Hft trading sistemas

O que é negociação de alta freqüência A negociação de alta freqüência é uma plataforma de negociação automatizada usada por grandes bancos de investimento. Hedge funds e investidores institucionais que utiliza computadores poderosos para realizar um grande número de encomendas a velocidades extremamente elevadas. Essas plataformas de negociação de alta freqüência permitem que os comerciantes executem milhões de pedidos e busquem múltiplos mercados e trocas em questão de segundos, dando assim às instituições que usam as plataformas uma enorme vantagem no mercado aberto. Os sistemas usam algoritmos complexos para analisar os mercados e são capazes de detectar tendências emergentes em uma fração de segundo. Ao ser capaz de reconhecer mudanças no mercado, os sistemas de negociação enviar centenas de cestas de ações para o mercado em spreads bid-ask que são vantajosas para os comerciantes. Ao antecipar e superar as tendências para o mercado, as instituições que implementam alta freqüência de negociação podem obter retornos favoráveis ​​sobre os negócios que fazem por essência de seu spread bid-ask, resultando em lucros significativos. O comércio de alta freqüência tornou-se lugar comum nos mercados após a introdução de incentivos oferecidos pelas bolsas para que as instituições agreguem liquidez aos mercados. Ao oferecer pequenos incentivos a esses criadores de mercado. As trocas ganham maior liquidez e as instituições que fornecem a liquidez também vêem lucros aumentados em cada comércio que fazem, além de seus spreads favoráveis. Embora os spreads e incentivos a uma fração de 1 cêntimo por transação, multiplicando que por um grande número de negócios por dia, os montantes de lucros consideráveis ​​para os comerciantes de alta freqüência. Muitos vêem negociação de alta freqüência como antiética e uma vantagem injusta para grandes empresas contra instituições menores e investidores. (Para tentar a sua mão na negociação on-line leia Estimule Suas Habilidades Com a Simulação de Negociação e confira o Investopedia Stock Simulator para negociar ações de risco livre Descubra quais fatores influenciam a largura de spread bid-ask Saiba por que algumas ações têm grandes spreads entre bid e ask Leia Resposta Compreende a importância do spread bid-ask para os investidores na tomada de uma decisão sobre se deve ou não ser informado sobre os preços de compra e venda. Comprar um determinado Read Read Saiba mais sobre os tipos de pedidos e por que entrar ordens limitadas para comprar uma segurança pode ajudar a mitigar o impacto da oferta bid-ask. Leia a resposta Compreenda o conceito do spread bid-ask como se aplica à negociação e como Ele impacta a fixação de preços de ordens de limite usado. Temos dar uma olhada na negociação de alta freqüência e ver se é uma das razões para as perdas do mercado de ações estratégias de negociação algorítmica, como auto Hedging, análise estatística, execução algorítmica, acesso direto ao mercado e negociação de alta freqüência, pode expor inconsistências de preços, que colocam. Negociação algorítmica é o processo de utilização de computadores para colocar comércios, a fim de gerar lucros a uma velocidade e freqüência que estão além de uma capacidade de pessoas. Um olhar em profundidade como a alta freqüência de negociação funciona e quem são os jogadores. Os sistemas automatizados de negociação minimizam as emoções, permitem a entrada mais rápida de pedidos, levam a uma maior consistência e resolvem problemas de erro-piloto. Day trading tem muitas vantagens e, embora muitas vezes ouvimos sobre essas regalias, é importante perceber que o dia de negociação é um trabalho árduo. Este é frequentemente o primeiro - e mais caro - nível de análise a ser ignorado. É muito importante para cada investidor aprender como calcular a propagação de oferta e fator e fator este número ao tomar decisões de investimento. A liquidez de mercado fornecida pela negociação de alta freqüência é uma realidade ou uma ilusão? Um tipo de estrutura de remuneração que os gerentes de fundos de hedge normalmente empregam em qual parte da remuneração é baseada no desempenho. Uma proteção contra a perda de renda que resultaria se o segurado faleceu. O beneficiário nomeado recebe o. Uma medida da relação entre uma mudança na quantidade demandada de um bem particular e uma mudança em seu preço. Preço. O valor de mercado total do dólar de todas as partes em circulação de uma companhia. A capitalização de mercado é calculada pela multiplicação. Frexit curto para quotFrancês exitquot é um spin-off francês do termo Brexit, que surgiu quando o Reino Unido votou. Uma ordem colocada com um corretor que combina as características de ordem de parada com as de uma ordem de limite. Uma ordem de stop-limite will. This post irá detalhar o que eu fiz para fazer aprox. 500k de negociação de alta freqüência de 2009 a 2018. Desde que eu estava negociando completamente independente e não estou mais executando o meu programa Irsquom feliz em dizer tudo. Minha negociação foi principalmente em contratos de futuros Russel 2000 e DAX. A chave para o meu sucesso, creio eu, não estava em uma equação financeira sofisticada, mas sim no design de algoritmos globais que uniram muitos componentes simples e usaram o aprendizado de máquinas para otimizar para obter a máxima rentabilidade. Você não precisa saber qualquer terminologia sofisticada aqui, porque quando eu configurar o meu programa era tudo baseado na intuição. (Andrew Ngrsquos curso de aprendizagem de máquina incrível ainda não estava disponível - btw se você clicar nesse link yoursquoll ser levado para o meu projeto atual: CourseTalk, um site de revisão para MOOCs) Primeiro, eu só quero demonstrar que o meu sucesso não foi simplesmente o resultado de sorte. Meu programa fazia 1000-4000 comércios por dia (metade de comprimento, meio curto) e nunca entrou em posições de mais de alguns contratos de cada vez. Isto significou a sorte aleatória de qualquer um comércio particular média fora bastante rápido. O resultado foi que eu nunca perdi mais do que 2000 em um dia e nunca tive um mês perdedor: (EDIT Estes números são depois de pagar comissões) E herersquos um gráfico para lhe dar uma noção da variação diária. Observe isso exclui os últimos 7 meses porque - como os números pararam de subir - eu perdi a minha motivação para entrar neles. Meu fundo de negociação Antes de configurar o meu programa de negociação automatizado Irsquod tinha 2 anos de experiência como um comerciante do dia ldquomanualrdquo. Isso foi em 2001 - foram os primeiros dias do comércio eletrônico e houve oportunidades para ldquoscalpersrdquo para fazer bom dinheiro. Eu só posso descrever o que eu estava fazendo como semelhante a jogar um jogo de vídeo de jogo com uma borda suposto. Ser bem sucedido significava ser rápido, ser disciplinado, e ter uma boa intuitiva reconhecimento de padrões de habilidades. Eu era capaz de fazer cerca de 250k, pagar meus empréstimos estudantis e ter dinheiro sobrando. Win Durante os próximos cinco anos eu iria lançar duas startups, pegando algumas habilidades de programação ao longo do caminho. Não seria até o final de 2008 que eu voltaria à negociação. Com o dinheiro correndo baixo da venda da minha primeira inicialização, o comércio ofereceu esperanças de algum dinheiro rápido, enquanto eu descobri o meu próximo movimento. Em 2008 eu estava ldquomanuallyrdquo dia negociação futuros usando software chamado T4. Irsquod estava querendo alguns hotkeys de entrada de pedidos personalizados, então depois de descobrir T4 tinha uma API, eu assumi o desafio de aprender C (a linguagem de programação necessária para usar a API) e fui em frente e construí algumas teclas de atalho. Depois de ficar com os pés molhados com o API eu logo tinha maiores aspirações: Eu queria ensinar o computador para o comércio para mim. A API forneceu um fluxo de dados de mercado e uma maneira fácil de enviar ordens para a troca - tudo que eu tinha a fazer era criar a lógica no meio. Abaixo está uma captura de tela de uma janela de negociação T4. O que foi legal é que quando eu tenho o meu programa de trabalho que eu era capaz de assistir o comércio de computadores sobre esta mesma interface. Assistindo ordens reais popping dentro e fora (por si com o meu dinheiro real) foi emocionante e assustador. O projeto do meu algoritmo Desde o início o meu objetivo era configurar um sistema tal que eu poderia ser razoavelmente confiante Irsquod ganhar dinheiro antes de fazer qualquer comércios ao vivo. Para conseguir isso eu precisava construir uma estrutura de simulação de negociação que - o mais exatamente possível - simular a negociação ao vivo. Enquanto a negociação no modo ao vivo requeria atualizações do mercado de processamento transmitidas através da API, o modo de simulação exigia a leitura de atualizações do mercado a partir de um arquivo de dados. Para coletar esses dados eu configurar a primeira versão do meu programa para simplesmente se conectar à API e registrar atualizações de mercado com timestamps. Acabei usando 4 semanas de dados de mercado recentes para treinar e testar meu sistema. Com um quadro básico no lugar, eu ainda tinha a tarefa de descobrir como fazer um sistema comercial rentável. Como se vê, meu algoritmo se dividiria em dois componentes distintos, que a Irsquoll exploraria por sua vez: Prever movimentos de preços e fazer negócios lucrativos Prever movimentos de preços Talvez um componente óbvio de qualquer sistema de negociação seja ser capaz de prever onde os preços se moverão. E a minha não foi exceção. Eu defini o preço atual como a média do lance interno e oferta interna e eu definir o objetivo de prever onde o preço seria nos próximos 10 segundos. Meu algoritmo precisaria vir acima com esta predição momento-a-momento durante todo o dia de negociação. Criando um amplificador de otimização de indicadores Eu criei um punhado de indicadores que provou ter uma capacidade significativa para prever os movimentos de preços de curto prazo. Cada indicador produziu um número que era positivo ou negativo. Um indicador foi útil se mais frequentemente do que um número positivo correspondeu com o mercado subindo e um número negativo correspondeu com o mercado vai para baixo. Meu sistema me permitiu determinar rapidamente quanto a capacidade de previsão de qualquer indicador tinha assim que eu era capaz de experimentar com um monte de diferentes indicadores para ver o que funcionou. Muitos dos indicadores tinham variáveis ​​nas fórmulas que os produziram e pude encontrar os valores ótimos para essas variáveis, fazendo comparações lado a lado dos resultados obtidos com valores variáveis. Os indicadores que foram mais úteis foram todos relativamente simples e foram baseados em eventos recentes no mercado que eu estava negociando, bem como os mercados de títulos correlacionados. Fazer previsões exatas de movimento de preços Tendo indicadores que simplesmente previam um movimento de preços para cima ou para baixo não era suficiente. Eu precisava saber exatamente quanto movimento de preço foi previsto por cada valor possível de cada indicador. Eu precisava de uma fórmula que converteria um valor indicador para uma previsão de preço. Para conseguir isso, eu segui os movimentos de preço previsto em 50 baldes que dependiam do intervalo em que o valor do indicador caíra. Isso produziu previsões únicas para cada balde que eu era capaz de representar no Excel. Como você pode ver a mudança esperada do preço aumenta enquanto o valor do indicador aumenta. Com base em um gráfico como este, eu era capaz de fazer uma fórmula para ajustar a curva. No começo eu fiz este ldquocurve fittingrdquo manualmente mas eu logo escrevi algum código para automatizar este processo. Note que nem todas as curvas indicadoras tinham a mesma forma. Observe também que os baldes foram logaritmicamente distribuídos de modo a espalhar os pontos de dados uniformemente. Por último, note que os valores dos indicadores negativos (e as respectivas previsões de preços descendentes correspondentes) foram invertidos e combinados com os valores positivos. (Meu algoritmo tratado acima e abaixo exatamente o mesmo.) Combinando indicadores para uma única previsão Uma coisa importante a considerar era que cada indicador não era inteiramente independente. Eu não poderia simplesmente somar todas as previsões que cada indicador fez individualmente. A chave era descobrir o valor preditivo adicional que cada indicador tinha além do que já estava previsto. Isso não era difícil de implementar, mas isso significava que, se eu fosse ldquocurve fittingrdquo múltiplos indicadores, ao mesmo tempo, eu tinha que ser cuidadoso alterando um efeito que as previsões de outro. A fim de ldquocurve fitrdquo todos os indicadores ao mesmo tempo eu configurar o otimizador para passo apenas 30 do caminho para as novas curvas de previsão com cada passagem. Com este salto de 30, descobri que as curvas de previsão se estabilizariam em poucas passagens. Com cada indicador agora dando itrsquos preço adicional previsão eu poderia simplesmente adicioná-los para produzir uma única previsão de onde o mercado seria em 10 segundos. Por que prever os preços não é suficiente Você pode pensar que com essa vantagem no mercado eu era dourado. Mas você precisa ter em mente que o mercado é composto de lances e ofertas - itrsquos não apenas um preço de mercado. O sucesso na negociação de alta freqüência vem para baixo para obter bons preços e itrsquos não é tão fácil. Os seguintes fatores tornam a criação de um sistema rentável difícil: com cada comércio eu tive que pagar comissões tanto para o meu corretor ea troca. A propagação (diferença entre a oferta mais alta ea oferta mais baixa) significava que se eu fosse simplesmente comprar e vender aleatoriamente Irsquod estar perdendo uma tonelada de dinheiro. A maioria do volume de mercado era outros bots que só executariam um comércio comigo se eles pensassem que tinham alguma vantagem estatística. Vendo uma oferta não garantia que eu poderia comprá-lo. Até o momento a minha ordem de compra chegou à troca era muito possível que essa oferta teria sido cancelada. Como um jogador de mercado pequeno não havia nenhuma maneira que eu poderia competir na velocidade sozinho. Construindo uma simulação de negociação completa Então eu tinha uma estrutura que me permitiu backtest e otimizar indicadores. Mas eu tinha que ir além disso - eu precisava de uma estrutura que me permitisse backtest e otimizar um sistema de comércio completo onde eu estava enviando ordens e ficando em posições. Neste caso, a Irsquod estará a optimizar para a PampL total e, em certa medida, para a PampL média por transacção. Isso seria mais complicado e de alguma forma impossível de modelar exatamente, mas eu fiz o melhor que pude. Aqui estão alguns dos problemas que eu tive que lidar com: Quando uma ordem foi enviada para o mercado em simulação eu tive que modelar o tempo de latência. O fato de meu sistema ter visto uma oferta não significava que poderia comprá-la imediatamente. O sistema enviaria a ordem, aguardar aproximadamente 20 milissegundos e então somente se a oferta ainda era lá foi considerado como um comércio executado. Isso era inexato porque o tempo de atraso real era inconsistente e não declarado. Quando eu coloquei lances ou ofertas que eu tive que olhar para o fluxo de execução de comércio (fornecido pela API) e usá-los para medir quando a minha ordem teria sido executado contra. Para fazer isso, eu tinha que rastrear a posição da minha encomenda na fila. (Itrsquos um sistema first-in first-out.) Novamente, eu couldnrsquot fazer isso perfeitamente, mas eu fiz uma melhor aproximação. Para refinar minha simulação de execução de ordem o que fiz foi pegar meus arquivos de log de negociação ao vivo pela API e compará-los com arquivos de log produzidos por negociação simulada do mesmo período de tempo. Eu era capaz de obter a minha simulação para o ponto que era bastante preciso e para as partes que eram impossíveis de modelar exatamente eu fiz certo para, pelo menos, produzir resultados que foram estatisticamente semelhantes (nas métricas que eu pensei que eram importantes). Fazendo negócios rentáveis ​​Com um modelo de simulação de ordem no lugar eu poderia agora enviar ordens no modo de simulação e ver um PampL simulado. Mas como o meu sistema saberia quando e onde comprar e vender? As previsões de movimento de preços foram um ponto de partida, mas não toda a história. O que eu fiz foi criar um sistema de pontuação para cada um dos 5 níveis de preços sobre a oferta e oferta. Estes incluíam um nível acima da oferta interna (para uma ordem de compra) e um nível abaixo da oferta interna (para uma ordem de venda). Se a pontuação em qualquer dado nível de preço estava acima de um determinado limite que significaria meu sistema deve ter um bidoffer ativo lá - abaixo do limiar, em seguida, quaisquer ordens ativas devem ser canceladas. Com base nisso, não era incomum que meu sistema pudesse mostrar um lance no mercado e imediatamente cancelá-lo. (Embora eu tentei minimizar isso como itrsquos irritante como heck para quem olha para a tela com olhos humanos - incluindo-me.) Os níveis de preços foram calculados com base nos seguintes fatores: A previsão de movimento de preços (que discutimos anteriormente). O nível de preços em questão. (Os níveis internos significavam que eram necessárias maiores previsões de movimento de preços.) O número de contratos na frente da minha ordem na fila. (Menos foi melhor.) O número de contratos por trás da minha ordem na fila. (Mais era melhor.) Essencialmente esses fatores serviram para identificar ldquosaferdquo lugares para bidoffer. A previsão de movimento de preço por si só não era adequada porque não contava o fato de que ao colocar uma oferta eu não estava automaticamente preenchido - só fiquei preenchido se alguém me vendesse lá. A realidade era que o mero fato de alguém vender a mim a um certo preço mudou as probabilidades estatísticas do comércio. As variáveis ​​utilizadas nesta etapa foram todas sujeitas a otimização. Isso foi feito da mesma maneira como eu otimizado variáveis ​​nos indicadores de movimento de preços, exceto neste caso eu estava otimizando para linha de fundo PampL. O que meu programa ignorou Ao negociar como seres humanos, muitas vezes temos emoções poderosas e preconceitos que podem levar a decisões menos do que ideal. Claramente eu não queria codificar esses preconceitos. Aqui estão alguns fatores que meu sistema ignorou: O preço que uma posição foi inserida - Em um escritório de comércio itrsquos bastante comum para ouvir conversa sobre o preço em que alguém é longo ou curto como se isso deve afetar sua tomada de decisão futura. Embora isso tenha alguma validade como parte de uma estratégia de redução de risco que realmente não tem qualquer influência sobre o curso futuro dos eventos no mercado. Portanto, meu programa ignorou completamente essas informações. Itrsquos o mesmo conceito como ignorando custos irrecuperáveis. Indo curto vs saindo de uma posição longa - tipicamente um comerciante teria diferentes critérios que determina onde vender uma posição longa versus onde ir curto. No entanto, da minha perspectiva de algoritmos, não havia razão para fazer uma distinção. Se o meu algoritmo esperava um movimento para baixo vender era uma boa idéia, independentemente de se ele era atualmente longo, curto ou plano. A ldquodoubling uprdquo estratégia - Esta é uma estratégia comum, onde os comerciantes vão comprar mais ações no caso em que há comércio original vai contra eles. Isso resulta em seu preço médio de compra sendo menor e significa quando (ou se) o estoque gira em torno de yoursquoll ser configurado para fazer o seu dinheiro de volta em nenhum momento. Na minha opinião, esta é realmente uma estratégia horrível a menos que você Warren Buffet. Yoursquore enganado em pensar que você está fazendo bem, porque a maioria de seus comércios serão vencedores. O problema é quando você perde você perde grande. O outro efeito é que torna difícil julgar se você realmente tem uma vantagem no mercado ou estão apenas ficando com sorte. Ser capaz de monitorar e confirmar que o meu programa de fato tinha uma vantagem era um objetivo importante. Desde que meu algoritmo tomou decisões da mesma maneira, independentemente de onde ele entrou em um comércio ou se ele estava atualmente longo ou curto que ocasionalmente sentar em (e tomar) algumas grandes operações perdedoras (além de algumas grandes tradições vencedoras). Mas, você shouldnrsquot pensar lá wasnrsquot qualquer gestão de risco. Para gerenciar o risco eu reforcei um tamanho de posição máximo de 2 contratos de cada vez, ocasionalmente batido em dias de alto volume. Eu também tinha um limite máximo de perda diária para proteger contra quaisquer condições de mercado inesperadas ou um bug no meu software. Estes limites foram aplicados no meu código, mas também no back-end através do meu corretor. Como aconteceu eu nunca encontrei problemas significativos. Executando o algoritmo Desde o momento em que eu comecei a trabalhar no meu programa que me levou cerca de 6 meses antes que eu comecei ao ponto de rentabilidade e começou a executá-lo ao vivo. Embora para ser justo uma quantidade significativa de tempo foi aprender uma nova linguagem de programação. Como eu trabalhei para melhorar o programa eu vi aumento de lucros para cada um dos próximos quatro meses. Cada semana que eu reciclar meu sistema com base no valor de 4 semanas anteriores de dados. Eu encontrei este golpeou o contrapeso direito entre capturar tendências comportamentais recentes do mercado e segurar meu algoritmo teve bastante dados para estabelecer testes padrões significativos. Como o treinamento começou a tomar mais e mais tempo que eu dividi-lo para que ele poderia ser realizado por 8 máquinas virtuais usando amazon EC2. Os resultados foram então coalesced na minha máquina local. O ponto alto da minha negociação foi outubro de 2009, quando eu fiz quase 100k. Depois disso, continuei a passar os próximos quatro meses tentando melhorar meu programa, apesar do lucro diminuído a cada mês. Infelizmente por este ponto eu acho que Irsquod implementou todas as minhas melhores idéias porque nada que eu tentei parecia ajudar muito. Com a frustração de não ser capaz de fazer melhorias e não ter um senso de crescimento eu comecei a pensar em uma nova direção. Eu enviei um email a 6 diferentes empresas de negociação de alta freqüência para ver se theyrsquod estar interessado em comprar o meu software e contratar-me para trabalhar para eles. Ninguém respondeu. Eu tinha algumas novas idéias de inicialização que eu queria trabalhar, então eu nunca segui. UPDATE - Eu publiquei isso no Hacker News e ele tem recebido muita atenção. Eu só quero dizer que eu não defendo alguém tentando fazer algo parecido agora. Você precisaria de uma equipe de pessoas realmente inteligentes com uma gama de experiências para ter qualquer esperança de competir. Mesmo quando eu estava fazendo isso, eu acredito que era muito raro para os indivíduos para alcançar o sucesso (embora eu tinha ouvido falar de outros.) Há um comentário no topo da página que menciona estatísticas manipuladas e refere-se a mim como um ldquoretail investorrdquo que quants Ldquogleefully escolher offrdquo. Este é um comentário bastante infeliz thatrsquos simplesmente não baseado na realidade. Colocando isso de lado therersquos alguns comentários interessantes: news. ycombinatoritemid4748624 UPDATE 2 - Irsquove postou um follow-up FAQ que responde algumas perguntas comuns Irsquove recebeu de comerciantes sobre este post. Trading Systems Se você acha algos ido selvagem em ações é ruim, basta esperar até Você vê o que acontece quando o mesmo feedback-loop gerando robôs começar frontrunning e agitando todos os algodão, açúcar e outros contratos de commodities. De acordo com este comerciante, isso já aconteceu. Em seguida: a liquidez mergulhando ea volatilidade crescente, apenas a tempo para que os preços de mercadoria encontrem esse oomph extra computorizado como eles explodem na expectativa da experiência de reflation de Bernankes ido selvagem para fundir todos os conceitos de valor justo a smithereens. Até recentemente, qualquer debate entre proponentes e opositores do comércio de alta freqüência seria tipicamente representado por debates acalorados de alta convicção de ambos os lados, com discussões rapidamente se deteriorando em ataques ad hominem eo produtor gritando corte comercial para evitar fistfights. Felizmente, tudo isso está prestes a mudar. Em um trabalho de pesquisa por Reginald Smith do Instituto Bouchet Franklin em Rochester intitulado é de alta freqüência de negociação induzindo mudanças na microestrutura do mercado e dinâmica o autor descobre que ele pode demonstrar claramente que HFT está tendo um impacto cada vez maior sobre a microestrutura da dinâmica de negociação de ações . Valor negociado e, por extensão, volume de negociação, as flutuações estão começando a mostrar auto-similaridade em prazos cada vez mais curtos. Valores que antes estavam apenas presentes nas ordens de várias horas ou dias são agora comuns na escala de tempo de segundos ou minutos. É importante que os algoritmos de negociação de HFT comerciantes, bem como aqueles que procuram entender, melhorar ou regulamentar HFT perceber que a estrutura global de negociação é influenciada de forma mensurável por HFT e que Gauss modelos de ruído de curto prazo volume de negociação Provavelmente são cada vez mais inaplicáveis. Em outras palavras, o autor encontra ampla evidência de que durante a última década (no NASDAQ) e especialmente desde a revisão de 2005 do Reg NMS (na NYSE), as negociações de ações demonstram cada vez mais padrões psicológicos similares, resultando em volatilidade, feedback recursivo Loops, e uma estrutura de mercado que está cada vez mais se tornando um produto do mecanismo de negociação real. No processo, como demonstrado por um Expresso de Hurst gravitando cada vez mais longe de 0,5 (isto é, o território de Ruído Castanho), a natureza do Processo de Markov da negociação de ações é posta em questão e, portanto, toda a premissa de um mercado eficiente deve ser reavaliada. Simplesmente disse: HFT foi mostrado para afetar a justiça da negociação. A SEC lançou seus resultados preliminares sobre os eventos de mercado de 06 de maio de 2018, que não encontrar nada, e apenas trazer a promessa de novas investigações. A solução proposta até à data para o problema é risível - mais restrições, que não fazem nada para resolver os problemas subjacentes à mão, que são que a versão moderna dos criadores de mercado, algos HFT, puxar a liquidez por um capricho e que pode desestabilizar O mercado em um instante uma vez que as estratégias de ignição momentum assumir. Como especulamos, a SEC não encontrará nada de material até o momento em que o próximo acidente de flash desaparece não 10, mas coloca o mercado em hibernação indefinida. Uma coisa que o relatório faz, é fornecer uma análise extensa de comerciantes de alta freqüência, um conceito que era mal conhecido como recentemente como um ano atrás. Uma coisa que não há nenhuma menção de em qualquer lugar no relatório, é o dispositivo de NYSE sabido como o provedor suplementar da liquidez, um programa criado para dar a dominação de Goldman sobre o DMM - sistema de desconto paralelo da liquidez no NYSE. Poder-se-ia pensar que a SEC estaria ciente deste programa que deveria expirar no início de 2009, ainda continua a ser estendido e fornece Goldman e Getco com, sem dúvida, sem precedentes informações prospectivas sobre o fluxo de pedidos. Plataformas de negociação informatizadas e vários algos estão entrando no maior frenesi sobre vários truques tecnológicos desde o acidente de outubro de 1987. E o público exige seu sangue. Ou, conforme o caso, hidreto de lítio. Infelizmente, a agência que é suposto proteger os investidores de abusos de HFT e várias outras tecnologias newfangled é lamentavelmente estúpido para ser capaz de lidar com esta grande questão. No entanto, os senadores Ted Kaufman (D-DE) e Mark Warner (D-VA), na sexta-feira, propuseram uma adição ao Senado Wall Street reforma lei que dirija a Securities and Exchange Commission ea Commodity Futures Trading Comissão para relatar ao Congresso sobre vários Questões-chave em torno do 6 de maio de 2018 fusão do mercado, que enviou o Dow Jones Industrial Average caindo dramaticamente em minutos. Algoritmos de negociação de alta freqüência têm sido o foco inicial de perguntas sobre o colapso. Esperamos Kaufman é bem sucedido. Por outro lado, o produto mais provável do produto de trabalho SEC será uma impressão de 1 milhão de páginas de todos os jpegs em underagetransvestitesforregulators. Mais conhecida nos círculos da SEC como saída de due diligence. Como de costume, esperamos que estejamos errados. Como de costume, suspeitamos que arent. A BOVESPA ea Merc firmaram um Memorando de Entendimento como Global Preferred Strategic Partners para desenvolverem conjuntamente uma nova plataforma de negociação eletrônica de vários ativos, com capacidade de processar transações em menos de um milissegundo por Chopshop - Fev 12, 2018 9:05 AM Para acções, derivados, títulos de rendimento fixo e outros activos negociados em bolsa ou transaccionados em OTC. Com base na tecnologia derivada do sistema de comércio CME Globex, esta nova plataforma abrigará todos os segmentos da BVMF sob a mesma infra-estrutura. 1 Cliffs Notas destaque do comunicado de imprensa em toto 2 Daily amp gráficos semanais CME Um punhado de empresas de comércio de alta freqüência representaram cerca de 70 por cento do volume global de negociação em mercados de ações dos EUA em 2009. Uma empresa com tal sistema informatizado negociado mais 2 bilhões de ações em um único dia em outubro de 2008, totalizando mais de 10 por cento do volume de negociação de ações dos EUA para o dia. Quais são as vantagens e desvantagens deste ambiente de negociação dependente da tecnologia e como são controlados seus riscos. O ambiente de negociação de alta freqüência tem o potencial de gerar erros e perdas em uma velocidade e magnitude muito maior do que em um ambiente de negociação baseado em piso ou tela. - Chicago Federal Reserve Parece que o comércio de prop poderia em breve estar em seu caminho para fora. Felizmente, ele só respondeu por pouco mais de 10 da receita Goldmans: por isso, provavelmente, não deve ser desperdiçada. Bloomberg escreve: O presidente Barack Obama anunciará amanhã novas propostas para limitar o tamanho e a complexidade dos sistemas de negociação proprietários, como forma de reduzir a assunção de riscos, disse um alto funcionário do governo. Enquanto isso ainda não é o fim formal do comércio de prop que pode ou não ser uma maneira legal de aproveitar a mistura entre o fluxo eo comércio de prop, assim scalping clientes de uma forma perfeitamente aceitável (definir a palavra aceitável), tem tudo Os ingredientes do começo do fim. E, muito mais importante, isso marca o tão esperado início do retorno do Glass-Steagalls. Durante o fim de semana, os principais profissionais da MetWest assumiram responsabilidades de gerenciamento de portfólio para todas as contas de clientes de renda fixa de alta qualidade da TCW. Esta transição foi ordenada e sem costura, um testemunho do profissionalismo e entusiasmo dos funcionários da MetWest e TCW. Em anexo encontrará uma lista completa de nossos produtos de renda fixa de alta qualidade e os respectivos gestores de carteira, hoje em dia. Esperamos que você observe uma abordagem mais colaborativa e baseada em equipe para o gerenciamento de portfólio. Acreditamos que essa cultura de cooperação facilitará uma integração rápida e efetiva de nossas equipes de renda fixa em uma única unidade. Nós antecipamos possíveis demissões como resultado deste anúncio. No entanto, a partir de hoje, mantemos 70 de nossa equipe de títulos garantidos por hipotecas. - TCW Os dados empíricos sugerem que o High Frequency Trading, e os algos VWAP em particular, introduzem uma seleção adversa variada e maiores déficits de liquidez em relação às estratégias de negociação não-HFT. O custo final do atual mercado de serviços mediados pela HFT pode ultrapassar de longe qualquer imposto de transação proposto, o que implica que os custos de negociação podem ser reduzidos na medida em que uma variante Tobin remove os recursos de externalidade associados aos algoritmos HFT adversos. Por Fibozachi - 18/11/2009 18:00