Criando sistemas automatizados de negociação usando corretores interativos: Negociação automatizada com corretores interativos A plataforma de negociação Interactive Brokers em si não oferece negociação automatizada. No entanto, várias soluções estão disponíveis para comerciantes que desejam automatizar sistemas de negociação usando a plataforma IB Workstation (TSW), incluindo: APIs de Terceiros Consultores de Programação IB APIs 13 APIs de Terceiros Uma API (Application Programming Interface) é um formato de linguagem Utilizado por um programa aplicativo para se comunicar com outros softwares do sistema. Uma API funciona como uma interface ou intermediário que permite que o código se comunique com a plataforma de negociação do IB. Fornecedores terceirizados oferecem uma variedade de APIs proprietárias que fornecem algoritmos customizáveis e pré-construídos e aplicativos de software de troca plug-and-play projetados para serem executados em conjunto com a plataforma de negociação IBS Trader Workstation (TWS) .13 Uma lista de APIs de terceiros está disponível em O site do IB: na página inicial, clique no título Educação e selecione O MarketplaceIB. Leia o aviso de isenção de responsabilidade e, se concordar com os termos, clique em Se concordar com o aviso de isenção, clique aqui para continuar. Clique na guia Ferramentas de software e no subtítulo Software de gerenciamento de pedidos para exibir fornecedores e produtos (mostrados na Figura 1). Figura 1 - Selecione a guia Ferramentas de software no MarketplaceIB para procurar fornecedores de terceiros. Consultores de Programação Além das APIs comercialmente disponíveis, The MarketplaceIB também tem um link para Consultores de Programação que podem ajudar os comerciantes e investidores com o desenvolvimento de indicadores personalizados e estratégias para serem usados na negociação automatizada. Os consultores fornecem codificação em uma variedade de linguagens, incluindo Java, C, Visual Basic, SQL, Perl, Matlab, bem como outras plataformas de negociação linguagens proprietárias que podem ser interfaceados com IB. Tenha em mente que os programadores só podem programar regras absolutas, e eles normalmente não oferecem sugestões para melhorar a rentabilidade de um sistema - apenas o desempenho do código. Antes de trabalhar com um programador, é importante ser capaz de definir todos os sistemas de negociação entrada, saída e lógica de gestão. Se ele pode ser definido, ele provavelmente pode ser codificado. Programação com IB APIs Uma terceira solução é para os comerciantes com as habilidades (ou desejo de aprender) para programar suas próprias APIs. Interactive Brokers fornece várias APIs que os comerciantes podem usar para se conectar através do TWS ou do Gateway IB. A conexão através do TWS requer que o aplicativo esteja em execução, mas permite que os operadores testem e confirmem que os pedidos de API estão funcionando corretamente. A conexão através do Gateway IB, por outro lado, não fornece uma interface para teste e confirmação, mas permite que a API seja executada sem um grande aplicativo GUI em execução. Onde as APIs de terceiros fornecem algoritmos customizáveis e pré-construídos, o ambiente de programação IB API é essencialmente matéria-prima. IB fornece os equipamentos e componentes, eo usuário faz toda a programação. Os usuários podem programar em uma variedade de idiomas, incluindo C, Java, ActiveX ou DDE para Excel. Há uma série de configurações relacionadas ao API no TWS que os comerciantes podem configurar, mostradas na Figura 2. O Guia de Referência da API do IB (disponível no site do Interactive Brokers: busca do Guia de Referência da API) fornece uma visão geral, bem como instruções específicas para As várias linguagens de programação. 13 Figura 2 - Configurando as configurações da API no TWS. Conclusão Traders que desejam implementar sistemas de negociação automatizada através da plataforma Interactive Brokers têm uma variedade de opções. Os não programadores podem desejar explorar os fornecedores de APIs de terceiros que oferecem uma variedade de opções personalizáveis ou plug-and-play. Comerciantes com ideias únicas podem trabalhar com um consultor de programação qualificado. Aqueles com experiência em programação ou o tempo e desejo de aprender uma linguagem de programação podem empregar as APIs IB ao desenvolver sistemas automatizados trading. Senior C Automated Trading System Developer Obtendo animado sobre o desenvolvimento de sistemas de negociação automatizada em C Você é, como um desenvolvedor, desafiado por complexo Problemas técnicos em um ambiente dinâmico e acelerado Você é capaz de usar as mais recentes tecnologias para traduzir esses problemas em soluções técnicas elegantes Se você tem pelo menos 5 anos de experiência trabalhando com C, você pode ser o Senior C Automated Trading System Developer nós Estão procurando. Quem somos Somos a Optiver, uma empresa comercial internacional, com sede em Amesterdão. Com mais de 700 colegas em quatro continentes oferecemos constantemente preços justos e altamente competitivos para a compra e venda de ações, títulos, opções, futuros, ETFs e outros. É chamado de fabricação de mercado. Nós construímos mercados e fornecemos liquidez para intercâmbios internacionais na Europa, Estados Unidos e Ásia-Pacífico. Fazemos mercados financeiros justos, abertos e confiáveis. Nós não negociamos somente quando nós sentimos como ele. Não só quando nossa perspectiva é brilhante, mas 24 horas por dia. Qualquer que seja a forma como os mercados vão, estamos lá, sempre sob nosso próprio risco, utilizando nosso próprio capital. Valor a diferença resume perfeitamente. Explica em poucas palavras o que fazemos todos os dias. Ele também convida você a explorar como fazemos nosso trabalho de forma diferente. Nós valorizamos essa diferença desde 1986, ano em que começamos na Bolsa Européia de Opções com sede em Amsterdã com um comerciante de piso único. Hoje somos uma das empresas mais dinâmicas, inovadoras e bem sucedidas na Holanda e além. TI em Optiver Desde que a negociação no chão mudou para a tela de negociação baseada, que constantemente precisam da tecnologia mais avançada, software de negociação e conexões para o mercado. Em suma, precisamos dos melhores profissionais de TI para desenvolver, otimizar e apoiar nossos sistemas e ferramentas. A atmosfera em que estamos trabalhando é rápida, mas excitante. Isso torna a TI na Optiver um grande desafio em que a experiência, a inovação ea diversão caminham lado a lado todos os dias. Como Senior C Automated Trading System Developer você será responsável pelo desenvolvimento de sistemas automatizados de alta velocidade em C para o sistema operacional Linux. Ao trabalhar em estreita colaboração com outros desenvolvedores, comerciantes e pesquisadores, você responderá a pedidos complexos com soluções técnicas elegantes usando as mais recentes tecnologias. Com as suas fortes habilidades orientadas a objetos, você é capaz de projetar e implementar novas estratégias lucrativas de negociação, ao mesmo tempo em que gerencia expectativas claras em relação aos seus stakeholders internos. Ao compartilhar seu amplo conhecimento com os membros de sua equipe e orientar os colegas jovens em decisões técnicas, você vai apoiar a equipe de desenvolvimento para ter uma compreensão das complexidades do negócio. Um mestrado em Ciência da Computação, Engenharia de TI ou Sistemas de Informação pelo menos 5 anos de experiência de trabalho como desenvolvedor de software em C, com um excelente histórico experiência em STL, Boost e outras populares (open source) C bibliotecas conhecimento especialista de UNIX E conhecimentos de sistemas operacionais Linux de Alto Desempenho Computação, baixa latência e experiência de desenvolvimento em tempo real com multithreading em C forte conhecimento dos mercados financeiros e negociação de derivativos, preferencialmente 2 anos de experiência de trabalho no âmbito de desenvolvimento de negociação automatizado a ambição de desenvolver-se constantemente através de treinamento E on-the-job desenvolvimento bom entendimento de C 11 é um plus um fundo em Matemática e experiência de trabalho com algoritmos é um plus ser um jogador de equipe e comunicador que goza de liberdade criativa e independência. O que você vai obter Optiver é acima de tudo um estado de espírito. Estamos procurando por você quando você acredita na melhoria diária, quando você gosta de ser seriamente recompensado pelo seu desempenho e quando você facilmente se adaptar para mudar e desfrutar de algum humor e diversão. Para sermos concretos, oferecemos-lhe uma excelente remuneração. Mas também oferecemos-lhe grandes benefícios secundários, tais como totalmente pagas despesas de comutação de primeira classe, uma pensão sem prêmio, estrutura atraente de participação nos lucros, pacotes de deslocalização, oportunidades de treinamento, descontos em seguro de saúde, café da manhã e almoços, atividades esportivas e de lazer, Bebidas da tarde de sexta-feira e até mesmo massagens semanais em cadeira de casa. Interessado Somos 350 profissionais altamente qualificados de mais de 30 países diferentes que trabalham na Optiver em Amsterdã. Nosso objetivo é ser inigualável em nossa indústria, por ser talentoso, criativo e orientado para resultados. E não importa como nos vestimos ou o que acreditamos, contanto que excedermos nossas expectativas e as de cada um. Se você está pronto para aplicar, e esperamos que você seja, aplique diretamente através do botão abaixo para a posição de Senior C Automated Trading System Developer. Por favor, forneça-nos um CV e uma carta de motivação em inglês. As candidaturas sem carta de motivação não serão revistas. Quando pensamos que a magia está lá, você vai ouvir de nós mais cedo do que você espera. Se tiver alguma dúvida, não hesite em contactar Marlouk Stek no 31 20 708 70 00. Uma avaliação faz parte do processo de candidatura. Siga a Linguagem de Programação CBest de Reunião para Algorithmic Trading Systems Uma das perguntas mais freqüentes que recebo no mailbag QS é Qual é a melhor linguagem de programação para negociação algorítmica. A resposta curta é que não há melhor linguagem. Parâmetros de estratégia, desempenho, modularidade, desenvolvimento, resiliência e custo devem ser considerados. Este artigo descreverá os componentes necessários de uma arquitetura de sistema de negociação algorítmica e como as decisões relativas à implementação afetam a escolha da linguagem. Em primeiro lugar, serão consideradas as principais componentes de um sistema de negociação algorítmica, tais como ferramentas de pesquisa, otimizador de portfólio, gerenciador de risco e mecanismo de execução. Posteriormente, diferentes estratégias de negociação serão examinadas e como elas afetam a concepção do sistema. Em particular, a frequência das negociações e o provável volume de transacções serão discutidos. Uma vez selecionada a estratégia de negociação, é necessário arquitetar todo o sistema. Isso inclui a escolha do hardware, do (s) sistema (s) operacional (is) e da resiliência do sistema contra eventos raros, potencialmente catastróficos. Enquanto a arquitetura está sendo considerada, devemos ter devidamente em conta o desempenho - tanto para as ferramentas de pesquisa como para o ambiente de execução ao vivo. O que é o sistema de negociação tentando fazer Antes de decidir sobre o melhor idioma com o qual escrever um sistema de negociação automatizado é necessário definir os requisitos. Será que o sistema vai ser puramente baseado em execução Será que o sistema exige uma gestão de risco ou módulo de construção de carteira Será que o sistema requer um backtester de alto desempenho Para a maioria das estratégias do sistema de negociação pode ser dividido em duas categorias: Pesquisa e geração de sinal. A pesquisa se preocupa com a avaliação do desempenho de uma estratégia em relação aos dados históricos. O processo de avaliação de uma estratégia de negociação sobre dados de mercado anteriores é conhecido como backtesting. O tamanho dos dados ea complexidade algorítmica terão um grande impacto na intensidade computacional do backtester. A velocidade ea simultaneidade da CPU são muitas vezes os fatores limitantes na otimização da velocidade de execução da pesquisa. Geração de sinal está preocupado com a geração de um conjunto de sinais de negociação a partir de um algoritmo e enviar tais ordens para o mercado, geralmente através de uma corretora. Para certas estratégias é necessário um alto nível de desempenho. As questões de E / S, como a largura de banda ea latência da rede, são freqüentemente o fator limitante na otimização de sistemas de execução. Assim, a escolha das linguagens para cada componente de todo o seu sistema pode ser bastante diferente. Tipo, Frequência e Volume da Estratégia O tipo de estratégia algorítmica empregada terá um impacto substancial na concepção do sistema. Será necessário considerar os mercados que estão sendo negociados, a conectividade com fornecedores de dados externos, a freqüência e o volume da estratégia, o trade-off entre facilidade de desenvolvimento e otimização de desempenho, bem como qualquer hardware personalizado, Servidores, GPUs ou FPGAs que possam ser necessários. As escolhas tecnológicas para uma estratégia de ações de baixa freqüência nos EUA serão muito diferentes das de uma estratégia de arbitragem estatística de alta freqüência negociada no mercado de futuros. Antes da escolha da linguagem muitos fornecedores de dados devem ser avaliados que pertencem a uma estratégia à mão. Será necessário considerar a conectividade com o fornecedor, a estrutura de qualquer API, a oportunidade dos dados, os requisitos de armazenamento e a resiliência em face de um fornecedor ficar offline. É também aconselhável possuir acesso rápido a vários fornecedores. Vários instrumentos têm todos os seus próprios caprichos de armazenamento, exemplos dos quais incluem múltiplos símbolos de ticker para ações e datas de vencimento para futuros (sem mencionar quaisquer dados OTC específicos). Isso precisa ser incorporado ao design da plataforma. Freqüência da estratégia é provável que seja um dos maiores drivers de como a pilha de tecnologia será definida. Estratégias empregando dados com mais freqüência do que minuciosamente ou barras de segunda necessidade significativa consideração no que diz respeito ao desempenho. Uma estratégia que ultrapassa as barras secundárias (isto é, dados de carraça) conduz a um design conduzido pelo desempenho como requisito primário. Para estratégias de alta freqüência, uma quantidade substancial de dados de mercado precisará ser armazenada e avaliada. Software como HDF5 ou kdb são comumente usados para essas funções. Para processar os volumes extensos de dados necessários para aplicações HFT, um backtester extensivamente otimizado e sistema de execução deve ser usado. CC (possivelmente com algum montador) é provável que o candidato linguagem mais forte. As estratégias de freqüência ultra-alta quase certamente exigirão hardware personalizado, como FPGAs, troca de co-location e kernalnetwork interface tuning. Sistemas de Pesquisa Os sistemas de pesquisa normalmente envolvem uma mistura de desenvolvimento interativo e scripts automatizados. O primeiro ocorre frequentemente dentro de um IDE, como Visual Studio, MatLab ou R Studio. Este último envolve cálculos numéricos extensos sobre vários parâmetros e pontos de dados. Isso leva a uma escolha de linguagem proporcionando um ambiente simples para testar o código, mas também fornece desempenho suficiente para avaliar estratégias em várias dimensões de parâmetro. IDEs típicos neste espaço incluem Microsoft Visual CC, que contém utilitários de depuração extensa, capacidades de conclusão de código (via Intellisense) e vistas gerais diretas de toda a pilha de projeto (via o banco de dados ORM, LINQ) MatLab. Que é projetado para a álgebra linear numerosa extensa e operações vectorized, mas em uma maneira console interativa R Studio. Que envolve o console de linguagem estatística R em um IDE Eclipse IDE totalmente desenvolvido para Linux Java e C e IDEs semi-proprietários, como o Enthought Canopy para Python, que incluem bibliotecas de análise de dados como NumPy. SciPy. Scikit-learn e pandas em um único ambiente interativo (console). Para backtesting numérico, todos os idiomas acima são adequados, embora não seja necessário utilizar uma GUIIDE como o código será executado em segundo plano. A principal consideração nesta fase é a da velocidade de execução. Uma linguagem compilada (como C) é frequentemente útil se as dimensões do parâmetro backtesting forem grandes. Lembre-se que é necessário ter cuidado com esses sistemas, se for esse o caso linguagens interpretadas como Python muitas vezes fazem uso de bibliotecas de alto desempenho, como NumPypandas para o backtesting passo, a fim de manter um grau razoável de competitividade com equivalentes compilados. Em última análise, o idioma escolhido para o backtesting será determinado por necessidades específicas algorítmicas, bem como a gama de bibliotecas disponíveis no idioma (mais sobre isso abaixo). No entanto, a linguagem utilizada para o backtester e ambientes de pesquisa pode ser completamente independente daqueles usados nos componentes de construção de portfólio, gerenciamento de risco e execução, como veremos. Construção de Portfólio e Gerenciamento de Risco Os componentes de construção de carteira e gerenciamento de risco são freqüentemente ignorados por comerciantes de algoritmos de varejo. Isso é quase sempre um erro. Essas ferramentas fornecem o mecanismo pelo qual o capital será preservado. Eles não só tentam aliviar o número de apostas arriscadas, mas também minimizar o churn das próprias operações, reduzindo os custos de transação. Versões sofisticadas desses componentes podem ter um efeito significativo na qualidade e consistência da lucratividade. É fácil criar um estável de estratégias como o mecanismo de construção de carteira e gerente de risco pode ser facilmente modificado para lidar com vários sistemas. Assim, eles devem ser considerados componentes essenciais no início do projeto de um sistema de negociação algorítmica. O trabalho do sistema de construção de carteira é levar um conjunto de negócios desejados e produzir o conjunto de negócios reais que minimizam churn, manter exposições a vários fatores (como setores, classes de ativos, volatilidade etc) e otimizar a alocação de capital para vários Estratégias em um portfólio. A construção da carteira reduz-se frequentemente a um problema linear da álgebra (tal como uma factorização da matriz) e conseqüentemente o desempenho é altamente dependente da eficácia da execução numérica da álgebra linear disponível. As bibliotecas comuns incluem uBLAS. LAPACK e NAG para C. MatLab também possui operações de matriz amplamente otimizadas. Python utiliza NumPySciPy para tais computações. Uma carteira freqüentemente reequilibrada exigirá uma biblioteca de matriz compilada (e bem otimizada) para levar essa etapa para fora, de modo a não encolher o sistema de negociação. A gestão de risco é outra parte extremamente importante de um sistema de negociação algorítmica. O risco pode vir de várias formas: Aumento da volatilidade (embora isso possa ser visto como desejável para certas estratégias), aumento de correlações entre classes de ativos, padrão de contraparte, interrupções de servidores, eventos de cisne preta e bugs não detectados no código de negociação poucos. Os componentes de gerenciamento de risco tentam antecipar os efeitos da volatilidade excessiva e correlação entre as classes de ativos e seus efeitos subseqüentes sobre o capital comercial. Muitas vezes isso se reduz a um conjunto de cálculos estatísticos, como testes de estresse de Monte Carlo. Isso é muito semelhante às necessidades computacionais de um mecanismo de determinação de preços de derivados e, como tal, será ligado à CPU. Essas simulações são altamente paralelas (ver abaixo) e, até certo ponto, é possível lançar hardware no problema. Sistemas de Execução O trabalho do sistema de execução é receber sinais de negociação filtrada dos componentes de construção de carteira e gerenciamento de risco e enviá-los para uma corretora ou outros meios de acesso ao mercado. Para a maioria das estratégias de negociação de algoritmos de varejo, isso envolve uma conexão API ou FIX para uma corretora, como Interactive Brokers. As principais considerações ao decidir sobre uma linguagem incluem a qualidade da API, a disponibilidade do wrapper de linguagem para uma API, a freqüência de execução ea antecipação do deslizamento. A qualidade da API refere-se a quão bem documentada é, que tipo de desempenho fornece, se ele precisa de software autônomo para ser acessado ou se um gateway pode ser estabelecido de uma forma sem cabeça (ou seja, sem GUI). No caso de Interactive Brokers, a ferramenta Trader WorkStation precisa estar em execução em um ambiente GUI para acessar sua API. Uma vez eu tive que instalar uma edição Desktop Ubuntu em um servidor de nuvem Amazon para acessar Interactive Brokers remotamente, puramente por esta razão A maioria das APIs irá fornecer uma interface C andor Java. Normalmente, é a comunidade que desenvolve invólucros específicos de linguagem para C, Python, R, Excel e MatLab. Observe que com cada plugin adicional utilizado (especialmente API wrappers) há espaço para bugs a fluência no sistema. Sempre testar plugins desse tipo e garantir que eles sejam mantidos ativamente. Um indicador valioso é ver quantas novas atualizações de um codebase foram feitas nos últimos meses. A freqüência de execução é de extrema importância no algoritmo de execução. Observe que centenas de pedidos podem ser enviados a cada minuto e, como tal, o desempenho é crítico. Slippage será incorrido através de um sistema de execução mal executando e isso terá um impacto dramático sobre a rentabilidade. Linguagens estaticamente tipadas (veja abaixo), como CJava, geralmente são ótimas para execução, mas há um trade-off no tempo de desenvolvimento, teste e facilidade de manutenção. As linguagens de tipo dinâmico, como Python e Perl, são agora geralmente suficientemente rápidas. Certifique-se sempre de que os componentes são projetados de forma modular (veja abaixo) para que possam ser trocados para fora à medida que o sistema é escalado. Processo de planejamento e desenvolvimento arquitetônico Os componentes de um sistema de negociação, suas necessidades de freqüência e volume foram discutidos acima, mas a infra-estrutura do sistema ainda não foi coberta. Aqueles que atuam como um comerciante de varejo ou trabalhando em um pequeno fundo provavelmente será usando muitos chapéus. Será necessário estar cobrindo o modelo alfa, os parâmetros de gerenciamento e execução de riscos, e também a implementação final do sistema. Antes de aprofundar em linguagens específicas o projeto de uma arquitetura de sistema ideal será discutido. Separação de preocupações Uma das decisões mais importantes que devem ser tomadas no início é como separar as preocupações de um sistema de comércio. No desenvolvimento de software, isso significa essencialmente como quebrar os diferentes aspectos do sistema de comércio em componentes modulares separados. Ao expor as interfaces em cada um dos componentes, é fácil trocar partes do sistema por outras versões que auxiliem o desempenho, a confiabilidade ou a manutenção, sem modificar nenhum código de dependência externa. Esta é a melhor prática para esses sistemas. Para estratégias em freqüências mais baixas tais práticas são aconselhadas. Para a negociação de freqüência ultra alta o livro de regras pode ter que ser ignorado à custa de ajustar o sistema para ainda mais desempenho. Um sistema mais fortemente acoplado pode ser desejável. A criação de um mapa de componentes de um sistema de negociação algorítmico vale um artigo em si. No entanto, uma abordagem ótima é certificar-se de que há componentes separados para as entradas de dados históricos e em tempo real do mercado, armazenamento de dados, API de acesso a dados, backtester, parâmetros de estratégia, construção de portfólio, gerenciamento de riscos e sistemas de execução automatizada. Por exemplo, se o armazenamento de dados que está sendo usado está underperforming, até mesmo em níveis significativos de otimização, ele pode ser trocado com rewrites mínimo para a ingesta de dados ou API de acesso a dados. Tanto quanto o backtestter e componentes subsequentes estão em causa, não há diferença. Outro benefício de componentes separados é que ele permite que uma variedade de linguagens de programação para ser usado no sistema global. Não é necessário restringir-se a uma única língua se o método de comunicação dos componentes for independente da linguagem. Este será o caso se eles estão se comunicando via TCPIP, ZeroMQ ou algum outro protocolo independente de linguagem. Como exemplo concreto, considere o caso de um sistema de backtesting sendo escrito em C para o desempenho de crunching de números, enquanto o gerenciador de portfólio e sistemas de execução são escritos em Python usando SciPy e IBPy. Considerações sobre Desempenho O desempenho é uma consideração significativa para a maioria das estratégias de negociação. Para as estratégias de freqüência mais alta, é o fator mais importante. Desempenho cobre uma ampla gama de problemas, tais como velocidade de execução algorítmica, latência de rede, largura de banda, IO de dados, paralelismo de concorrência e dimensionamento. Cada uma dessas áreas são cobertas individualmente por grandes livros didáticos, portanto, este artigo apenas arranhará a superfície de cada tópico. A arquitetura ea escolha da língua serão agora discutidas em termos de seus efeitos sobre o desempenho. A sabedoria predominante como afirmado por Donald Knuth. Um dos pais da Ciência da Computação, é que a otimização prematura é a raiz de todo o mal. Isso é quase sempre o caso - exceto quando se constrói um algoritmo de negociação de alta freqüência Para aqueles que estão interessados em estratégias de baixa freqüência, uma abordagem comum é construir um sistema da maneira mais simples possível e apenas otimizar como gargalos começam a aparecer. As ferramentas de criação de perfil são usadas para determinar onde surgem gargalos. Perfis podem ser feitos para todos os fatores listados acima, em um ambiente MS Windows ou Linux. Existem muitas ferramentas de sistema operacional e linguagem disponíveis para fazê-lo, bem como utilitários de terceiros. A escolha da língua será agora discutida no contexto do desempenho. C, Java, Python, R e MatLab contêm bibliotecas de alto desempenho (tanto como parte de seu padrão ou externamente) para estrutura de dados básicos e trabalho algorítmico. C é fornecido com a Biblioteca de modelos padrão, enquanto o Python contém NumPySciPy. Tarefas matemáticas comuns são encontradas nessas bibliotecas e raramente é benéfico escrever uma nova implementação. Uma exceção é se a arquitetura de hardware altamente personalizada é necessária e um algoritmo está fazendo uso extensivo de extensões proprietárias (como caches personalizados). No entanto, muitas vezes reinvenção da roda desperdiça tempo que poderia ser melhor gasto desenvolvendo e otimizando outras partes da infra-estrutura de negociação. Tempo de desenvolvimento é extremamente precioso, especialmente no contexto de desenvolvedores exclusivos. A latência é muitas vezes uma questão do sistema de execução, uma vez que as ferramentas de pesquisa estão normalmente situadas na mesma máquina. Para o primeiro, latência pode ocorrer em vários pontos ao longo do caminho de execução. Os bancos de dados devem ser consultados (latência de disknetwork), os sinais devem ser gerados (sistema operacional, latência de mensagens kernal), sinais comerciais enviados (latência NIC) e pedidos processados (latência interna dos sistemas de troca). Para operações de freqüência mais alta, é necessário tornar-se intimamente familiarizado com otimização kernal, bem como otimização da transmissão em rede. Esta é uma área profunda e está significativamente além do escopo do artigo, mas se um algoritmo UHFT é desejado, em seguida, estar ciente da profundidade do conhecimento necessário Caching é muito útil no kit de ferramentas de um desenvolvedor de negociação quantitativa. O cache refere-se ao conceito de armazenar dados acessados com frequência de uma forma que permite um acesso de melhor desempenho, à custa da potencial indisponibilidade dos dados. Um caso de uso comum ocorre no desenvolvimento da web ao tirar dados de um banco de dados relacional com suporte a disco e colocá-lo na memória. Quaisquer solicitações subseqüentes para os dados não precisam acertar o banco de dados e, portanto, os ganhos de desempenho podem ser significativos. Para situações de negociação cache pode ser extremamente benéfico. Por exemplo, o estado atual de um portfólio de estratégia pode ser armazenado em um cache até que ele seja reequilibrado, de modo que a lista não precisa ser regenerada em cada loop do algoritmo de negociação. Tal regeneração é provável que seja uma CPU alta ou operação de E / S de disco. No entanto, o cache não é sem seus próprios problemas. A regeneração de dados de cache de uma só vez, devido à natureza volátil do armazenamento em cache, pode colocar uma demanda significativa na infra-estrutura. Outra questão é dog-piling. Onde várias gerações de uma nova cópia de cache são executadas sob carga extremamente alta, o que leva a uma falha em cascata. A alocação dinâmica de memória é uma operação cara na execução do software. Portanto, é imperativo que aplicativos de negociação de maior desempenho estejam bem conscientes de como a memória está sendo alocada e desalocada durante o fluxo do programa. Padrões de linguagem mais recentes, como Java, C e Python, todos executam a coleta automática de lixo. Que se refere à desalocação da memória alocada dinamicamente quando os objetos saem do escopo. A coleta de lixo é extremamente útil durante o desenvolvimento, pois reduz os erros e facilita a legibilidade. No entanto, muitas vezes é sub-ideal para certas estratégias de negociação de alta freqüência. A coleta de lixo personalizada é freqüentemente desejada para esses casos. Em Java, por exemplo, ajustando o coletor de lixo ea configuração de heap, é possível obter alto desempenho para estratégias HFT. C não fornece um coletor de lixo nativo e, portanto, é necessário manipular toda a atribuição de alocação de memória como parte de uma implementação de objetos. Embora potencialmente propenso a erros (potencialmente levando a ponteiros pendentes) é extremamente útil ter controle de grão fino de como objetos aparecem no heap para determinadas aplicações. Ao escolher um idioma, certifique-se de estudar como o coletor de lixo funciona e se ele pode ser modificado para otimizar para um caso de uso particular. Muitas operações em sistemas de negociação algorítmicos são passíveis de paralelização. Isto refere-se ao conceito de realizar operações programáticas múltiplas ao mesmo tempo, isto é, em paralelo. Os chamados algoritmos embarassingly paralelos incluem etapas que podem ser calculadas de forma totalmente independente de outras etapas. Certas operações estatísticas, tais como simulações de Monte Carlo, são um bom exemplo de algoritmos embarassingly paralelos como cada desenho aleatório e operação de caminho subseqüente pode ser computado sem conhecimento de outros caminhos. Outros algoritmos são apenas parcialmente paralelizáveis. As simulações de dinâmica de fluidos são um exemplo, onde o domínio de computação pode ser subdividido, mas, em última instância, esses domínios devem se comunicar uns com os outros e, portanto, as operações são parcialmente sequenciais. Algoritmos paralelizáveis estão sujeitos à Lei Amdahls. Que proporciona um limite superior teórico para o aumento de desempenho de um algoritmo paralelizado quando sujeito a N processos separados (por exemplo, num núcleo de CPU ou thread). A paralelização tornou-se cada vez mais importante como um meio de otimização, uma vez que as velocidades do clock do processador estagnaram, pois os processadores mais recentes contêm muitos núcleos com os quais realizar cálculos paralelos. A ascensão de hardware gráfico de consumo (predominantemente para jogos de vídeo) levou ao desenvolvimento de Unidades de Processamento Gráfico (GPUs), que contêm centenas de núcleos para operações altamente concorrentes. Essas GPUs são agora muito acessíveis. Estruturas de alto nível, como a Nvidias CUDA, têm levado à adoção generalizada na academia e nas finanças. Esse hardware GPU geralmente é adequado apenas para o aspecto de pesquisa de finanças quantitativas, enquanto outros hardware mais especializados (incluindo Field-Programmable Gate Arrays - FPGAs) são usados para (U) HFT. Hoje em dia, a maioria dos langauges modernos suportam um grau de simultaneidademultithreading. Assim, é fácil otimizar um backtester, uma vez que todos os cálculos são geralmente independentes dos outros. Escala em engenharia de software e operações refere-se à capacidade do sistema para lidar consistentemente aumentando cargas na forma de solicitações maiores, maior uso do processador e mais alocação de memória. Na negociação algorítmica uma estratégia é capaz de escalar se ele pode aceitar grandes quantidades de capital e ainda produzir retornos consistentes. A pilha de tecnologia de negociação escalas se ele pode suportar maiores volumes de comércio e aumento da latência, sem gargalos. Enquanto os sistemas devem ser projetados para escalar, muitas vezes é difícil prever antecipadamente onde um gargalo irá ocorrer. Rigorosa exploração madeireira, testes, perfil e monitoramento vai ajudar muito em permitir que um sistema de escala. As próprias línguas são muitas vezes descritas como não escaláveis. Isso geralmente é o resultado de desinformação, ao invés de fato duro. É a pilha de tecnologia total que deve ser determinada para escalabilidade, não a linguagem. Claramente certas línguas têm um desempenho maior do que outras em casos de uso específicos, mas uma língua nunca é melhor que outra em todos os sentidos. Um meio de gerenciar a escala é separar preocupações, como mencionado acima. A fim de introduzir adicionalmente a capacidade de lidar com picos no sistema (isto é, volatilidade súbita que desencadeia uma série de negócios), é útil criar uma arquitectura de enfileiramento de mensagens. Isso significa simplesmente colocar um sistema de fila de mensagens entre componentes para que os pedidos sejam empilhados se um determinado componente não conseguir processar muitos pedidos. Ao invés de solicitações sendo perdidas eles são simplesmente mantidos em uma pilha até que a mensagem é tratada. Isso é particularmente útil para enviar comércios para um mecanismo de execução. Se o motor está sofrendo sob latência pesada, então ele vai fazer o backup de comércios. Uma fila entre o gerador de sinal de comércio e a API de execução aliviará esta questão à custa de uma potencial desvalorização do comércio. Um corretor de fila de mensagens de código aberto bem respeitado é RabbitMQ. Hardware e sistemas operacionais O hardware que executa sua estratégia pode ter um impacto significativo na rentabilidade do seu algoritmo. Este não é um problema restrito aos comerciantes de alta freqüência também. Uma má escolha em hardware e sistema operacional pode levar a uma máquina falhar ou reiniciar no momento mais inoportuno. Assim, é necessário considerar onde sua aplicação vai residir. A escolha é geralmente entre uma máquina desktop pessoal, um servidor remoto, um provedor de nuvem ou um servidor co-localizado de troca. As máquinas de mesa são simples de instalar e administrar, especialmente com os sistemas operacionais mais recentes, como o Windows 78, Mac OSX e Ubuntu. Os sistemas desktop possuem, no entanto, algumas desvantagens significativas. O principal é que as versões de sistemas operacionais projetados para máquinas desktop provavelmente exigirão rebootspatching (e muitas vezes no pior dos casos). Eles também usam mais recursos computacionais pela virtude de exigir uma interface gráfica com o usuário (GUI). A utilização de hardware em um ambiente doméstico (ou local) pode levar a conectividade com a internet e problemas de tempo de atividade. O principal benefício de um sistema desktop é que a potência computacional significativa pode ser comprada para a fração do custo de um servidor dedicado remoto (ou sistema baseado em nuvem) de velocidade comparável. Um servidor dedicado ou uma máquina baseada na nuvem, embora muitas vezes mais cara do que uma opção de desktop, permite uma infra-estrutura de redundância mais significativa, como backups de dados automatizados, a capacidade de garantir mais facilmente o tempo de atividade e o monitoramento remoto. Eles são mais difíceis de administrar, pois requerem a capacidade de usar recursos de login remoto do sistema operacional. No Windows isso geralmente é via o GUI Remote Desktop Protocol (RDP). Em sistemas baseados em Unix, a linha de comando Secure SHell (SSH) é usada. A infraestrutura de servidor baseada em Unix é quase sempre baseada em linha de comando, o que imediatamente torna inutilizáveis ferramentas de programação baseadas em GUI (como MatLab ou Excel). Um servidor co-localizado, como a frase é usada nos mercados de capital, é simplesmente um servidor dedicado que reside dentro de uma troca, a fim de reduzir a latência do algoritmo de negociação. Isso é absolutamente necessário para certas estratégias de negociação de alta freqüência, que dependem de baixa latência para gerar alfa. O aspecto final para a escolha de hardware ea escolha da linguagem de programação é independência de plataforma. 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 x86x64 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 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 TradingAutomated Trading Systems Automated trading systems are computer programs designed by expert developers to follow a given market algorithm, every minute of the day. You should consider automation if you want to participate in the futures market but lack the time to monitor, formulate and implement your own trading plan. Automated Systems are programmed to look for trends, analyze market data and apply specific mathematical technical formulas which in turn generates signals - buy and sell orders - to go long or short. The performance - whether hypothetical or live - is tracked in real-time and you can subscribe, activate and deactivate any system at any time. Optimus Futures gives you exclusive access to three different databases of automated trading systems. Choose any system from below and have the trades placed automatically in your real-life brokerage account. STEP 1 Subscribe to a System from one of our databases STEP 2 Open and Fund your Optimus Futures Account STEP 3 Sit back and monitor the results while we auto-execute your selected system. Why choose Automated Trading Systems over Self Directed Trading To be a successful futures trader, you have to understand different market trends, know all the factors that affect the markets, and follow both long term and short term price shifts caused by technical factors and fundamental news. This is not an easy task. While some traders choose to dedicate their lives to studying these different approaches to market cycles and price movements, some choose to participate in the futures market by letting an automated futures trading strategy make the trading decisions for them. Automation enforces discipline, where every trade, regardless of consecutive losing and or winning streaks, will continue to trade a pre-defined methodology, bypassing the emotional capital that accompanies self-directed accounts. What are the benefits of systems trading SAVE TIME: When your trades are automatically executed, you dont have to spend any more time studying charts, formulating trading strategies, and placing orders. You should consider automation if you lack the time for discretionary trading but would like to take advantage of another traders proven methodology. You can still get the benefits of diversifying your portfolio with futures, and have more time attending to the other priorities in your life. ELIMINATE STRESS: When you are making your own trading decisions, it is easy to be swayed by fear, greed and other emotional biases that may cloud your judgment. With an automated trading system, you will be taking a disciplined, unemotional and systematic approach to trading. A system trades only when its method tells it to and it does not change the number of contracts as it trades (beyond your set parameters). Therefore, the emotional side of trading does not affect your decision-making. SAVE MONEY: When following a trading system, you dont have to subscribe to a costly market quote or data feed. or have a robust computer to handle trading software. In addition, our fees are very reasonable, and can be deducted from your account. Contact Us About Automated Trading PERFORMANCE: Trading systems can help you meet your investment objectives since all of your decisions are based on formulas developed by an experienced trader. Automated trading systems are algorithmic, and behave according to the formulas and input programmed into them. They are developed by testing against historical data. Systems are designed to exploit price inefficiencies in the market and take advantage as soon as one has been detected. The making money part is a result of the systems ability to predict the price action in the right direction. Want to automate your own method We can help you design a system based on your methodology, risk parameters and risk capital. We work with a number of programmers with expertise in Genesis Trade Navigator, TradeStation, and Traders Studio. We can also design strategies in C, C , Multicharts and other programming languages. We have access to expert trading developers and programmers who can turn your ideas into automated trading methods. Or if you are system vendor looking for system execution for your clients, you can use us for proper execution and superior customer service. You can allow Optimus to execute all of the trades recommended to you by your trading system. All you have to do is sit back and watch your system work for you This is an easy solution that takes the burden out of executing your own trades. If you need to speak with someone who can help you make this choice, call us toll-free at 1.800.771.6748. Still have questions Lets talk. Please feel free to contact us using the form to the right or call us at (800) 771-6748. This matter should be viewed as a solicitation to trade. Trading futures and options involves substantial risk of loss and is not suitable for all investors. O desempenho passado não é necessariamente indicativo de resultados futuros. The risk of loss in trading commodity interests can be substantial. You should therefore carefully consider whether such trading is suitable for you in light of your financial condition. The placement of contingent orders by you or broker, or trading advisor, such as a stop-loss or stop-limit order, will not necessarily limit your losses to the intended amounts, since market conditions may make it impossible to execute such orders. The high degree of leverage that is often obtainable in commodity interest trading can work against you as well as for you. O uso de alavancagem pode levar a grandes perdas, bem como ganhos. Optimus Futures, LLC is not affiliated with nor does it endorse any trading system, methodologies, newsletter or other similar service. We urge you to conduct your own due diligence.
No comments:
Post a Comment