算法交易模拟器/基准数据

Question

我对使用算法交易策略感兴趣.有没有人知道我是否可以使用离线播放的模拟器或基准数据(实际上没有进行任何投资)？

Answer 1

这个问题非常广泛; 事实上,没有提到你感兴趣的仪器.例如:

• 股票
• 债券
• 商品
• 外汇
• 衍生品(如期货或期权)

目前,我会假设你对股票感兴趣......如果是这样,请看看Ninja Trader,它免费提供这些功能.您可以从雅虎财经获得免费的日终库存数据,这足以满足长期交易时间表; 请记住,交易周期越短,您的数据分辨率就越严格.

如果您愿意将数千个存入交易账户,任何数量的经纪商都会乐意向您发送实时市场日内市场信息; 但是你不需要纸币交易账户中的钱(至少我的经纪人).我认为对程序员来说最灵活的经纪人是Interactive Brokers.您可以通过API从它们获取亚秒级数据,只需了解它们不会为您提供Tick级别的粒度; 他们总结了他们的提要,具体细节各不相同,如果您有严格的粒度要求,最好与他们交谈.至于离线模拟,您可以使用Ninja Trader,Interactive Brokers和许多其他在线经纪商(请参阅哪些在线经纪商提供API？).

奖金材料

因为你提供的是+200,所以我会分享一些你可以使用的东西......保留它或者扔进垃圾桶里,无论它带来什么价值.

交易时间表

作为一般规则,时间越短,交易越困难,并且越难以持续赚钱.如果您不确定从哪个时间线开始,请一次查看几天或几周的交易周期; 然后,如果您发现有太多机会传递给您,请将您的系统细化为更小的时间线.另一件需要考虑的事情是您希望触摸此代码并调整算法的频率.一般规则是,随着交易周期变短,您可以对算法进行更多校准和维护.找到一位编写了一个在过去十年中按原样运作的优秀Swing-Trading平台的算法交易者并不罕见.另一方面,日间交易算法往往需要根据市场条件的变化进行更多关注和喂养.

交易风格

与时间表密切相关的是您的交易策略.你是:

• 趋势跟随
• Swing的交易
• 日间交易
• 倒卖
• 子pennying
• 使用统计套利
• 播放选项

贸易管理/思维方式

贸易管理是一个相当大的话题,如果你潜伏在像Elite Trader这样的交易员董事会,你会发现这个话题.虽然在同一个关于自动交易平台的帖子中讨论其中的一些可能听起来不合适,但我相信你会同意你的假设和态度有潜在的方式来汲取你的代码.我将从头脑中分享一些东西:

1. 成功主要是防止亏损交易.好的交易照顾好自己.
2. 始终以止损交易.传统观点是,"你的第一个损失是你最小的损失".如果事情开始向南,找出一种方法,在保持大部分先前的利润的同时始终如一地走出去; 抱着失败者是成为一只煮青蛙的快捷途径.
3. 没有"太高"或"太低"这样的东西.市场走势仍然存在,并不关心你认为它应该做什么.
4. 与点"3"密切相关:与长期趋势交易.对抗趋势(被亲切地称为"反趋势")可能听起来对天然逆向者很有吸引力,但你需要非常好地做好.交易是足够的工作,而不是试图逆流.
5. 美联储市场宣布后一小时内交易非常困难; 我认为离开市场更好.快速的利润看起来很诱人,但这是专业人士喜欢吃业余交易者的地方; 残酷的逆转可以在几分钟内发展.
6. 除非您拥有经过验证的技术,并且已经使用至少几年的数据进行了重新测试,否则请避免以保证金进行交易.
7. 常规交易的第一个分钟和最后一小时可以看到波动率的快速变化.
8. 在获利回吐方面,"公牛吃饱了,猪被屠宰了"
9. 如果您发现自己没有盈利,请考虑评估您的交易频率; 将您的交易减少到最低是成功的关键,否则,垃圾交易的滑点,佣金和费用将占用您的利润.
10. 由于计算延迟/处理时间和部分订单填写,限价订单相当难以管理并且非常接近细节; 算法交易者有更大的鱼来炒.

编码

1. 记录您在代码中做出的每个数据点和决策; 三个日志记录级别适合我.交易是一项不精确的任务,微小的变化可能会破坏您以前盈利的算法.如果事情爆发,你需要一种方法来比较工作的东西.
2. 脚本语言中的原型; 如果某些东西很慢,你可以随时卸载到编译器.我认为python对量化金融来说非常棒......成熟的单元测试,C/C++集成,numpy,pyplot和pandas对我来说都是赢家.
3. 更多熊猫插件......(熊猫视频),另见:用Python计算复合回归系列
4. 我开始使用plain-ole csv,但我正在迁移到HDF5以获取tick数据存档
5. 贸易模拟具有欺骗性:模拟交易由于流动性低或对工具的高需求而没有填写问题; 根据市场情况,从我发送订单到填写时间,我的真实交易可能会有两到三秒的延迟.模拟交易也不会导致数据中断; 一定要在计划中包含突然的数据丢失(以及如何恢复).成本较低的经纪人往往会遭遇更多的昙花一现,但如果你的时间表更长,那么你可能会忽视这一点.

法律

本文所述的信息是从作者认为可靠的来源获得或衍生的.但是,作者不对信息的准确性或完整性做出任何明示或暗示的陈述或保证,作者也不建议所附信息作为任何投资决策的依据.此数据仅供参考,并不构成购买任何证券或其他金融工具的要约或要约邀请或任何建议或推荐,也不得解释为此类数据.通过使用任何此类信息,您明确同意所有与信息的性能和质量相关的风险仅由您承担.对于因使用或无法使用该信息而引起的任何直接,间接,偶然,特殊或随之发生的损害,即使提交人已被告知可能发生此类损害,作者也不承担任何责任.作者"按原样"和"所有错误"提供信息.