate prestazioni applicazioni di trading per essere ben consapevoli di come la memoria viene allocata e deallocato durante il flusso del programma. standard linguistici più recenti come Java, C e Python svolgono tutti garbage collection automatica. che si riferisce alla deallocazione di memoria allocata dinamicamente quando gli oggetti escono di portata. la raccolta dei rifiuti è estremamente utile durante lo sviluppo in quanto riduce gli errori e gli aiuti di leggibilità. Tuttavia, è spesso sub-ottimale per certe strategie di negoziazione ad alta frequenza. Personalizzato garbage collection è spesso desiderato per questi casi. In Java, per esempio, sintonizzando garbage collector e la configurazione mucchio, è possibile avere alte prestazioni per strategie HFT. C doesnt fornire un garbage collector nativo e quindi è necessario gestire tutte allocationdeallocation memoria come parte di un'implementazione oggetti. Mentre potenzialmente soggetto ad errori (che potrebbe condurre alla puntatori penzoloni) è estremamente utile per avere un controllo granulare di come gli oggetti appaiono sul mucchio per alcune applicazioni. Quando si sceglie una lingua fare in modo di studiare come funziona il garbage collector e se può essere modificato per ottimizzare per un particolare caso d'uso. Molte operazioni nei sistemi di trading algoritmico sono suscettibili di parallelizzazione. Questo si riferisce al concetto di effettuare più operazioni programmatiche allo stesso tempo, i. e in parallelo. I cosiddetti algoritmi paralleli embarassingly includono passaggi che possono essere calcolate in modo completamente indipendente di altri passi. Alcune operazioni statistiche, come ad esempio simulazioni Monte Carlo, sono un buon esempio di algoritmi paralleli embarassingly come ogni estrazione casuale e successiva operazione di percorso può essere calcolato senza la conoscenza di altri percorsi. Altri algoritmi sono solo parzialmente parallelizzabili. fluidodinamiche simulazioni sono un esempio, in cui il dominio di calcolo può essere suddiviso, ma alla fine questi domini devono comunicare tra loro e quindi le operazioni sono parzialmente sequenziale. algoritmi parallelizzabili sono soggette a Amdahls legge. che fornisce un limite superiore teorico per l'aumento delle prestazioni di un algoritmo parallelised quando soggetto a N processi separati (ad esempio su un nucleo CPU o filo). Parallelizzazione è diventato sempre più importante come mezzo di ottimizzazione dal clock del processore-velocità sono rimasti fermi, come i processori più recenti contengono molti nuclei con cui eseguire calcoli paralleli. L'ascesa di hardware grafico dei consumatori (predominently per i videogiochi) ha portato allo sviluppo di Graphical Processing Unit (GPU), che contengono centinaia di core per le operazioni altamente concorrenti. Tali GPU sono ora molto convenienti. quadri di alto livello, come la Nvidia CUDA hanno portato alla diffusa adozione nel mondo accademico e della finanza. Tale hardware della GPU è in genere adatto solo per l'aspetto della ricerca di finanza quantitativa, mentre altro hardware più specializzata (tra cui Field-Programmable Gate Array - FPGA) sono utilizzati per (U) HFT. Al giorno d'oggi, la maggior parte dei linguaggi moderni supportano un certo grado di concurrencymultithreading. Così è semplice per ottimizzare una backtester, poiché tutti i calcoli sono generalmente indipendente dagli altri. Scaling in ingegneria e le operazioni del software si riferisce alla capacità del sistema di gestire sempre maggiori carichi sotto forma di maggiori richieste, utilizzo del processore più alto e più allocazione di memoria. Nel trading algoritmico è una strategia in grado di scalare se può accogliere grandi quantità di capitale e continuano a produrre rendimenti costanti. Lo stack di tecnologia di trading scale se può sopportare volumi commerciali più grandi e una maggiore latenza, senza strozzature. Mentre i sistemi devono essere progettati in scala, è spesso difficile prevedere in anticipo dove si verifica un collo di bottiglia. registrazione rigorosa, test, profiling e il monitoraggio sarà di aiuto notevolmente nel permettere un sistema in scala. Lingue stessi sono spesso descritti come unscalable. Questo è di solito il risultato di disinformazione, piuttosto che dura realtà. E 'lo stack tecnologico totale che deve essere accertata per la scalabilità, non la lingua. Chiaramente alcune lingue hanno prestazioni superiori rispetto ad altri in particolari casi d'uso, ma una lingua non è mai migliore di un'altra in tutti i sensi. Uno strumento di gestione scala è di separare le preoccupazioni, come sopra indicato. Per introdurre ulteriormente la capacità di gestire picchi nel sistema (cioè improvvisa volatilità che innesca una serie di transazioni), è utile creare un messaggio accodamento architettura. Questo significa semplicemente posizionando un sistema di coda di messaggi tra i componenti in modo che gli ordini sono accatastati se un certo componente è in grado di elaborare molte richieste. Piuttosto che richieste si perdono sono semplicemente conservati in una pila finché viene gestito il messaggio. Ciò è particolarmente utile per l'invio traffici a un motore di esecuzione. Se il motore soffre sotto la latenza pesante allora sarà il backup dei commerci. Una coda tra il generatore di segnale commercio e l'API di esecuzione sarà alleviare questo problema a scapito di potenziale slittamento commercio. A ben rispettato open source coda dei messaggi broker è RabbitMQ. Hardware e sistemi operativi L'hardware in esecuzione la vostra strategia può avere un impatto significativo sulla redditività del vostro algoritmo. Questo non è un problema limitato ai commercianti ad alta frequenza sia. Una scelta sbagliata in hardware e del sistema operativo può portare a un crash della macchina o riavvio al momento più inopportuno. Quindi è necessario prendere in considerazione in cui l'applicazione risiederà. La scelta è in genere tra una macchina personale desktop, un server remoto, un provider di nuvola o un server Exchange co-location. macchine desktop sono semplici da installare e amministrare, in particolare con i sistemi operativi più recenti amichevoli utenti come Windows 78, Mac OSX e Ubuntu. I sistemi desktop possiedono alcuni svantaggi significativi, tuttavia. Il primo è che le versioni dei sistemi operativi progettati per le macchine desktop sono probabile che richiedono rebootspatching (e spesso il peggiore dei tempi). Usano anche più risorse computazionali dalla virtù della richiesta di una interfaccia utente grafica (GUI). Utilizzando hardware in una casa (o ufficio locale) ambiente può portare a problemi di connettività internet e uptime potere. Il vantaggio principale di un sistema desktop è che significativa potenza di calcolo può essere acquistato per la frazione del costo di un (o sistema cloud based) remoto server dedicato di velocità paragonabili. Una macchina cloud-based server dedicato o, mentre spesso più costosi di una opzione di desktop, consente una più significativo infrastrutture di ridondanza, come ad esempio i backup automatizzato di dati, la capacità di garantire più semplicemente uptime e monitoraggio remoto. Essi sono più difficili da gestire in quanto richiedono la capacità di utilizzare capacità di login remota del sistema operativo. In Windows questo è generalmente tramite l'interfaccia grafica Remote Desktop Protocol (RDP). Nei sistemi basati su Unix la riga di comando Secure Shell (SSH) è usato. infrastruttura server basato su Unix è quasi sempre da riga di comando basato che rende immediatamente strumenti di programmazione basati su GUI (come Matlab o Excel) per essere inutilizzabile. Un server co-location, come la frase è usata nei mercati dei capitali, è semplicemente un server dedicato che si trova all'interno di uno scambio, al fine di ridurre la latenza dell'algoritmo di trading. Questo è assolutamente necessario per certe strategie negoziazione ad alta frequenza, che si basano sulla bassa latenza per generare alpha. L'ultimo aspetto di scelta dell'hardware e la scelta del linguaggio di programmazione è la piattaforma-indipendenza. C'è una necessità per il codice da eseguire su più sistemi operativi differenti è il codice progettato per essere eseguito su un particolare tipo di architettura del processore, come ad esempio il x86x64 Intel o sarà possibile eseguire su processori RISC, come quelli prodotti da ARM questi problemi saranno fortemente dipendente dalla frequenza e tipo di strategia in corso di attuazione. Resilienza e test Uno dei modi migliori per perdere un sacco di soldi per trading algoritmico è quello di creare un sistema senza resilienza. Questo si riferisce alla durata del sytem quando sono soggetti a eventi rari, quali fallimenti di intermediazione, improvvisa volatilità in eccesso, i tempi di inattività a livello regionale per un provider di server nuvola o la cancellazione accidentale di un intero database di trading. Gli anni di profitti possono essere eliminati in pochi secondi con un'architettura mal progettato. It is absolutely essential to consider issues such as debuggng, testing, logging, backups, high-availability and monitoring as core components of your system. It is likely that in any reasonably complicated custom quantitative trading application at least 50 of development time will be spent on debugging, testing and maintenance. Nearly all programming languages either ship with an associated debugger or possess well-respected third-party alternatives. In essence, a debugger allows execution of a program with insertion of arbitrary break points in the code path, which temporarily halt execution in order to investigate the state of the system. The main benefit of debugging is that it is possible to investigate the behaviour of code prior to a known crash point . Debugging is an essential component in the toolbox for analysing programming errors. However, they are more widely used in compiled languages such as C or Java, as interpreted languages such as Python are often easier to debug due to fewer LOC and less verbose statements. Despite this tendency Python does ship with the pdb. which is a sophisticated debugging tool. The Microsoft Visual C IDE possesses extensive GUI debugging utilities, while for the command line Linux C programmer, the gdb debugger exists. Testing in software development refers to the process of applying known parameters and results to specific functions, methods and objects within a codebase, in order to simulate behaviour and evaluate multiple code-paths, helping to ensure that a system behaves as it should. A more recent paradigm is known as Test Driven Development (TDD), where test code is developed against a specified interface with no implementation. Prior to the completion of the actual codebase all tests will fail. As code is written to fill in the blanks, the tests will eventually all pass, at which point development should cease. TDD requires extensive upfront specification design as well as a healthy degree of discipline in order to carry out successfully. In C, Boost provides a unit testing framework. In Java, the JUnit library exists to fulfill the same purpose. Python also has the unittest module as part of the standard library. Many other languages possess unit testing frameworks and often there are multiple options. In a production environment, sophisticated logging is absolutely essential. Logging refers to the process of outputting messages, with various degrees of severity, regarding execution behaviour of a system to a flat file or database. Logs are a first line of attack when hunting for unexpected program runtime behaviour. Unfortunately the shortcomings of a logging system tend only to be discovered after the fact As with backups discussed below, a logging system should be given due consideration BEFORE a system is designed. Both Microsoft Windows and Linux come with extensive system logging capability and programming languages tend to ship with standard logging libraries that cover most use cases. It is often wise to centralise logging information in order to analyse it at a later date, since it can often lead to ideas about improving performance or error reduction, which will almost certainly have a positive impact on your trading returns. While logging of a system will provide information about what has transpired in the past, monitoring of an application will provide insight into what is happening right now . All aspects of the system should be considered for monitoring. System level metrics such as disk usage, available memory, network bandwidth and CPU usage provide basic load information. Trading metrics such as abnormal pricesvolume, sudden rapid drawdowns and account exposure for different sectorsmarkets should also be continuously monitored. Further, a threshold system should be instigated that provides notification when certain metrics are breached, elevating the notification method (email, SMS, automated phone call) depending upon the severity of the metric. System monitoring is often the domain of the system administrator or operations manager. However, as a sole trading developer, these metrics must be established as part of the larger design. Many solutions for monitoring exist: proprietary, hosted and open source, which allow extensive customisation of metrics for a particular use case. Backups and high availability should be prime concerns of a trading system. Consider the following two questions: 1) If an entire production database of market data and trading history was deleted (without backups) how would the research and execution algorithm be affected 2) If the trading system suffers an outage for an extended period (with open positions) how would account equity and ongoing profitability be affected The answers to both of these questions are often sobering It is imperative to put in place a system for backing up data and also for testing the restoration of such data. Many individuals do not test a restore strategy. If recovery from a crash has not been tested in a safe environment, what guarantees exist that restoration will be available at the worst possible moment Similarly, high availability needs to be baked in from the start. Redundant infrastructure (even at additional expense) must always be considered, as the cost of downtime is likely to far outweigh the ongoing maintenance cost of such systems. I wont delve too deeply into this topic as it is a large area, but make sure it is one of the first considerations given to your trading system. Choosing a Language Considerable detail has now been provided on the various factors that arise when developing a custom high-performance algorithmic trading system. The next stage is to discuss how programming languages are generally categorised. Type Systems When choosing a language for a trading stack it is necessary to consider the type system . The languages which are of interest for algorithmic trading are either statically - or dynamically-typed . A statically-typed language performs checks of the types (e. g. integers, floats, custom classes etc) during the compilation process. Such languages include C and Java. A dynamically-typed language performs the majority of its type-checking at runtime. Such languages include Python, Perl and JavaScript. For a highly numerical system such as an algorithmic trading engine, type-checking at compile time can be extremely beneficial, as it can eliminate many bugs that would otherwise lead to numerical errors. However, type-checking doesnt catch everything, and this is where exception handling comes in due to the necessity of having to handle unexpected operations. Dynamic languages (i. e. those that are dynamically-typed) can often lead to run-time errors that would otherwise be caught with a compilation-time type-check. For this reason, the concept of TDD (see above) and unit testing arose which, when carried out correctly, often provides more safety than compile-time checking alone. Another benefit of statically-typed languages is that the compiler is able to make many optimisations that are otherwise unavailable to the dynamically - typed language, simply because the type (and thus memory requirements) are known at compile-time. In fact, part of the inefficiency of many dynamically-typed languages stems from the fact that certain objects must be type-inspected at run-time and this carries a performance hit. Libraries for dynamic languages, such as NumPySciPy alleviate this issue due to enforcing a type within arrays. Open Source or Proprietary One of the biggest choices available to an algorithmic trading developer is whether to use proprietary (commercial) or open source technologies. There are advantages and disadvantages to both approaches. It is necessary to consider how well a language is supported, the activity of the community surrounding a language, ease of installation and maintenance, quality of the documentation and any licensingmaintenance costs. The Microsoft stack (including Visual C, Visual C) and MathWorks MatLab are two of the larger proprietary choices for developing custom algorithmic trading software. Both tools have had significant battle testing in the financial space, with the former making up the predominant software stack for investment banking trading infrastructure and the latter being heavily used for quantitative trading research within investment funds. Microsoft and MathWorks both provide extensive high quality documentation for their products. Further, the communities surrounding each tool are very large with active web forums for both. The software allows cohesive integration with multiple languages such as C, C and VB, as well as easy linkage to other Microsoft products such as the SQL Server database via LINQ. MatLab also has many pluginslibraries (some free, some commercial) for nearly any quantitative research domain. There are also drawbacks. With either piece of software the costs are not insignificant for a lone trader (although Microsoft does provide entry-level version of Visual Studio for free). Microsoft tools play well with each other, but integrate less well with external code. Visual Studio must also be executed on Microsoft Windows, which is arguably far less performant than an equivalent Linux server which is optimally tuned. MatLab also lacks a few key plugins such as a good wrapper around the Interactive Brokers API, one of the few brokers amenable to high-performance algorithmic trading. The main issue with proprietary products is the lack of availability of the source code. This means that if ultra performance is truly required, both of these tools will be far less attractive. Open source tools have been industry grade for sometime. Much of the alternative asset space makes extensive use of open-source Linux, MySQLPostgreSQL, Python, R, C and Java in high-performance production roles. However, they are far from restricted to this domain. Python and R, in particular, contain a wealth of extensive numerical libraries for performing nearly any type of data analysis imaginable, often at execution speeds comparable to compiled languages, with certain caveats. The main benefit of using interpreted languages is the speed of development time. Python and R require far fewer lines of code (LOC) to achieve similar functionality, principally due to the extensive libraries. Further, they often allow interactive console based development, rapidly reducing the iterative development process. Given that time as a developer is extremely valuable, and execution speed often less so (unless in the HFT space), it is worth giving extensive consideration to an open source technology stack. Python and R possess significant development communities and are extremely well supported, due to their popularity. Documentation is excellent and bugs (at least for core libraries) remain scarce. Open source tools often suffer from a lack of a dedicated commercial support contract and run optimally on systems with less-forgiving user interfaces. A typical Linux server (such as Ubuntu) will often be fully command-line oriented. In addition, Python and R can be slow for certain execution tasks. There are mechanisms for integrating with C in order to improve execution speeds, but it requires some experience in multi-language programming. While proprietary software is not immune from dependencyversioning issues it is far less common to have to deal with incorrect library versions in such environments. Open source operating systems such as Linux can be trickier to administer. I will venture my personal opinion here and state that I build all of my trading tools with open source technologies. In particular I use: Ubuntu, MySQL, Python, C and R. The maturity, community size, ability to dig deep if problems occur and lower total cost ownership (TCO) far outweigh the simplicity of proprietary GUIs and easier installations. Having said that, Microsoft Visual Studio (especially for C) is a fantastic Integrated Development Environment (IDE) which I would also highly recommend. Batteries Included The header of this section refers to the out of the box capabilities of the language - what libraries does it contain and how good are they This is where mature languages have an advantage over newer variants. C, Java and Python all now possess extensive libraries for network programming, HTTP, operating system interaction, GUIs, regular expressions (regex), iteration and basic algorithms. C is famed for its Standard Template Library (STL) which contains a wealth of high performance data structures and algorithms for free. Python is known for being able to communicate with nearly any other type of systemprotocol (especially the web), mostly through its own standard library. R has a wealth of statistical and econometric tools built in, while MatLab is extremely optimised for any numerical linear algebra code (which can be found in portfolio optimisation and derivatives pricing, for instance). Outside of the standard libraries, C makes use of the Boost library, which fills in the missing parts of the standard library. In fact, many parts of Boost made it into the TR1 standard and subsequently are available in the C11 spec, including native support for lambda expressions and concurrency. Python has the high performance NumPySciPyPandas data analysis library combination, which has gained widespread acceptance for algorithmic trading research. Further, high-performance plugins exist for access to the main relational databases, such as MySQL (MySQLC), JDBC (JavaMatLab), MySQLdb (MySQLPython) and psychopg2 (PostgreSQLPython). Python can even communicate with R via the RPy plugin An often overlooked aspect of a trading system while in the initial research and design stage is the connectivity to a broker API. Most APIs natively support C and Java, but some also support C and Python, either directly or with community-provided wrapper code to the C APIs. In particular, Interactive Brokers can be connected to via the IBPy plugin. If high-performance is required, brokerages will support the FIX protocol . Conclusion As is now evident, the choice of programming language(s) for an algorithmic trading system is not straightforward and requires deep thought. The main considerations are performance, ease of development, resiliency and testing, separation of concerns, familiarity, maintenance, source code availability, licensing costs and maturity of libraries. The benefit of a separated architecture is that it allows languages to be plugged in for different aspects of a trading stack, as and when requirements change. A trading system is an evolving tool and it is likely that any language choices will evolve along with it. Just Getting Started with Quantitative Trading