ڈرائیونگ - ہائی فریکوئنسی ٹریڈنگ کیسے پیسہ کما رہی ہے؟

ہائی فریکوئینسی ٹریڈنگ کیسے پیسہ کما رہی ہے؟

اس کے سامنے لکھا ہے: 30 جولائی ، 2016 کو ، ہائی فریکوئنسی ٹریڈر لیو او نے ہانگ کانگ کے ٹرانسپورٹ یونیورسٹی ہانگ کانگ کے سابق طلباء کے اجلاس کی دعوت پر ، کوانٹیٹائزڈ فنانس اور ہائی فریکوئنسی ٹریڈنگ کی چابیاں کے عنوان سے ایک شیئرنگ منعقد کی۔ لیو کی اجازت کے ساتھ ، یہ شیئرنگ خصوصی طور پر شروع کی گئی ہے۔ اس مضمون کو لیو نے ترمیم کی ہے۔ شکریہ لیو۔

• میں نے ہمیشہ آئی ٹی کیا ہے کیونکہ میں تھوڑا سا آئی ٹی پر مبنی ہوں گے. میں نے ریاضی اور اعداد و شمار کی باقاعدہ تعلیم نہیں کی ہے، لہذا یہ غیر رسمی لگ سکتا ہے. میں چار قسم کی تجارتی حکمت عملیوں کے بارے میں بات کروں گا اور پھر ریاضی اور آئی ٹی کے بارے میں کچھ اور۔ کوانٹیٹیو ٹریڈنگ ، جیسا کہ اس کے نام سے مراد ہے ، کو دو حصوں میں تقسیم کیا جاسکتا ہے ، ایک کوانٹیٹیٹو اور دوسرا ٹریڈنگ۔ کوانٹیٹیو روایتی دستی تجارت کے مقابلے میں بہت کچھ ماڈل کے ذریعہ مقدار میں ہوتا ہے ، نہ کہ بدیہی طور پر۔ ٹریڈنگ خطرے کے کنٹرول کے ساتھ قریب سے منسلک ہے ، دستی تجارت کے بجائے ، پروگرام کے ذریعہ کیا جاتا ہے۔ کوانٹیٹیو ٹریڈنگ کئی اقسام میں تقسیم کی جاتی ہے، ایک ہفتے میں ایک مہینے میں۔ بنیادی حصے میں کچھ لانگ / شارٹ ایکویٹی ہوتی ہے، کچھ الفا حکمت عملی ہوتی ہے۔ اور پھر ایک قسم کی قیمتوں کا تعین کی جاتی ہے، جیسے آپشن قیمتوں کا تعین، قیمتوں کا تعین کیسے کریں۔ اور ایک قسم خالص مارکیٹ ڈیٹا کی مقدار ہوتی ہے۔ یعنی وہ صرف قیمت اور حجم کو دیکھتا ہے، قیمت اور حجم پر تکنیکی تجزیہ کرتا ہے، خالص مارکیٹ ڈیٹا۔

چہرہ 1

• ہائی فریکوئینسی ٹریڈنگ بنیادی طور پر خالص مارکیٹ ڈیٹا کے ساتھ ہوتی ہے کیونکہ اس کی خود ڈیٹا پر تھوڑی زیادہ ضرورت ہوتی ہے۔ مارکیٹ ڈیٹا ہر وقت بدلتا ہے ، لیکن بنیادی ، خبریں ، عام طور پر ہر وقت نہیں بدلتی ہیں۔ ہائی فریکوئینسی ٹریڈنگ کیا ہے؟ سب سے پہلے یہ خودکار ہے۔ ہائی فریکوئینسی ٹریڈنگ دستی طور پر کرنا ممکن نہیں ہے، ایک وقت کی سطح پر نہیں ہے، بہت زیادہ کمپیوٹنگ کی طاقت کی ضرورت ہے، طاقتور کمپیوٹرز کی ضرورت ہوتی ہے، اور پھر بہت سارے احکامات ہیں، جو انسانی ہاتھوں کی طرح نہیں ہیں، شاید ہر سیکنڈ، ہر ملی سیکنڈ، ٹریڈنگ میں ہیں۔ یقیناً اس فہرست میں بھی بہت سے دستبرداریاں شامل ہیں، بہت سے دستبرداریاں۔ بعض حکمت عملیوں میں بہت سے دستبرداریاں ہیں، شاید ایک ملین سے زیادہ دستبرداریاں ہیں، لیکن صرف دس ہزار سے زیادہ دستبرداریاں ہیں۔ دوسری بات یہ ہے کہ یہ بہت تیز رفتار ہے۔ اور اس کی تعریف یہ بھی ہے کہ پیچیدہ الگورتھم کی ضرورت ہوتی ہے۔ میں نے سوالیہ نشان لگایا، کیونکہ کچھ الگورتھم دراصل نسبتاً آسان ہیں، پیچیدہ نہیں ہیں، شاید ابتدائی ریاضی کی سطح پر ہیں۔ اس سے پہلے کہ میں مزید بات کروں ، میں نے پہلے وقت کے تصورات کا ایک جوڑا متعارف کرایا ہے۔ ہمارے عام ٹائمرز میں ، چھوٹی اکائیوں کو سیکنڈ یا منٹ کے طور پر بھی دیکھا جاسکتا ہے۔ سیکنڈ کے نیچے ، ایک ملی سیکنڈ بھی ہے: ایک ہزارویں سیکنڈ۔ ایک آنکھ جھپکنے کے بعد ، یہ تقریبا 300 ملی سیکنڈ کی طرح لگتا ہے۔ شنگھائی سے شنگھائی تک ڈیٹا کی منتقلی ، ایک پنگ ، تقریبا 30 ملی سیکنڈ ہے۔ اس کے بعد ، مائکرو سیکنڈ ، ایک ہزارویں سیکنڈ ، ایک ملینویں سیکنڈ۔ ہائی فریکوئنسی ٹریڈنگ میں ، تجارت کا فیصلہ کرنا تقریبا 10-20 مائکرو سیکنڈ ہے ، اور یقینا some کچھ ہارڈ ویئر کے طریقوں کے ذریعہ یہ 2 مائکرو سیکنڈ کے ارد گرد کیا جاسکتا ہے۔ مائکرو سیکنڈ کے نیچے ، ایک ہزارویں سیکنڈ بھی ہے۔ یہ بہت تیز ہے۔

چہرہ 2

• موازنہ: اپنی آنکھیں بند کرو، 350 ملی سیکنڈ؛ ہائی فریکوئنسی ٹریڈنگ 1000 ٹریڈ فیصلے صرف 15 ملی سیکنڈ میں کرتی ہے۔ ہم اکثر کہتے ہیں کہ ایک پل میں ، ایک پل میں اعلی تعدد کی تجارت میں دس ہزار سے زیادہ تجارتی فیصلے کیے جاسکتے ہیں۔ لہذا اعلی تعدد کی تجارت کا ٹائم لائن مختلف ہے ، اعلی تعدد کی تجارت کے لئے ایک سیکنڈ بہت لمبا ہے۔

• مندرجہ ذیل میں ہائی فریکوئینسی ٹریڈنگ کی حکمت عملی کی چند اہم اقسام بیان کی گئی ہیں۔

چہرہ 3

• شہر کی حکمت عملی

  مارکیٹنگ کی حکمت عملی کا بنیادی مقصد مارکیٹ میں لچک فراہم کرنا ہے ، بولی / پوچھنے کی فہرستیں لگانا ، بولی / پوچھنے کو تنگ کرنا ، درمیانی فرق کو حاصل کرنا۔ یہ آسان لگتا ہے ، لیکن بہت سارے ماڈل ہیں ، رسک کنٹرول ، آئی ٹی پر ہتھیاروں کی دوڑ۔ اس کا مطلب یہ ہے کہ یہاں کی کئی عمارتیں بہتر کام کر رہی ہیں۔ اس میں بہت سی باتیں ہیں جن کے بارے میں بات کی جاسکتی ہے ، جیسے کہ آپ اپنے اسٹاک کو کیسے کنٹرول کریں ، اپنے خطرے کو کیسے کنٹرول کریں ؛ بہت زیادہ پیشن گوئی کریں ؛ اتار چڑھاؤ اور قیمت کی پیشن گوئی کیسے کریں ؛ یہاں آئی ٹی کا مسئلہ بہت اہم ہے ، کیونکہ مقابلہ بہت سخت ہے۔ تیز تر قیمتوں کا تعین کیسے کریں ، تیزی سے واپسی کیسے کریں ، یہ بھی بہت اہم سوالات ہیں۔ آئی ٹی کی لاگت بہت زیادہ ہے کیونکہ ہر کوئی مقابلہ کر رہا ہے ، ہر کوئی تیز تر چاہتا ہے ، Co- Location سے لے کر ، FPGA تک ، اب مائکروویو بھی ہے۔ مقابلہ شدید ہے۔ کیونکہ اس کی حد بہت زیادہ ہے ، باقی چند کمپنیاں اچھی کارکردگی کا مظاہرہ کر رہی ہیں۔ عام سرمایہ کاروں کے لیے مارکیٹنگ کا وجود فائدہ مند ہوتا ہے تاکہ وہ خرید و فروخت کے فرق کو کم کر سکیں۔ چوتھا نقشہیہ گزشتہ سال 12 اگست کو ایک حکمت عملی تھی جس میں میں نے 50 اسٹاک انڈیکس فیوچر میں تجارت کی تھی۔ اس دن پورے مارکیٹ میں 225،000 ٹرانزیکشن تھے، میری حکمت عملی 4.1٪ تھی (9,180 ہاتھ) ، پی اینڈ ایل بھی ٹھیک تھا اور ڈراؤڈاؤن بھی چھوٹا تھا۔ دارالحکومت کی ضرورت بھی بہت کم تھی، پورے دن میں صرف 500،000 کیپٹل کی ضرورت تھی، 21،000 سے زیادہ کمائی ہوئی، 43.5٪ منافع۔ پچھلے سال جولائی میں ، اسٹاک کی تباہی کی وجہ سے ، چین کے بینکوں نے اسٹاک فیوچر پر کچھ سرمایہ کاروں پر پابندی عائد کرنا شروع کردی تھی۔ جیسا کہ جولائی میں دیکھا جاسکتا ہے ، ان دنوں میں بولی / پوچھنے کے پھیلاؤ میں توسیع کی علامتیں ہیں ، 7 ستمبر تک ، چین کے بینکوں نے قیاس آرائی کرنے والوں پر پابندی عائد کرنا شروع کردی ، ہولڈنگ گارنٹی کو 40 فیصد تک بڑھا دیا ، فلائٹ آپریشن فیس میں 23 فیصد اضافہ ہوا ، ایک ہی قسم کی ایک دن کی کھلی ہوئی تجارت 10 ہاتھ سے زیادہ نہیں تھی۔ مارکیٹ کی تجارت میں 1 فیصد کمی واقع ہوئی ہے۔ کیونکہ مارکیٹ کی حکمت عملی اچھی طرح سے نہیں کی گئی تھی ، 10 ہاتھ کی مارکیٹ کی حکمت عملی بالکل نہیں کھیل سکتی تھی ، کچھ کو بند کردیا گیا تھا۔ آپ دیکھ سکتے ہیں کہ بائڈ / پوچھیں پھیلاؤ میں خاموشی سے تبدیلی آئی ہے۔ چہرہ 5چہرہ 6لہذا مارکیٹنگ کی حکمت عملی مارکیٹ کی لچک کو بڑھا سکتی ہے ، جس سے بولی / طلب پھیلاؤ تنگ ہوجاتا ہے ، اور جب خرید و فروخت کا حجم زیادہ ہوتا ہے تو اس میں بہت زیادہ سلائڈ پوائنٹس نہیں ہوتے ہیں۔ مارکیٹنگ کی حکمت عملی میں شاید یہ اندازہ لگانا ضروری ہے کہ زیادہ معقول قیمت کیا ہے۔ اسٹاک فیوچر مارکیٹنگ میں ، کوئی اسٹاک کی مناسب قیمت کی پیش گوئی کرنے کے لئے ایک باسکٹ اسٹاک کا استعمال کرتا ہے۔

• شماریاتی سود یہاں ہر ایک ایک بڑا موضوع ہے۔ میں صرف اس پر بات کر رہا ہوں۔ اعداد و شمار کے سوٹ میں امکانات ، ڈیٹا مائننگ ، ماڈلنگ ، ٹرانزیکشن کی کارروائی ، ڈیٹا کلیننگ کیسے کریں شامل ہیں۔ اعداد و شمار کی کھدائی بہت اہم ہے، اور اس کا غلط استعمال کبھی کبھی بہت تکلیف دہ ہوتا ہے۔ ایک کلاسک کہاوت ہے: گاربیج ان ، گاربیج آؤٹ۔ بہت سے کوانٹ ڈیٹا پروسیسنگ میں بہت زیادہ وقت گزارتے ہیں۔ کبھی کبھی بہت دلچسپ نتائج ملتے ہیں ، جب آپ واپس جاتے ہیں تو آپ کو معلوم ہوتا ہے کہ ڈیٹا غلط ہے۔ سب سے آسان سودے کا ماڈل تاریخی قیمتوں کی اتار چڑھاؤ کی شرح ہے، جس کے دونوں اطراف پر کچھ عملدرآمد کے علاقوں کو شامل کیا جاتا ہے۔ مثال کے طور پر، دودھ کا پاؤڈر 100 ڈالر میں ہانگ کانگ سے خریدا جاتا ہے اور 120 ڈالر میں مینلینڈ کو فروخت کیا جاتا ہے۔ درمیان میں آپ 10 ڈالر ٹکٹ خرچ کرتے ہیں اور آخر میں 10 ڈالر کماتے ہیں۔ یہ آپ کی سودے کی جگہ ہے۔ مثال کے طور پر ، سونے کے لئے ، ملکی اور غیر ملکی مارکیٹوں میں معیاری معاہدے ہیں ، نظریاتی طور پر قیمت ایک جیسی ہے ، دونوں سونے کے ٹکڑے نکالتے ہیں۔ لیکن قیمت میں اتار چڑھاؤ ہوگا ، اگر ہم اس فرق کا حساب لگاتے ہیں ، اگر یہ معلوم ہوتا ہے کہ یہ تاریخی اعدادوشمار کے علاقوں سے ہٹ جاتا ہے ، جیسے بریکسٹ کے وقت ، تو یہ پتہ چلتا ہے کہ چینی سونے کی قیمت سستی ہے ، امریکی سونے کی قیمت زیادہ ہے۔ پھر ہم کم قیمت پر خرید سکتے ہیں ، اور زیادہ قیمت پر فروخت کرسکتے ہیں۔ یقینا ، عملی آپریشن میں ، اس طرح کے عوامل جیسے لچک کے اثرات ہوں گے ، اس میں کچھ تجربہ درکار ہے۔

• پیش گوئی ماضی کے مارکیٹ کے اعداد و شمار اور موجودہ مارکیٹ کے ماحول کا موازنہ کرکے مستقبل کی قیمت کی نقل و حرکت کی پیش گوئی کریں: قیمت = a + b + c ؛ یہ مستقبل کی کرنسی اگلے سیکنڈ ، اگلے منٹ ، اگلے تجارتی دن ، اگلے ہفتے ، اگلے مہینے ہوسکتی ہے۔ اگر آپ کا ماڈل درست پیش گوئی کرتا ہے تو یہ NB سے بہتر ہے ، چاہے وہ اگلے سیکنڈ ، اگلے منٹ یا اگلے ہفتے ہو۔ جب تک آپ کا ماڈل موثر ہے ، اچھا NB ہے۔ یہ آسان کام نہیں ہے ، بنیاد ، تجربہ کی ضرورت ہے۔ یہ بھی میں سیکھ رہا ہوں ، زیادہ تجربہ نہیں ہے۔ گراف 7یہ بنیادی عمل اعداد و شمار کو ترتیب دینے اور مارکیٹ پر اثر انداز کرنے والے عوامل کو سمجھنے کے لئے ہے. آپ جلدی سے شروع کر سکتے ہیں، ایک سیدھی لائن لے سکتے ہیں، اور آپ کو تیزی سے نتائج مل سکتے ہیں، لیکن آپ کے ماڈل کی استحکام کتنی دیر تک مستحکم ہوسکتی ہے، اس میں مسلسل ٹوننگ، مسلسل لوپ کی ضرورت ہوتی ہے. آپ ٹریننگ، ماڈل کا اندازہ لگانا، اور پھر آپ کے فیکٹر کو بہتر بنانا. یقیناً اب بہت سے فیکٹرز ہیں، کچھ لوگوں کا طریقہ یہ ہے کہ وہ 500 فیکٹرز میں پھینک دیتے ہیں۔ ان کا ماڈل انہیں بتا سکتا ہے کہ کون سے فیکٹرز کام کرتے ہیں اور کون سے کام نہیں کرتے۔ اور وہ خود ہی اعلیٰ رابطے والے فیکٹرز کو ہٹا سکتے ہیں۔ لیکن یہ بات، میں ابھی سیکھ رہا ہوں، میرے پاس زیادہ تجربہ نہیں ہے۔ میں صرف یہ جانتا ہوں کہ یہ طریقے موجود ہیں۔ سپر سادہ کا راز یہ نہیں ہے کہ یہ آسان ہے یا نہیں ، سب سے آسان پیش گوئی کرنے والا ماڈل یہ ہے کہ قیمتیں اوسط لائن پر واپس آجائیں گی۔ اوسط لائن کیا دورانیہ ہے ، اپنے آپ کو پیسیں۔ اس درمیان کی پیچیدگی کا زیادہ تر حصہ ڈیٹا سے آتا ہے۔ ماڈل کے الفاظ میں ، آر میں بہت سارے پیکیج ہیں ، جو آپ کو اچھی طرح سے خودکار کرنے میں مدد کرسکتے ہیں۔ بہت سارے اشارے خود کار طریقے سے ، گراف بھی مددگار ہیں۔ ڈیٹا اور فیکٹر دونوں کو مسلسل پیسنے کی ضرورت ہے۔ پھر ان ماڈلوں کو پہنیں۔

  • مائیکرو سٹرکچر یہ بہت زیادہ کثرت سے ہوتا ہے ، عام مقدار شاید استعمال نہیں ہوتی ہے۔ مثال کے طور پر ، اسٹاک ٹریڈنگ میں اکثر سنتے ہیں کہ سپورٹ لیول ، پریشر لیول ، یا سادہ مائیکرو اسٹرکچر ہے۔ شاید آپ دیکھیں کہ یہ سپورٹ لیول ہے ، بہت سارے آرڈرز ہیں ، بہت سارے بولی ہیں۔ اس کے علاوہ ، یہ بھی کہا جاتا ہے کہ یہ ایک بہت ہی اہم مسئلہ ہے ، اور اس کے بارے میں آپ کو کیا پتہ ہونا چاہئے: سپوفر ، مارکیٹ میں کچھ کھلاڑیوں نے بلیو فنگ کیا۔ مارکیٹ معمول کی بات تھی ، ادائیگی 10 ، 20 تھی ، اچانک ایک کھلاڑی آیا اور کہا کہ میں 1000 خریدنا چاہتا ہوں۔ سب نے سوچا کہ ایک بہت بڑی ادائیگی ہے ، اور سب نے اسے خرید لیا ہے۔ اسٹاک کی نقل و حرکت خوردبین نقطہ نظر سے رسد اور طلب کا تعلق ہے۔ زیادہ خریدار بڑھتے ہیں۔ کسی نے ایک ملین کا آرڈر دیا ، اور اوپر جانا شروع کیا۔ پھر اس نے فروخت کرنا شروع کیا۔ یہ سپوفنگ ہے۔ امریکی ریگولیٹری اتھارٹی نے مارکیٹ کو چلانے کے عمل کی سختی سے تعریف کی ہے ، یہ غیر قانونی ہے۔ اس کے علاوہ ، ہم نے اس کے بارے میں مزید معلومات حاصل کرنے کے لئے اس ویب سائٹ کا استعمال کیا ہے۔ How to Catch a Spoofer ایک سپوفر کو کیسے پکڑیںhttp://www.bloomberg.com/graphics/2015-spoofing/آئس برگ آرڈرزhttp://www.marketdelta.com/blog/2011/10/footprint-chart/iceberg-orders/ریاضی، میرے تجربے سے، ابتدائی ریاضی اور پی ایچ ڈی ریاضی دونوں کے لئے استعمال کیا جاتا ہے۔ ابتدائی ریاضی کو کم نہ کریں، یہ بھی بہت سارے گڑھے لگاتا ہے۔ اعلی درجے کی، جیسے قیمتوں کا تعین بہت پیشہ ورانہ ہے۔ کس طرح ایک دلچسپی کی شرح کی قیمت کا انتخاب کریں۔ اس کے علاوہ، پیش گوئی ماڈلنگ، یہ بہت وسیع ہے، یہ ایک طویل عرصے سے بات کر رہا ہے، بہت سے کمپنیاں اس کا استعمال کر رہی ہیں. ہائی فریکوئنسی کا مختصر نتیجہ یہ ہے کہ اس کی گنجائش بہت کم ہے۔ یہ اس طرح ہوگا جیسے آپ اسے 500،000 دیں اور وہ 200،000۔ آپ اسے 5،000 دیں اور وہ شاید 200،000۔

• آئی ٹی۔ ہم سب کو معلوم ہے کہ فلوروسن کے بڑے اورون کی انگلیوں کا معاملہ ہے۔ اس کے علاوہ ، رائیٹرز کیپٹل نے ایک بار آدھے گھنٹے میں 440 ملین ڈالر کا نقصان کیا۔ پروگرامر اپ گریڈ سسٹم ، شاید آٹھ پروڈیوسر ، ایک اپ گریڈ نہیں ہوا ، جس کے نتیجے میں ایک غلط ہدایت پر عمل درآمد ہوا ، مسلسل تجارت کرتا رہا۔ کلید یہ ہے کہ 30 منٹ تک تجارت کی گئی۔ مجھے نہیں معلوم کہ اس نے 30 منٹ تک کیسے کام کیا ، اس کا پتہ نہیں چلا۔

ان دونوں صورتوں میں ، آئی ٹی اہم ہے اور آپ کو بہت پیسہ ضائع کرنے کا سبب بن سکتی ہے۔ چہرہ 8آئی ٹی سسٹم کو بنیادی طور پر اوپر چار حصوں میں تقسیم کیا گیا ہے۔ قیمت کا ڈیٹا نسبتاً آسان ہے، لیکن بنیادی ڈیٹا، غیر ساختہ ڈیٹا جیسے زیادہ پیچیدہ ہیں، جن میں بہت سارے پروگرامر کوڈ کی ضرورت ہوتی ہے، جیسے جمع کرنا، فارمیٹ کرنا، متحد کرنا، رسائی۔ ایک کوانٹ کے طور پر، میں ایک دن کے اعداد و شمار کو لے کر ایک گراف بنانا چاہتا ہوں۔ ہم بنیادی طور پر اس صورت حال میں ہیں، بہت آسان ہے کہ ہم ڈیٹا کے ایک ڈھیر سے ایک ڈھیر چیزیں کر سکیں، اور دوسری طرف کوانٹ بہت کم کوڈ لکھتا ہے۔ کیونکہ ہم بہت سارے ڈیٹا ڈھانچے، ڈیٹا انٹرفیس کو متحد کرتے ہیں۔ چاہے ہم C++، C# یا Scala سے ہوں، یہ ڈیٹا اسی فارمیٹ میں لے کر بہت آسان ہے۔ یقینا آپ غلط نہیں ہو سکتے، آپ کی غلطیوں کی برداشت اور آپ کی غلطیوں کی جانچ پڑتال کرنے کی صلاحیت بھی بہت زیادہ ہے۔ ہم نے پہلے بھی ایسی صورتحال دیکھی ہے، دوبارہ جانچ بہت اچھی ہے، ہم روزانہ پیسہ کماتے ہیں اور نتائج غلط ہوتے ہیں۔ بہت بیوقوف غلطیاں۔ یہ اکثر ہوتی ہیں، یقین ہے کہ بعد میں بھی ہو گی۔ لیکن بعد میں جب ہم دوبارہ جانچ کے نتائج دیکھتے ہیں، تو ہم مزید شکوک و شبہات پیدا کرتے ہیں۔ یہ عملدرآمد مختلف APIs ، مختلف مارکیٹ تک رسائی ، مختلف کنٹرولز ہیں۔ اعلی تعدد کے میدان میں ، رفتار بہت اہم ہے۔ کیونکہ بہت ساری معلومات عوامی ہیں ، بہت سے لوگ دیکھ سکتے ہیں۔ جب بہت سے لوگ ایک موقع دیکھتے ہیں تو ، صرف تیز ترین لوگ ہی اسے حاصل کرسکتے ہیں۔ ہر مارکیٹ میں مختلف APIs ہیں ، ایک مربوط پروٹوکول بھی ہے ، جیسے فکس پروٹوکول ، لیکن یہ ضروری نہیں کہ ہر تبادلے کی حمایت کی جائے ، لیکن فکس پروٹوکول خود بھی نسبتا slow آہستہ ہے۔ اعلی تعدد عام طور پر C ++ ، FPGA کے ذیلی ماڈیول ہوتے ہیں ، ہم عام طور پر C ++ ، FPGA ہوتے ہیں۔ اب ہمارے پاس ایک چھوٹی سی حکمت عملی ہے جو FPOSGA کے اوپر ہوتی ہے ، اور نہیں گزرتی ہے۔ بیک ٹیسٹنگ ، کبھی کبھی کوانٹ کے ساتھ آنے والی چیزیں ، شاید آپ کے بیک ٹیسٹنگ سسٹم میں ابھی تک معاونت نہیں ہے ، آپ کو بیک ٹیسٹنگ کے فریم ورک کو تبدیل کرنے کی ضرورت ہے۔ تصورات اہم ہیں۔ آپ نہیں کہہ سکتے کہ مجھے اعداد کا ایک ڈھیر بنائیں، آپ نہیں دیکھ سکتے۔ گراف دیکھنا زیادہ واضح ہے۔ ہم نے اسکالہ میں گراف بنانے میں بہت محنت کی، آر میں گراف۔ کیونکہ گراف اور ڈیٹا کا ایک ڈھیر مختلف ہے۔ دوبارہ جانچ کی رفتار بھی اہم ہے۔ مثال کے طور پر ایک حکمت عملی کو دوبارہ جانچنا ، ایک سال کے اعداد و شمار ، آپ کو ایک ہفتہ درکار ہے۔ کون آپ کے نتائج کو دیکھنے کے لئے ایک ہفتہ انتظار کرتا ہے! ایک منٹ شاید تھوڑا سا قبول کرے گا۔ حکمت عملی کے اندر پیرامیٹرز میں ایک تکرار عمل موجود ہے ، جیسے پیرامیٹرز ، میں 1 سے 100 تک کوشش کرنا چاہتا ہوں اور دیکھنا چاہتا ہوں کہ کیا ہوتا ہے۔ آپ ہر ٹیسٹ میں 5 منٹ لگاتے ہیں ، جب میں بہتر بناتا ہوں تو مجھے 100،000 پیرامیٹرز کی جانچ کرنے کی ضرورت ہوسکتی ہے ، لہذا میں انتظار نہیں کرسکتا ہوں۔ اس میں ہم نے بہت زیادہ اصلاحات بھی کیں، جیسے کہ ڈیٹا کیسے لیا جائے، کس طرح کیش کیا جائے، اور اس کے درمیان میں اس کی کارکردگی کو بہتر بنایا جائے۔ اس سے پہلے میں نے پچھلی کمپنی میں کچھ کلاؤڈ کمپیوٹنگ کی کوشش کی تھی، اور کچھ ریٹیسٹ انجن کو بہت سے سرورز میں تقسیم کیا تھا۔ اس طرح، ایک درخواست گزرتی ہے، بہت سے مشینیں ایک ہی وقت میں چل رہی ہیں۔ آپ اسے ایک دوسرے پر اثر انداز کیے بغیر کر سکتے ہیں۔ ہر پیرامیٹر آزاد ہے۔ یہ متوازی طور پر شمار کیا جا سکتا ہے۔ ایک اور چیز مانیٹرنگ ہے۔ اس میں بہت زیادہ آٹومیشن ہے۔ اس میں بہت ساری حکمت عملی ہے۔ اس میں انسانی مدد کی ضرورت ہے۔ خطرہ کی نگرانی کیسے کی جائے ، انتباہ کیسے کیا جائے ، یہ بھی ایک اہم عنصر ہے۔ ہماری موجودہ حکمت عملی جیسے خود کار طریقے سے چلتی ہے ، تمام حکمت عملیوں کی نگرانی ، ہر حکمت عملی کے خطرے کی سطح سے زیادہ نہیں ، الارم سے زیادہ ہے۔ خاص طور پر ہم رات کے وقت بھی تجارت کرتے ہیں ، لہذا اگر پروگرامر اکثر رات کو سو جاتا ہے تو یہ بہت غیر حقیقی ہے۔ لہذا اگر کوئی اہم خرابی ہے تو ، ہم براہ راست اپنے موبائل پر کال کریں گے۔ اب ہم بہت آسان ہوجائیں گے۔ جب آپ بہت ساری اقسام کے ساتھ تجارت کرتے ہیں تو ، بنیادی طور پر یہ ممکن نہیں ہے کہ سبھی لوگ وہاں کھڑے ہوں ، لہذا بہت زیادہ نگرانی کریں۔

• یہ مضمون پڑھنے کی سفارش کی جاتی ہے:

Flash Boys
Quantitative Trading: How to Build Your Own Algorithmic Trading Business
The Quants: How a New Breed of Math Whizzes Conquered Wall Street and Nearly Destroyed It
The Problem of HFT - Collected Writings on High Frequency Trading & Stock Market Structure Reform
Inside the Black Box: A Simple Guide to Quantitative and High Frequency Trading
Algorithmic Trading: Winning Strategies and Their Rationale
Quantitative Trading with R: Understanding Mathematical and Computational Tools from a Quant's Perspective

http://numericalmethod.com/courses/introduction-to-algorithmic-tradingstrategies-2011-2013/ https://www.quantstart.com/articles/beginners-guide-to-quantitative-trading https://www.zhihu.com/publications/nacl/19550372

لنک