Sistema Automatizado De Alta Frequência Comercial

Noções básicas de negociação algorítmica: conceitos e exemplos Um algoritmo é um conjunto específico de instruções claramente definidas, destinadas a realizar uma tarefa ou processo. A negociação algorítmica (negociação automatizada, negociação em caixa preta ou simplesmente algo-trading) é o processo de usar computadores programados para seguir um conjunto definido de instruções para colocar um comércio para gerar lucros a uma velocidade e freqüência impossíveis para um Comerciante humano. Os conjuntos definidos de regras são baseados em tempo, preço, quantidade ou qualquer modelo matemático. Além das oportunidades de lucro para o comerciante, o algo-trading torna os mercados mais líquidos e torna a negociação mais sistemática descartando impactos emocionais humanos nas atividades comerciais. Suponha que um comerciante siga esses critérios de comércio simples: Compre 50 ações de uma ação quando sua média móvel de 50 dias exceda a média móvel de 200 dias. Vende ações da ação quando sua média móvel de 50 dias está abaixo da média móvel de 200 dias Usando este conjunto de duas instruções simples, é fácil escrever um programa de computador que monitorará automaticamente o preço das ações (e os indicadores de média móvel) e colocará as ordens de compra e venda quando as condições definidas forem atendidas. O comerciante não precisa mais manter um relógio para preços e gráficos ao vivo, ou colocar as ordens manualmente. O sistema de comércio algorítmico automaticamente faz isso para ele, identificando corretamente a oportunidade comercial. (Para obter mais informações sobre as médias móveis, consulte: Médias móveis simples, faça as Tendências se destacarem.) A Algo-trading oferece os seguintes benefícios: Negociações executadas com os melhores preços. Posicionamento de pedidos comerciais instantâneo e preciso (com altas chances de execução nos níveis desejados) Cronometrado corretamente e instantaneamente, para evitar mudanças de preços significativas Custos de transação reduzidos (veja o exemplo de falta de implementação abaixo) Verificações automatizadas simultâneas em múltiplas condições de mercado Redução do risco de erros manuais na colocação dos negócios Backtest o algoritmo, com base nos dados históricos e em tempo real disponíveis Reduzida Possibilidade de erros cometidos por comerciantes humanos com base em fatores emocionais e psicológicos. A maior parte do dia-a-dia é a negociação de alta freqüência (HFT), que tenta capitalizar a colocação de um grande número de pedidos em velocidades muito rápidas em múltiplos mercados e decisões múltiplas Parâmetros, com base em instruções pré-programadas. (Para mais informações sobre negociação de alta frequência, consulte: Estratégias e Segredos de Empresas de Negociação de Alta Frequência (HFT)) A Algo-trading é utilizada em muitas formas de atividades de negociação e investimento, incluindo: investidores de médio a longo prazo ou empresas de compra (fundos de pensão , Fundos de investimento, companhias de seguros) que compram em ações em grandes quantidades, mas não querem influenciar os preços das ações com investimentos discretos e em grande volume. Os comerciantes de curto prazo e os participantes do lado da venda (fabricantes de mercado, especuladores e arbitragistas) também se beneficiam da execução automatizada do comércio, auxiliando algo-trading na criação de liquidez suficiente para os vendedores no mercado. Os comerciantes sistemáticos (seguidores de tendências, comerciantes de pares, hedge funds, etc.) acham muito mais eficiente programar suas regras de negociação e permitir que o programa seja comercializado automaticamente. O comércio algorítmico proporciona uma abordagem mais sistemática ao comércio ativo do que os métodos baseados em intuição ou instinto de comerciantes humanos. Estratégias de negociação algorítmica Qualquer estratégia para negociação algorítmica exige uma oportunidade identificada que seja rentável em termos de melhoria de ganhos ou redução de custos. As seguintes são estratégias de negociação comuns usadas em algo-trading: as estratégias de negociação algorítmicas mais comuns seguem as tendências nas médias móveis. Fugas de canal. Movimentos de níveis de preços e indicadores técnicos relacionados. Estas são as estratégias mais fáceis e simples de implementar através de negociação algorítmica porque essas estratégias não envolvem fazer previsões ou previsões de preços. As negociações são iniciadas com base na ocorrência de tendências desejáveis. Que são fáceis e direitas de implementar através de algoritmos sem entrar na complexidade da análise preditiva. O exemplo acima mencionado de média móvel de 50 e 200 dias é uma tendência popular seguindo a estratégia. (Para mais informações sobre as estratégias de negociação de tendências, veja: Estratégias simples para capitalizar as tendências.) Comprar uma ação dupla cotada a um preço mais baixo em um mercado e simultaneamente vendê-lo a um preço mais alto em outro mercado oferece o diferencial de preço como lucro livre de risco Ou arbitragem. A mesma operação pode ser replicada para ações versus instrumentos de futuros, pois os diferenciais de preços existem de tempos em tempos. Implementar um algoritmo para identificar esses diferenciais de preços e colocar as ordens permite oportunidades lucrativas de forma eficiente. Os fundos do índice definiram períodos de reequilíbrio para que suas participações fossem compatíveis com seus respectivos índices de referência. Isso cria oportunidades rentáveis ​​para comerciantes algorítmicos, que capitalizam os negócios esperados que oferecem lucros de 20 a 80 pontos base, dependendo do número de ações no fundo do índice, apenas antes do reequilíbrio do fundo do índice. Essas negociações são iniciadas através de sistemas de negociação algorítmica para execução atempada e melhores preços. Muitos modelos matemáticos comprovados, como a estratégia de negociação neutra dota, que permitem a negociação em combinação de opções e sua segurança subjacente. Onde os negócios são colocados para compensar deltas positivos e negativos para que o portfólio delta seja mantido em zero. A estratégia de reversão média baseia-se na idéia de que os preços altos e baixos de um bem são um fenômeno temporário que retorna periodicamente ao seu valor médio. Identificar e definir uma faixa de preço e implementar algoritmos com base em isso permite que os negócios sejam colocados automaticamente quando o preço do recurso entra e sai do seu alcance definido. A estratégia de preços médios ponderados por volume quebra uma grande ordem e libera dinamicamente determinados pedaços menores da ordem para o mercado usando perfis de volume histórico específicos de estoque. O objetivo é executar a ordem próxima ao preço médio ponderado por volume (VWAP), beneficiando assim o preço médio. A estratégia de preço médio ponderado no tempo quebra uma grande ordem e libera dinamicamente determinados pedaços menores da ordem para o mercado usando intervalos de tempo uniformemente divididos entre uma hora de início e fim. O objetivo é executar a ordem perto do preço médio entre os horários de início e término, minimizando assim o impacto no mercado. Até que a ordem comercial seja totalmente preenchida, esse algoritmo continua enviando ordens parciais, de acordo com o índice de participação definido e de acordo com o volume negociado nos mercados. A estratégia de etapas relacionadas envia ordens a uma porcentagem definida pelo usuário de volumes do mercado e aumenta ou diminui essa taxa de participação quando o preço da ação atinge os níveis definidos pelo usuário. A estratégia de falta de implementação visa minimizar o custo de execução de uma ordem através da negociação do mercado em tempo real, economizando assim o custo da ordem e beneficiando do custo de oportunidade da execução atrasada. A estratégia aumentará a taxa de participação direcionada quando o preço das ações se mover de forma favorável e diminuí-lo quando o preço das ações se mover de forma adversa. Existem algumas classes especiais de algoritmos que tentam identificar acontecimentos do outro lado. Esses algoritmos de sniffing, usados, por exemplo, por um fabricante de mercado de venda têm a inteligência interna para identificar a existência de qualquer algoritmo no lado da compra de uma grande ordem. Essa detecção através de algoritmos ajudará o fabricante de mercado a identificar grandes oportunidades de ordem e permitir que ele se beneficie ao preencher as ordens a um preço mais elevado. Isso às vezes é identificado como front-running de alta tecnologia. (Para obter mais informações sobre negociação de alta freqüência e práticas fraudulentas, consulte: Se você comprar ações on-line, você está envolvido em HFTs.) Requisitos técnicos para negociação algorítmica Implementar o algoritmo usando um programa de computador é a última parte, batida com backtesting. O desafio é transformar a estratégia identificada em um processo informatizado integrado que tenha acesso a uma conta de negociação para fazer pedidos. São necessários os seguintes conhecimentos: conhecimento de programação de computador para programar a estratégia de negociação necessária, programadores contratados ou software de negociação pré-fabricado. Conectividade de rede e acesso a plataformas de negociação para colocar os pedidos. Acesso a feeds de dados de mercado que serão monitorados pelo algoritmo para oportunidades de colocação Ordens A capacidade e a infra-estrutura para testar o sistema uma vez construído, antes de entrar em operação em mercados reais Dados históricos disponíveis para backtesting, dependendo da complexidade das regras implementadas no algoritmo. Aqui está um exemplo abrangente: o Royal Dutch Shell (RDS) está listado em Amsterdã Stock Exchange (AEX) e London Stock Exchange (LSE). Vamos criar um algoritmo para identificar oportunidades de arbitragem. Aqui estão algumas observações interessantes: as negociações da AEX em euros, enquanto a LSE é negociada em libras esterlinas. Por causa da diferença horária de uma hora, a AEX abre uma hora antes da LSE, seguido de ambas as trocas comerciais simultaneamente durante as próximas horas e depois da negociação somente na LSE durante A última hora com o fechamento da AEX Podemos explorar a possibilidade de negociação de arbitragem nas ações do Royal Dutch Shell listadas nesses dois mercados em duas moedas diferentes. Um programa de computador que pode ler os preços atuais do mercado. Os preços dos feeds da LSE e AEX A forex para Taxa de câmbio GBP-EUR Capacidade de colocação de pedidos que pode rotear a ordem para a troca correta. Capacidade de teste de back-up em feeds de preços históricos. O programa de computador deve executar o seguinte: Leia o preço de entrada do estoque RDS de ambas as bolsas Usando as taxas de câmbio disponíveis . Converte o preço de uma moeda para outra. Se houver uma discrepância de preços suficientemente grande (descontando os custos de corretagem), levando a uma oportunidade rentável, então coloque o pedido de compra em troca de preços mais baixos e venda em câmbio com preços mais altos Se as ordens forem executadas como Desejado, o lucro da arbitragem seguirá Simples e Fácil No entanto, a prática de negociação algorítmica não é tão simples de manter e executar. Lembre-se, se você pode colocar um comércio gerado por algo, os outros participantes do mercado podem também. Conseqüentemente, os preços flutuam em milissegundos e até mesmo em microssegundos. No exemplo acima, o que acontece se o seu comércio de compras for executado, mas vender o comércio não, à medida que os preços de venda mudam quando o seu pedido atingir o mercado Você vai acabar sentado com uma posição aberta. Tornando sua estratégia de arbitragem inútil. Existem riscos e desafios adicionais: por exemplo, riscos de falha do sistema, erros de conectividade de rede, atrasos de tempo entre ordens comerciais e execução e, o mais importante, algoritmos imperfeitos. O algoritmo mais complexo, o backtesting mais rigoroso é necessário antes de ser posto em ação. A análise quantitativa de um algoritmo de desempenho desempenha um papel importante e deve ser examinada criticamente. É emocionante ir pela automação auxiliada por computadores com a noção de ganhar dinheiro sem esforço. Mas é preciso certificar-se de que o sistema está completamente testado e os limites exigidos são definidos. Os comerciantes analíticos devem considerar aprender programação e construir sistemas por conta própria, ter confiança em implementar as estratégias certas de forma infalível. O uso cauteloso e o teste minucioso do algo-trading podem criar oportunidades rentáveis. Da emulação de hardware à negociação de alta freqüência Riding the FPGA Wave Em uma entrevista com Lauro Rizzatti, ex-CEO da EVE, Luc Burgun, explica como ele atravessou a ponte entre a emulação de hardware E comércio de alta freqüência. Desde há muito presumiu que o software e hardware de Automação de Design Eletrônico (EDA) poderia ser aplicado a segmentos de mercado que não o design de semicondutores. O antigo CEO da Engenharia da Verificação da Emulação (EVE) Luc Burgun fez exatamente isso. Em uma entrevista com o especialista em verificação Lauro Rizzatti (ex-gerente geral da EVE-USA), Luc explica como ele atravessou a ponte entre a emulação de hardware e a negociação de alta freqüência (HFT), montando a onda Field-Programmable (FPGA) Field para NovaSparks . Lauro: quatro anos se passaram desde que você vendeu a EVE para a Synopsys. Você iniciou a EVE em 2000 com o objetivo de criar um negócio bem sucedido desenvolvendo um emulador de hardware para testes pré-silício de projetos de semicondutores. O desafio era usar FPGAs comerciais. Naquele momento, esse campo era dominado por dois gorilas - Cadence e Mentor Graphics - ambos usando silicone personalizado em suas plataformas de emulação. A decisão de usar FPGAs comerciais coloca a EVE na rota de colisão com os dois gigantes. De fato, nos primeiros anos, a EVE foi vista como uma partida condenada sem chance de sucesso. Você provou os céticos errado. Depois de vender a EVE para a Synopsys, você se juntou à NovaSparks como CEO. A NovaSparks é a única empresa que oferece 100 aparelhos baseados em hardware para operações de alta freqüência de ações, títulos, commodities, futuros e opções. Todas as outras abordagens são 100 soluções baseadas em software ou híbridas que combinam hardware com software. Luc Burgun, CEO da NovaSparks (Fonte: NovaSparks) Então, você pode nos dizer o que levou sua decisão a se juntar à NovaSparks Luc: Em 2012, fui convidado a participar do conselho de NovaSparks por Nicolas Meunier, um investidor com quem trabalhei na EVE . A NovaSparks estava desenvolvendo aparelhos para negociação de alta freqüência usando FPGAs para acelerar o processo de negociação, e eu vi uma oportunidade para reutilizar meus antecedentes técnicos (ou seja, o uso de FPGAs para acelerar a verificação do projeto de semicondutores) para abordar um mercado completamente novo. Obviamente, eu gosto de desafios, e superar o fosso entre o mundo EDA e o mundo financeiro foi bom demais para passar. Poucos meses depois, tive a oportunidade de me tornar CEO e, com entusiasmo, tirei a chance de dirigir a empresa para o próximo nível. Lauro: Por favor, explique como FPGAs podem ser usados ​​no negócio de negociação financeira. Luc: A automação no negócio de negociação financeira começou com o NASDAQ em 1971. Ao longo do tempo, o uso de computadores se espalhou por todo o ciclo comercial, deixando apenas as decisões comerciais básicas para os seres humanos. As decisões de negociação incluem o tipo de transações (sellbuycancel), o valor das ações de um determinado estoque de estoque, o mercado de negociação para realizar a transação, como NASDAQ, NYSE, etc. Desde o final da década de 1990, as decisões de negociação começaram a ser feitas Por software executado em fazendas de computadores (negociação algorítmica) em colocação, ou seja, no data center dos mercados financeiros. E, mais recentemente, por hardware, como um FPGA que implementa a negociação algorítmica. É neste momento que a NovaSparks desempenha um papel. Processamos e enviamos os dados de mercado para servidores de negociação ou negociação de FPGAs. Lauro: Quais são os benefícios de usar uma pura solução baseada em hardware para acessar os mercados Quais são as desvantagens das alternativas Luc: é principalmente uma questão de performance. Com uma solução de hardware baseada em 100 implementadas através de FPGAs comerciais, podemos oferecer latência significativamente menor para acessar e decodificar os dados de mercado provenientes dos mercados financeiros e gerar as atualizações do livro de pedidos. A latência é o tempo decorrido entre o momento em que um pacote de dados é distribuído pelo mercado financeiro e o tempo que ele recebe como atualização do livro de pedidos pelo servidor de negociação. Nossa latência é inferior a um micro-segundo que é cerca de cinco a 10 vezes mais rápido do que quando as mesmas funções são executadas no software. Os mais de 200 mercados financeiros em todo o mundo não usam um formato de dados padrão. Os sistemas baseados em FPGA aceleram o processo de negociação para o comércio de alta freqüência (Fonte: NovaSparks). Este é um grande problema quando você troca. Você quer ser o primeiro a analisar os dados do mercado e colocar suas ordens de compra e cancelamento. Mas FPGAs oferecem benefícios adicionais. Eles são melhores em termos de confiabilidade - uma vez configurado, como qualquer função implementada em hardware, eles são menos propensos a erros, pois proporcionam um ambiente mais estável. Basta ter em mente que o software aplicativo pode funcionar mal se você atualizar o sistema operacional subjacente e, de maneira mais geral, se você alterar qualquer coisa no ambiente de software do seu servidor. Lauro: Sendo assim, porque as empresas comerciais ou os bancos ainda usam soluções baseadas em software para acessar os mercados. Luc: a maioria dos mercados financeiros se automatizou na década de 1990. Naquele momento, apenas uma implementação de software para acessar e decodificar os dados do mercado financeiro e construir o livro de pedidos era prática. As FPGAs foram cerca de uma década antes, mas não ofereceram capacidade suficiente para implementar uma tarefa de negociação em uma única FPGA. No início do novo milênio, as novas gerações de FPGAs com capacidade suficiente começaram a aparecer. No entanto, a programação de tais FPGAs exigiu recursos consideráveis ​​no tempo e no talento de design. Hoje, existem mais de 200 mercados financeiros diferentes em todo o mundo e, infelizmente, os dados do mercado não são normalizados em todos os mercados. Poucos mercados usam o mesmo formato que a maioria deles usa seus próprios formatos. Para servir uma paisagem financeira tão grande e fragmentada, você acaba desenvolvendo um grande número de firmware FPGA ou código de programação diferente. O cenário é agravado pelas freqüentes mudanças no formato do mercado. O acima aumentou drasticamente a pressão sobre os fornecedores do processo de negociação para garantir que os clientes possam adotar novos formatos sem se arriscar. No final, é uma questão de time-to-market. O principal benefício de um processo de negociação baseado em software é a flexibilidade para incorporar mudanças. Essas mudanças podem envolver o apoio a um novo mercado ou a atualização para um novo formato de dados de mercado. Demora menos tempo para implementar uma alteração em um algoritmo de software do que reprogram um FPGA. Qualquer mudança de formato de dados de mercado no software pode ser realizada em alguns dias. Em um FPGA, a mudança envolve a reescrever o código de programação FPGA, compilar o FPGA e testar o código de programação no FPGA. Todo o processo pode levar algumas semanas. Apesar das vantagens discutidas anteriormente, o acima joga contra a adoção de FPGAs. Na NovaSparks, investimos tempo e recursos para implementar uma metodologia de desenvolvimento rápido. O resultado é que reduzimos nosso tempo de colocação no mercado para algo que seja comparável às soluções de software. Este processo também requer um estilo de competência diferente do de um designer de software. Nós empregamos designers de hardware com conhecimento em desenvolvimento de firmware de hardware re-programável. Poucos designers se encaixam no perfil, tornando mais difícil encontrar os engenheiros certos. Por um caminho, os poucos potenciais candidatos nunca acreditam que haja grandes oportunidades no setor financeiro Lauro: você está usando FPGAs comerciais, como você fez na EVE. Você pode elaborar um pouco sobre esta escolha Luc: se a questão for, por que escolhemos FPGA comerciais em vez de desenvolver uma solução de hardware personalizada, deixe-me dizer que projetar hardware dedicado para esta aplicação seria uma decisão econômica ruim. Os volumes são muito pequenos para justificar um investimento de várias centenas de milhões de dólares, que é o custo de desenvolvimento que Xilinx e Altera (agora Intel) sustentam ao criar novas gerações FPGA. E, mesmo assim, a solução não acompanharia as últimas tecnologias de nó de processo. Somente FPGAs comerciais podem alavancar o último nó do processo. Xilinx Ultrascale e Altera Stratix 10 usam o nó de processo mais recente de 14nm e oferecem a capacidade de desempenho necessária. Mais ao ponto, o custo de implementar as mudanças que eu discuti acima, uma vez que seu projeto é lançado em silício seria astronômico, ou seja, proibitivo. Para explicar a nossa decisão, é importante um pouco de história aqui. Na EVE, usamos o Xilinx FPGAs, uma vez que os principais drivers para um emulador de hardware foram capacidade e tempo para compilar. Quanto maior o FPGAs, maior a capacidade do emulador pode ser com a mesma quantidade de dispositivos. Além disso, o uso de uma capacidade maior do que o que precisamos estritamente nos permitiu reduzir a densidade ou a taxa de preenchimento do FPGA com uma melhoria dramática no tempo de compilação do projeto. Um cliente geralmente pode emular um design de IC em 100 FPGAs e runcompiledebug em um período de tempo relativamente curto - minutos ou horas, e não dias. No NovaSparks, o driver é o desempenho do IO, ou seja, a largura de latência das interfaces EthernetPCIeMemory. Dito isto, a Xilinx melhorou o desempenho de IO em sua geração Ultrascale, enquanto Altera parece concentrar-se mais na capacidade em sua próxima geração. É fundamental para nós garantir que não dependemos de um único provedor FPGA. Nosso código RTL e nossa arquitetura foram projetados para serem portáteis. Lauro: Você vê alguma diferença em termos de metodologia de desenvolvimento entre emulação e negociação de velocidade rápida Luc: Em primeiro lugar, a qualidade do nosso desenvolvimento é crítica, pois fazemos parte do ambiente de produção. Nossos clientes devem obter os dados de mercado corretos para que eles possam fazer seus pedidos nos mercados com segurança. Isso nos obriga a nos concentrar no teste do que entregamos. No final, enviamos um dispositivo de hardware com algum software de firmwares e o cliente interage com ele através de APIs para configurarmonitor o appliance e obter os dados do mercado. Em uma nota lateral, usamos a linguagem de descrição de hardware de circuitos integrados de alta velocidade (VHDL) para programação FPGA, juntamente com alguns geradores VHDL, porque isso é essencial para alcançar o nível de qualidade e produtividade que precisamos. Em segundo lugar, se analisarmos a metodologia de desenvolvimento, é diferente do que costumávamos fazer na EVE. Por um lado, é menos um esforço coletivo, uma vez que um manipulador de alimentação (a função realizada pelo aparelho para conectar as empresas comerciais aos mercados) para um mercado específico pode ser desenvolvido por um único engenheiro. Uma vez que devemos ter um lançamento simultâneo para os 40 mercados diferentes que servimos em qualquer momento, precisamos ter certeza de que tudo está perfeitamente alinhado. É aí que reside o desafio. Lauro: o que você espera no futuro próximo Luc: Deixe-me fazer uma observação. O mercado de negociação de alta freqüência tem uma dinâmica diferente do mercado EDA. As empresas comerciais, como bancos, hedge funds ou empresas comerciais comerciais, são mais conservadoras, alongando o ciclo de vendas bem além do setor de semicondutores. Além disso, desempenhamos um papel no ambiente de produção. A emulação é uma das várias ferramentas que os desenvolvedores eletrônicos usam para a verificação do projeto antes do silício. No mundo financeiro, você realmente precisa convencer seus clientes de que você é uma alternativa séria às soluções de software no longo prazo. A boa notícia é que existe concorrência entre os nossos clientes e a menor latência é primordial. Olhando para o futuro, esperamos um crescimento constante, de forma conservadora na faixa de 25 a 30. Nós temos algumas vantagens interessantes de expandir nossa cobertura de mercado para novas geografias (principalmente na Ásia) e de abordar novas classes de ativos, como opções de capital e títulos. As opções de equidade são realmente desafiadoras para soluções de software porque o número de instrumentos pode ser duas ordens de grandeza maior do que para os mercados de ações. Somente os FPGAs muito grandes, como o Xilinx Ultrascale ou Altera Stratix10, nos permitiram jogar no campo de opção de equidade. Mas o resultado pode ser enorme. Lauro: Para encerrar, há algo mais que você deseja compartilhar conosco Luc: É bom estar exposto a outras indústrias. Um ano atrás, entrei no painel de uma inicialização usando refrigeração magnética em sistemas de refrigeração que elimina compressores e gases poluentes. Refrigeradores e ar condicionado baseados em refrigeração magnética também consomem 50 menos energia do que com compressores. O resfriamento magnético é um sonho verde para qualquer ambientalista. A EDA é ótima, mas a vida é curta e não há motivo para dedicar toda a sua vida ao mesmo setor. Pareto pode ter razão em afirmar que você ganha mais dinheiro se você sempre trabalha no mesmo setor. Simplesmente porque você monetize melhor seus conhecimentos, mas valorizo ​​mais o que aprendi do que o que ganho. Dr. Lauro Rizzatti é um consultor de verificação e especialista da indústria em emulação de hardware (rizzatti). Anteriormente, o Dr. Rizzatti ocupava cargos em gerenciamento, marketing de produto, marketing técnico e engenharia. Ele pode ser alcançado na laurorizzatti. O Motor de Negociação Automático TIGER tem o prazer de apresentar o serviço de desenvolvimento de software baseado em tarefas mais inovador. Muitos anos de resolução de desafios de desenvolvimento de software nos deram uma idéia para levar o serviço de desenvolvimento de software baseado em tarefas. As características únicas de nossos produtos são implantação de entrega de tempo econômica Flexibilidade e personalização finais Capacidades de integração ampla Sistema de gerenciamento de execução O ATE é uma ferramenta inestimável para o comerciante e os fundos de compra, que quer assumir o controle de um pedido. ATE oferece a possibilidade de negociar estratégias complexas em várias classes de ativos com diversos corretores diferentes em mercados em todo o mundo, o mecanismo de negociação automatizado TIGER é uma solução perfeita que permite negociar um número ilimitado de estratégias. Os sistemas de negociação automáticos TIGERs são construídos para velocidade, o sistema processa enormes quantidades de dados gerados por algoritmos no mercado fragmentado de hoje. Reconhecendo a necessidade de uma geração inteiramente nova de tecnologia de negociação para atender a demanda por um sistema de negociação ultra-rápido e multi-corretor, a equipe de desenvolvimento de sistemas de negociação TIGER e os recursos financeiros para desenvolver o TIGER ATE. Uma plataforma de negociação de alta freqüência funcional-rica projetada desde o início para atender aos requisitos do mercado. Design e arquitetura centraram-se no fornecimento de desempenho, confiabilidade, flexibilidade e escalabilidade de alta velocidade exigidos pelos comerciantes de hoje. Características do produto O TIGER ATE é uma plataforma de desenvolvimento e negociação baseada no servidor para implementar estratégias de negociação automatizadas personalizadas. É usado por fabricantes de mercado, comerciantes de alta freqüência e comerciantes de volatilidade em empresas comerciais exclusivas, hedge funds e bancos de investimento. Ele é projetado para co-localização para alcançar a menor latência quando necessário. A flexibilidade da API de negociação Java rica permite aos clientes implementar estratégias complexas sem sacrificar a velocidade. Ao automatizar mais negócios, os clientes podem expandir seus negócios e implementar estratégias de negociação mais avançadas. Tipicamente composto por quatro componentes-chave, um blotter comercial, conectividade, destinos de execução múltipla e dados de mercado em tempo real.