В предыдущей статье мы поговорили о том, что такое событийно-ориентированная система бэктестинга и разобрали иерархию классов, которую необходимо для нее разработать. Сегодня речь пойдет о том, как подобные системы используют рыночные данные как в контексте исторического тестирования, так и для «живой» работы на бирже.

Недавно мы писали о причинах масштабных технологических сбоев на биржах. В начале июля 2015 года на Нью-Йоркской фондовой бирже (NYSE) произошла серьезная авария, в результате которой торги были остановлены на несколько часов. Представители торговой площадки объяснили случившееся ошибкой в работе электронной системы биржи. СМИ заявили о причастности к сбою хакеров из Anonymous или Китая.

Ранее в нашем блоге на Хабре мы рассматривали различные этапы разработки торговых систем (есть и онлайн-курсы по теме), среди которых одним из наиболее важных является тестирование на исторических данных (бэктестинг). Сегодня речь пойдет о практической релизации событийно-ориентированного бэктест-модуля с помощью Python.

Издание The New York Times опубликовало интересный таймлайн, на котором отмечены даты крупных сбоев на американских биржах с 60-х годов прошлого века. Иногда причины сбоев были весьма оригинальны. Подробнее о том, что же может «уронить» биржу, в нашем сегодняшнем материале.

Примечание переводчика: Мы довольно часто пишем об алгоритмической торговле (вот, например, список литературы по этой теме и соответствующие аналитические материалы) и API для создания торговых роботов, сегодня же речь пойдет непосредственно об алгоритмах, которые можно использовать для анализа различных данных (в том числе на финансовом рынке). Материал является адаптированным переводом статьи американского раработчика и аналитика Рэя Ли.

Сегодня я постараюсь объяснить простыми словами принципы работы 10 самых эффективных data mining-алгоритмов, которые описаны в этом докладе.

Когда вы узнаете, что они собой представляют, как работают, что делают и где применяются, я надеюсь, что вы используете эту статью в качестве отправной точки для дальнейшего изучения принципов data mining.

Весной 2015 компания Juniper Networks представила свой взгляд на дальнейшее развитие понятия конвергентной инфраструктуры — сервер на коммутаторе.

Эндрю Бах, главный архитектор команды, занимающейся в Juniper финансовыми сервисами, рассказал изданию Data Center Knowledge о том, что в новом 40G Ethernet-коммутаторе QFX5100-AA используется процессор Intel Xeon E3-1125C v2 и чип Broadcom Trident II.

Помимо международных стандартов и протоколов передачи финансовой информации вроде FIX и FAST, о которых мы рассказывали ранее, на фондовом рынке функционируют и так называемые «нативные» протоколы передачи финансовых данных. Их используют для получения нужной информации как частные торговцы, так и брокерские компании — такие нативные протоколы более функциональны, чем общепринятые стандарты (вроде того же FIX), что привлекает брокеров.

Существовавшие в России биржи ММВБ И РТС ныне объединившиеся в «Московскую биржу» также разработали собственные нативные протоколы. Сегодня мы поговорим о проекте протокола Plaza II, который был создан специалистами РТС.

В дикой природе часто то, будешь ты убит, или убьешь сам, сможешь ли поесть или останешься голодным, определяется лишь скоростью. В наши дни тоже самое можно сказать и о тенистых бетонных джунглях мировых финансовых рынков. Те из торговцев, что не являются «высокочастнотниками», отдают свои деньги скоростным трейдерам (которые сейчас обеспечивают уже до половины всего объёма торгов).

«К тому моменту, когда обычный инвестор видит котировку, он, грубо говоря, видит свет звезды, пролетевший до него 50 000 световых лет», – говорит Сэл Арнук (Sal Arnuk), партнер в компании Themis Trading и соавтор книги под названием «Broken Markets», критикующей высокочастотный трейдинг.

Проще говоря, высокочастотные торговцы используют комбинацию «железа» и софта, чтобы раньше других понять, насколько определенную акцию в данный момент времени хотят продать или купить. Поняв это, они могут совершать соответствующие операции. Это почти как делать ставки на скачках, побывав предварительно в будущем — вы уже знаете, кто придет к финишу первым.

Многих людей, интересующихся темой финансов, занимает вопрос о том, какой язык программирования лучше всего подходит для работы, скажем, на фондовом рынке. На него невозможно ответить однозначно, поскольку разные языки подходят для разных задач.

В нашем сегодняшнем материале мы поговорим как раз о том, как понять, какую из существующих технологий следует использовать в конкретной ситуации на фондовом рынке.

Примечание переводчика: В нашем блоге мы уже рассказывали об инструментах для создания торговых роботов и даже анализировали зависимости между названием биржевого тикера компании и успешностью ее акций. Сегодня мы представляем вашему вниманию перевод интересной статьи, авторой которой разрабатывал систему, которая анализирует изменения цен на акций в прошлом и с помощью машинного обучения пытается предсказать будущий курс акций.

Краткий обзор

Этот пост основан на статье, носящей название «Моделирование динамики высокочастотного портфеля лимитных ордеров методом опорных векторов». Грубо говоря, я ступенька за ступенькой реализую идеи, представленные в этой статье, используя Spark и Spark MLLib. Авторы используют сокращенные примеры, я же буду использовать полный журнал ордеров из Нью-Йоркской фондовой биржи (NYSE) (выборочные данные доступны на NYSE FTP), поскольку, работая со Spark, я могу легко это сделать. Вместо того, чтобы использовать метод опорных векторов, я воспользуюсь алгоритмом дерева решений для классификации, поскольку Spark MLLib изначально поддерживает мультиклассовую классификацию.

Если вы хотите глубже понять проблему и предложенное решение, вам нужно прочитать ту статью. Я же проведу полный обзор проблемы в одном или двух разделах, но менее научным языком.

Предсказательное моделирование – это процесс выбора или создания модели, целью которой является наиболее точное предсказание возможного исхода.

В нашем блоге мы уже публиковали истории о том, как программисты зарабатывали на фондовом рынке, применяя свои знания новых технологий (например, машинного обучения). В комментариях к подобным материалам некоторые пользователи Хабра говорили о том, что их смущает необходимость рисковать при работе на бирже своими собственными деньгами.

Сегодня мы подробнее расскажем о том, как можно заработать на фондовом рынке, занимаясь только программированием, и не вкладывая собственных средств. Сделать это можно участвуя в специальном конкурсе разработчиков от проекта StockSharp и ITinvest.

Ранее в нашем блоге мы рассказывали о том, зачем трейдеры на фондовом рынке используют торговые терминалы, и представили историю разработки собственного терминала SmartX.

На современном фондовом рынке очень важна скорость — для того, чтобы опередить конкурентов и совершить сделку по наилучшей цене, трейдеры разрабатываю собственные торговые системы, ставят серверы своих торговых роботов на коллокацию в биржевые и брокерские дата-центры, используют технологии прямого доступа.

Для тех из них, кто совершает операции вручную с помощью терминала его скорость и надежность работы также очень важны. Именно поэтому разработчики торгового софта постоянно занимаются оптимизацией его производительности. Сегодня мы расскажем о том, как повышали скорость терминала SmartX.

Больше всего вопросов у начинающих инвесторов возникает на этапе знакомства с фондовым рынком — в нашей стране вокруг него сформировалось значительное количество мифов и заблуждений.

В нашем блоге мы уже рассказывали о том, как устроена биржевая торговля в России, сравнивали инвестиции на бирже с финансовыми инструментами сохранения финансов, которые предлагают банки, и изучали возможности покупки акций знаменитых ИТ-компаний.

В продолжение темы мы организуем образовательные семинары и вебинары, посвященных вопросам о старте работы на фондовом рынке и инвестициях в акции международных компаний.

Алгоритмическая торговля — интересная область, которая позволяет ИТ-специалистам применить свои технические знания на фондовом рынке и извлечь из этого ту или иную выгоду. В нашем блоге мы неоднократно рассматривали различные темы, связанные с созданием торговых роботов, но недостаточно внимания уделяли теоретическим вопросам, с которыми сталкиваются начинающие трейдеры.

В нашем сегодняшнем материале — подборка книг, которые помогут лучше подготовиться к началу работы на фондовом рынке и написанию механических торговых систем. Для достижения наибольшей эффективности материала, мы приводим советы экспертов, которые занимаются алгоритмической торговлей на российском и зарубежных фондовых рынках.

Примечание переводчика: Компания Equinix является крупным оператором дата-центров. Всего под ее контролем находятся 101 дата-центр в 32 крупных городах в 15 странах — сегодня мы расскажем о Нью-Йоркском хабе, который используют для размещения своих серверов многие американские брокерские компании, хедж-фонды и инвестиционные банки.

Этим материалом мы открываем серию постов о «железной» инфраструктуре финансовых организаций. В одном из следующих топиков речь пойдет о дата-центре ITinvest, в котором размещается оборудование российских трейдеров.

Из всех производственных площадок на «Платформе Equinix», дата-центр NY4 в Секаукусе, Нью-Джерси, является самым загруженным. Более 450 клиентов ведут бизнес в здании площадью более 100 000 квадратных метров, предоставляющем инфраструктуру для крупнейших бирж. Эти биржи служат своего рода магнитом, притягивающим целую «экосистему» брокерских контор, инвестиционных банков, хедж-фондов и компаний, специализирующихся на высокочастотном трейдинге [англ. high-frequency trading, HFT].

Здание было построено в 2000 году как завод по производству очков, который впоследствии закрыли. Equinix – провайдер, который уже оказывал услуги колокации в дата-центре NY2, расположенном на той же улице – приобрел это здание в 2006 году и начал первую фазу строительства NY4 в ноябре 2007 года. Строительство дата-центра было разбито на три фазы, на каждой из которых была создана вспомогательная инфраструктура с залами площадью 29 000 квадратных метров. Оптоволоконное кольцо соединяет NY4 еще с двумя зданиями Equinix в Секаукусе – NY2 и NY5.

Сегодня мы проведем вас внутрь этого громадного здания и подробнее рассмотрим его инфраструктуру.

Международная финансовая компания JPMorgan Chase & Co потеряла из-за судебных исков $36 млрд с начала финансового кризиса в США. Теперь, по данным Bloomberg, организация разрабатывает программу, позволяющую выявлять недобросовестных сотрудников, до того, как они смогут принести убытки.

Алгоритм учитывает десятки различных факторов поведения сотрудников финансовой компании — нарушал ли трейдер установленные правила совершения операций на фондовом рынке или выходил за определенные лимиты в торговле, пропускал ли мастер-классы, на которых рассказывалось о требованиях регулирующих органов — всю эту информацию будут «скармливать» софту, который и вынесет вердикт о надежности работника.

В настоящий момент программа тестируется в подразделениях, отвечающих за работу с фондовым рынком, и к 2016 году будет распространена на все отделения JPMorgan.

Фондовый рынок — высокотехнологичная и крайне конкурентная отрасль, где значительное внимание уделяется надежности и скорости работы используемых решений. Для этого разрабатываются технологии прямого доступа к бирже в обход брокерских систем, быстрые протоколы передачи данных и торговые терминалы нового поколения (прямо внутри которых можно «собирать» роботов для трейдинга).

Кроме того, стиль многих торговцев подразумевает постоянный контроль за рыночной ситуацией, чтобы иметь возможность среагировать на изменившуюся конъюнктуру. Все это привело к тому, что эра мобильности на фондовом рынке (в том числе российском) наступила более 10 лет назад, значительно раньше, чем в некоторых других отраслях.

В нашем сегодняшнем топике мы рассмотрим то, как изменялись интерфейсы мобильных торговых терминалов (на примере приложений ITinvest).

Привет, Geektimes! Мы продолжаем публиковать отчеты о главных событиях в мире финансов и на фондовом рынке.



Предыдущий выпуск информационного дайджеста можно найти по этой ссылке.

В нашем блоге мы уже писали о важных этапах разработки механических торговых систем, выборе стратегий работы на рынке и их тестировании на исторических данных. В сегодняшнем материале мы обобщим ранее изложенную информацию и расскажем о том, как новичкам на фондовом рынке стоит подходить к созданию своего первого торгового робота, чтобы избежать распространенных ошибок.

Изображение: NPR.org

Когда на кон поставлены власть и деньги, люди пойдут на любые уловки ради победы в соревновании. В профессиональном спорте это – допинг, а на финансовом рынке – инсайдерская торговля. Чтобы понять, какую роль анализ данных играет при расследовании случаев мошенничества, достаточно рассмотреть случай с бывшим менеджером SAC Мэтью Мартомой, обвиненным по делу о, возможно, крупнейшем случае инсайдерской торговли.