benchmarking - 算法交易模拟器/基准数据

Question

Closed. This question does not meet Stack Overflow guidelines。它当前不接受答案。












想改善这个问题吗？更新问题，以便将其作为 on-topic用于堆栈溢出。

在8个月前关闭。



Improve this question




我对玩算法交易策略感兴趣。有人知道我是否可以离线使用模拟器或基准数据(无需进行任何投资)？

最佳答案

这个问题很广泛。实际上，没有提到您对哪些乐器感兴趣。例如:

Stocks

Bonds

Commodities

Forex

Derivatives (like Futures or Options)

目前，我假设您对股票感兴趣...如果是，请看一下提供 Ninja Trader的 these features for free。您可以从 Yahoo Finance获得免费的日末股票数据，该数据对于长期交易时间表而言已足够；请记住，交易周期越短，数据解析就需要越严格。

如果您愿意在交易账户中存入数千美元，则任何数量的经纪人都将很乐意向您发送实时市场当日市场动态。但是您不需要在帐户中进行纸币交易(至少与我的经纪人交易)。我认为对程序员最灵活的代理是 Interactive Brokers。您可以通过 API从亚秒级数据中获取数据，只是要了解它们不会为您提供Tick级的粒度。他们汇总了Feed，具体细节各不相同，因此，如果您有严格的粒度要求，最好与他们联系。至于离线模拟，您可以使用Ninja Trader， Interactive Brokers和许多其他在线经纪人(请参阅 What online brokers offer APIs?)来完成。

奖励 Material

由于您提供的是+200，因此我将分享您可能会使用的更多信息...保留它或将其扔进垃圾桶，以获取所带来的任何值(value)。

交易时间

通常，时间越短，交易越困难，持续赚钱就越困难。如果您不确定从哪里开始时间表，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通过，请将您的系统优化为更小的时间表。要考虑的另一件事是您想多久触摸一次此代码并调整算法。一般规则是，随着交易周期缩短，您将对算法进行更多的校准和维护。找到一个算法交易员写了一个很好的 Swing-Trading平台并在过去十年中一直保持正常运转，这并不是什么不寻常的事情。另一方面， Day Trading Algorithms倾向于根据市场状况的变化而需要更多的照料和喂养。

交易方式

与时间表密切相关的是您的交易策略。你是:

Trend-Following

Swing-Trading

Day Trading

Scalping

Sub-pennying

Using Statistical Arbitrage

Playing Options

贸易管理/心态

贸易管理是一个相当大的话题，如果您潜伏于 Elite Trader之类的交易员委员会，就会发现有一个深入的话题。虽然在同一线程中讨论有关自动交易平台的内容听起来有些不合适，但我相信您会同意，您的假设和态度具有潜伏于代码中的阴险方式。我将分享一些事情:

成功主要与防止交易损失有关。好的交易会照顾好自己。

始终以止损交易。传统观点是，“您的第一损失就是最小的损失”。如果事情开始往南走，请找出一种在保持大部分以前利润的同时持续走出去的方法。捕获失败者是成为煮青蛙的捷径。

没有“太高”或“太低”之类的东西。市场在畜群心态上变化，并不关心您认为应该做些什么。

与点“3”密切相关:以长期趋势进行交易。对抗这种趋势(被称为“逆趋势”)听起来对自然的逆势投资者很有吸引力，但是要做好就必须做好。进行交易就足够了，而无需尝试反趋势。

在美联储宣布市场消息后的一小时内进行交易非常困难；我认为最好退出市场。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。几分钟之内就会出现残酷的逆转。

除非有可靠的技术并且至少对数年的数据进行了回测，否则请避免 margin 交易。

常规交易的前三分钟和最后一小时可以看到波动率的快速变化。

关于获利了结，“公牛吃饱了， pig 被宰杀了”

如果发现自己没有盈利，请考虑评估交易频率；将交易减少到最低限度是成功的关键，否则slippage，垃圾交易的佣金和费用会吞噬您的利润。

由于计算延迟/处理时间和部分订单填充，限价订单的管理非常困难，非常接近细节。算法交易者有更大的鱼可以油炸。

编码

记录您在代码中做出的每个数据点和决策；三个日志记录级别对我有用。交易是一项不精确的任务，微小的变化可能会炸毁您以前获利的算法。如果发生故障，您需要一种方法与正在工作的进行比较。

脚本语言中的原型(prototype)；如果运行缓慢，您以后总是可以卸载到编译器。我认为python对于定量金融来说是一个绝佳的选择...成熟的单元测试，C / C++集成，numpy，pyplot和pandas对我来说是赢家。

更多pandas插件...(pandas video)，另请参见:Compute a compounded return series in Python

我从普通ole csv开始，但是我正在迁移到HDF5获取刻度数据存档

交易模拟具有欺骗性:由于liquidity较低或对工具的需求较高，因此模拟交易没有填充问题。根据市场情况，我的真实交易可以看到从发送订单到获得订单为止的两到三秒钟的延迟。模拟交易也不会导致数据中断。确保在计划中包括突然的数据丢失(以及如何恢复)。低成本经纪人往往会遭受更多的麻烦和停电，但是如果您的时间较长，则可能会忽略。

法律

本文阐述的信息已从作者认为可靠的来源获得或得出。但是，对于信息的准确性或完整性，作者不做任何明示或暗示的陈述或保证，也不建议将所附信息作为任何投资决策的基础。此数据仅出于提供信息的目的而提供给您，并不构成购买任何证券或其他金融工具的要约或要约或任何建议或推荐，也不能解释为是。使用任何此类信息，即表示您明确同意，与信息的性能和质量相关的所有风险均由您独自承担。即使已被告知作者可能造成此类损害，作者也不对因使用或无法使用信息而造成的任何直接，间接，偶然，特殊或后果性损害负责。作者“按原样”和“有所有错误”提供此信息。

关于benchmarking - 算法交易模拟器/基准数据，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/5774218/

上一篇：ruby-on-rails - 如何构建任务 'assets:precompile'

下一篇：sql-server-2008 - 投标 - SSIS - 错误时重定向行发送太多行

相关文章：

python - 使用分组边界的 SciPy 优化

python - 如何消除数据框中的嵌套循环

c# - 第一次调用 BenchmarkDotNet

python - 如何在Python中制作可滚动的烛台图？

用于微基准测试的 Java 8 框架

ios - 如果 app delegate 想快速使用主 Storyboard文件，它必须实现 window 属性

xcode - iOS将已编译的捆绑软件添加到模拟器

java - 有没有办法在桌面应用程序中转换 Android 应用程序？

c# - 为什么循环 Array.AsSpan() 更快？

testing - 为集成测试和基准测试共享实用程序函数的惯用方法是什么？

Answer 1

这个问题很广泛。实际上，没有提到您对哪些乐器感兴趣。例如:

Stocks

Bonds

Commodities

Forex

Derivatives (like Futures or Options)

目前，我假设您对股票感兴趣...如果是，请看一下提供 Ninja Trader的 these features for free。您可以从 Yahoo Finance获得免费的日末股票数据，该数据对于长期交易时间表而言已足够；请记住，交易周期越短，数据解析就需要越严格。

如果您愿意在交易账户中存入数千美元，则任何数量的经纪人都将很乐意向您发送实时市场当日市场动态。但是您不需要在帐户中进行纸币交易(至少与我的经纪人交易)。我认为对程序员最灵活的代理是 Interactive Brokers。您可以通过 API从亚秒级数据中获取数据，只是要了解它们不会为您提供Tick级的粒度。他们汇总了Feed，具体细节各不相同，因此，如果您有严格的粒度要求，最好与他们联系。至于离线模拟，您可以使用Ninja Trader， Interactive Brokers和许多其他在线经纪人(请参阅 What online brokers offer APIs?)来完成。

奖励 Material

由于您提供的是+200，因此我将分享您可能会使用的更多信息...保留它或将其扔进垃圾桶，以获取所带来的任何值(value)。

交易时间

通常，时间越短，交易越困难，持续赚钱就越困难。如果您不确定从哪里开始时间表，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通过，请将您的系统优化为更小的时间表。要考虑的另一件事是您想多久触摸一次此代码并调整算法。一般规则是，随着交易周期缩短，您将对算法进行更多的校准和维护。找到一个算法交易员写了一个很好的 Swing-Trading平台并在过去十年中一直保持正常运转，这并不是什么不寻常的事情。另一方面， Day Trading Algorithms倾向于根据市场状况的变化而需要更多的照料和喂养。

交易方式

与时间表密切相关的是您的交易策略。你是:

Trend-Following

Swing-Trading

Day Trading

Scalping

Sub-pennying

Using Statistical Arbitrage

Playing Options

贸易管理/心态

贸易管理是一个相当大的话题，如果您潜伏于 Elite Trader之类的交易员委员会，就会发现有一个深入的话题。虽然在同一线程中讨论有关自动交易平台的内容听起来有些不合适，但我相信您会同意，您的假设和态度具有潜伏于代码中的阴险方式。我将分享一些事情:

成功主要与防止交易损失有关。好的交易会照顾好自己。

始终以止损交易。传统观点是，“您的第一损失就是最小的损失”。如果事情开始往南走，请找出一种在保持大部分以前利润的同时持续走出去的方法。捕获失败者是成为煮青蛙的捷径。

没有“太高”或“太低”之类的东西。市场在畜群心态上变化，并不关心您认为应该做些什么。

与点“3”密切相关:以长期趋势进行交易。对抗这种趋势(被称为“逆趋势”)听起来对自然的逆势投资者很有吸引力，但是要做好就必须做好。进行交易就足够了，而无需尝试反趋势。

在美联储宣布市场消息后的一小时内进行交易非常困难；我认为最好退出市场。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。几分钟之内就会出现残酷的逆转。

除非有可靠的技术并且至少对数年的数据进行了回测，否则请避免 margin 交易。

常规交易的前三分钟和最后一小时可以看到波动率的快速变化。

关于获利了结，“公牛吃饱了， pig 被宰杀了”

如果发现自己没有盈利，请考虑评估交易频率；将交易减少到最低限度是成功的关键，否则slippage，垃圾交易的佣金和费用会吞噬您的利润。

由于计算延迟/处理时间和部分订单填充，限价订单的管理非常困难，非常接近细节。算法交易者有更大的鱼可以油炸。

编码

记录您在代码中做出的每个数据点和决策；三个日志记录级别对我有用。交易是一项不精确的任务，微小的变化可能会炸毁您以前获利的算法。如果发生故障，您需要一种方法与正在工作的进行比较。

脚本语言中的原型(prototype)；如果运行缓慢，您以后总是可以卸载到编译器。我认为python对于定量金融来说是一个绝佳的选择...成熟的单元测试，C / C++集成，numpy，pyplot和pandas对我来说是赢家。

更多pandas插件...(pandas video)，另请参见:Compute a compounded return series in Python

我从普通ole csv开始，但是我正在迁移到HDF5获取刻度数据存档

交易模拟具有欺骗性:由于liquidity较低或对工具的需求较高，因此模拟交易没有填充问题。根据市场情况，我的真实交易可以看到从发送订单到获得订单为止的两到三秒钟的延迟。模拟交易也不会导致数据中断。确保在计划中包括突然的数据丢失(以及如何恢复)。低成本经纪人往往会遭受更多的麻烦和停电，但是如果您的时间较长，则可能会忽略。

法律

本文阐述的信息已从作者认为可靠的来源获得或得出。但是，对于信息的准确性或完整性，作者不做任何明示或暗示的陈述或保证，也不建议将所附信息作为任何投资决策的基础。此数据仅出于提供信息的目的而提供给您，并不构成购买任何证券或其他金融工具的要约或要约或任何建议或推荐，也不能解释为是。使用任何此类信息，即表示您明确同意，与信息的性能和质量相关的所有风险均由您独自承担。即使已被告知作者可能造成此类损害，作者也不对因使用或无法使用信息而造成的任何直接，间接，偶然，特殊或后果性损害负责。作者“按原样”和“有所有错误”提供此信息。