হাই-ফ্রিকোয়েন্সি লেনদেন কিভাবে অর্থ উপার্জন করে?

ছবির সামনে লেখা আছে: ৩০ জুলাই, ২০১৬ তারিখে, ট্রেডিং পোর্টের প্রধান চরিত্র, উচ্চ-ফ্রিকোয়েন্সি ব্যবসায়ী লিও হংকংয়ের ট্রাফিক বিশ্ববিদ্যালয়ের হংকং এলুমিনিস্টস জেনারেলের আমন্ত্রণে একটি শেয়ারিং সেশন করেছিলেন যার শিরোনাম ছিল কোয়ান্টামাইজেশন ফিনান্স এবং উচ্চ-ফ্রিকোয়েন্সি ট্রেডিং কুল। লিওর সম্মতি নিয়ে, ট্রেডিং পোর্ট একচেটিয়াভাবে এই শেয়ারিং সেশনের বিষয়বস্তু প্রকাশ করেছে। এই বক্তৃতাটি লিও দ্বারা সংশোধন করা হয়েছে, ধন্যবাদ লিও।

• আমি আইটি নিয়ে কথা বলব, কারণ আমি সব সময় আইটি নিয়েই কাজ করেছি। আমি গণিত ও পরিসংখ্যান সম্পর্কে কোন আনুষ্ঠানিক জ্ঞান নেই, তাই আমার কথাগুলো হয়তো কম আনুষ্ঠানিক মনে হবে, তবে কিছু তথ্য এবং আমার ট্রেডিং অভিজ্ঞতা আছে। আমি চার ধরনের ট্রেডিং কৌশল নিয়ে কথা বলব, তারপর গণিত এবং আইটি নিয়ে কিছু কথা বলব। Quantitative Trading নামের অর্থ হলো Quantitative এবং Trading দুই ভাগে বিভক্ত। Quantitative এবং traditional manual trading এর তুলনায় অনেক কিছু মডেলের মাধ্যমে পরিমাণে পরিমাপ করা হয়, intuition এর মাধ্যমে নয়। ট্রেডিং হচ্ছে ঝুঁকি নিয়ন্ত্রণের সাথে ঘনিষ্ঠভাবে যুক্ত, manual trading নয়, প্রোগ্রামিং দ্বারা সম্পন্ন করা হয়। Quantitative Trading অনেক শ্রেণীর মধ্যে বিভক্ত করা যায়, যেগুলো এক সপ্তাহ থেকে এক মাস পর্যন্ত চলতে পারে। ফান্ডামেন্টাল অংশে কিছু লং/ শর্ট ইক্যুইটি রয়েছে, কিছু আলফা স্ট্র্যাটেজি রয়েছে। আরেকটি প্রাইসিং কোয়ান্ট রয়েছে, যেমন অপশন প্রাইসিং করা, কিভাবে মূল্য নির্ধারণ করা যায়। আরেকটি প্রকার হল খাঁটি মার্কেট ডেটার কোয়ান্ট। অর্থাৎ, তিনি শুধুমাত্র মূল্য এবং ভলিউম দেখেন, মূল্য এবং ভলিউমের উপর করা প্রযুক্তিগত বিশ্লেষণ, খাঁটি মার্কেট ডেটা।

চিত্র ১

• হাই-ফ্রিকোয়েন্সি ট্রেডিং মূলত খাঁটি মার্কেট ডেটা ব্যবহার করে, কারণ এটি নিজেই ডেটার জন্য কিছুটা বেশি প্রয়োজন। মার্কেট ডেটা সর্বদা পরিবর্তিত হয়, তবে ফান্ডামেন্টাল, নিউজ, সাধারণত সর্বদা পরিবর্তিত হয় না। হাই-ফ্রিকোয়েন্সি ট্রেডিং কি? প্রথমত, এটি স্বয়ংক্রিয়করণ। হাই-ফ্রিকোয়েন্সি ট্রেডিং ম্যানুয়ালি করা সম্ভব নয়, এটি এক সময়ের স্তরে নয়, অনেকগুলি গণনা ক্ষমতা প্রয়োজন, শক্তিশালী কম্পিউটার প্রয়োজন, তারপরে প্রচুর পরিমাণে অর্ডার, মানুষের হাতের মতো নয়, সম্ভবত প্রতি সেকেন্ডে, প্রতি মিলিসেকেন্ডে, লেনদেন করা হচ্ছে। অবশ্যই এই প্যাকেজটিতে প্রচুর প্রত্যাহার এবং প্রচুর রিটার্ন রয়েছে। কিছু কৌশল অনেক প্রত্যাহার করে, সম্ভবত এক মিলিয়নেরও বেশি প্যাকেজ, কেবলমাত্র দশ হাজারেরও বেশি লেনদেন হয়। এটিও খুব উচ্চ গতির। সংজ্ঞাটি হ’ল জটিল অ্যালগরিদমের প্রয়োজন। আমি একটি প্রশ্ন চিহ্ন রেখেছি, কারণ কিছু অ্যালগরিদম আসলে তুলনামূলকভাবে সহজ, জটিল নয়, সম্ভবত প্রাথমিক গণিতের স্তর। আমরা সাধারণত সময় গণনা করি, ছোট এককগুলি সম্ভবত সেকেন্ডে বা এমনকি মিনিটেও চিহ্নিত হতে পারে। সেকেন্ডের নীচে, মিলিসেকেন্ড রয়েছেঃ এক হাজারতম সেকেন্ড। চোখের পলকে এটি প্রায় 300 মিলিসেকেন্ডের মতো দেখতে পারে। সাংহাই থেকে শেনচেনের ডেটা ট্রান্সমিশন, একটি পিং প্রায় 30 মিলিসেকেন্ড। তারপরে মাইক্রোসেকেন্ড, এক হাজারতম মিলিসেকেন্ড, এক মিলিয়নতম এক সেকেন্ড। উচ্চ-ফ্রিকোয়েন্সি লেনদেনের ক্ষেত্রে, একটি লেনদেনের সিদ্ধান্ত নেওয়া প্রায় 10-20 মাইক্রোসেকেন্ড, অবশ্যই কিছু হার্ডওয়্যার পদ্ধতির মাধ্যমে এটি প্রায় 2 মাইক্রোসেকেন্ড হতে পারে। মাইক্রোসেকেন্ডের নীচে একটি ন্যানাসেকেন্ড রয়েছে, এক হাজারতম মাইক্রোসেকেন্ড। এটি খুব দ্রুত।

চিত্র ২

• তুলনা করুনঃ চোখ বন্ধ করুন, ৩৫০ মিলিসেকেন্ড; হাই-ফ্রিকোয়েন্সি ট্রেডিং করুন, ১০০০ টি ট্রেডিং সিদ্ধান্ত নিন, মাত্র ১৫ মিলিসেকেন্ডে। আমরা প্রায়শই বলি যে চোখের পলকে, চোখের পলকে হাই ফ্রিকোয়েন্সি ট্রেডিং 10,000 এরও বেশি লেনদেনের সিদ্ধান্ত নিতে পারে। তাই হাই ফ্রিকোয়েন্সি ট্রেডিংয়ের সময়রেখা আলাদা, এবং হাই ফ্রিকোয়েন্সি ট্রেডিংয়ের জন্য এক সেকেন্ড খুব দীর্ঘ।

• #### নিম্নলিখিত কয়েকটি প্রধান কৌশল যা উচ্চ-প্রাচীরের ট্রেডিংয়ের জন্য ব্যবহৃত হয়।

চিত্র ৩

• মার্কেটিং কৌশল

মার্কেটিং এর মূল উদ্দেশ্য হচ্ছে মার্কেটে তরলতা তৈরি করা, বিড/এস্কের তালিকা করা, বিড/এস্ককে সংকীর্ণ করা, মধ্যবর্তী ব্যবধান থেকে উপার্জন করা। এটা খুব সহজ শোনাচ্ছে, কিন্তু অনেক মডেল আছে, যেমন ঝুঁকি নিয়ন্ত্রণ, আইটি-র উপর অস্ত্র প্রতিযোগিতা। “এটা আমার কাছে মনে হয় যে, এই ভবনগুলো অনেক ভালোভাবে তৈরি করা হয়েছে। এখানে অনেক কথা বলা যায়, যেমন কিভাবে আপনার হোল্ডিং নিয়ন্ত্রণ করবেন, আপনার ঝুঁকি। অনেক Prediction করতে হবে। কিভাবে Ppredict Volatility এবং Price করবেন। এখানে IT বিষয়গুলো খুবই গুরুত্বপূর্ণ, কারণ প্রতিযোগিতা খুবই তীব্র। কিভাবে দ্রুততর অফার দেওয়া যায়, কিভাবে দ্রুততর টাকা তোলা যায়, সবই খুব গুরুত্বপূর্ণ। আইটি এর খরচ অনেক বেশি, কারন সবাই প্রতিযোগিতায় আছে, সবাই চায় দ্রুততর হতে, Co-Location থেকে FPGA, এখন মাইক্রোওয়েভও আছে। প্রতিযোগিতা অনেক বেশি। এবং এই কারণেই বাকি কয়েকটা কোম্পানি ভালো করছে। সাধারণ বিনিয়োগকারীদের জন্য, মার্কেটিং এর উপস্থিতি, যার ফলে তাদের ক্রয়-বিক্রয় কম হয়, সুবিধাজনক। চিত্র ৪ গত বছরের ১২ আগস্ট আমার এক কৌশল ছিল ৫০ শেয়ার ইন্ডেক্স ফরওয়ার্ডের উপর নথিভুক্ত করা। সেদিন পুরো মার্কেটের লেনদেনের পরিমাণ ছিল ২২৫,০০০, আমার কৌশল ছিল ৪.১% (৯১৮০), পি অ্যান্ড এলও ভাল ছিল, ড্রাউডও ছিল ছোট। মূলধনের চাহিদাও ছিল খুব কম, পুরো দিনটিতে মাত্র ৫০০,০০০ টাকা প্রয়োজন ছিল, ২১০,০০০ এরও বেশি, ৪৩.৫% লাভ। গত বছরের জুলাই মাসে, শেয়ার বিপর্যয়ের কারণে, সেন্ট্রাল ব্যাংক কিছু বিনিয়োগকারীদের শেয়ার ইন্ডেক্স ফিউচারগুলিতে সীমাবদ্ধতা আরোপ করতে শুরু করেছিল। জুলাই মাসে, বিড/আস্ক স্প্রেডের প্রসারিত হওয়ার লক্ষণ দেখা যায়। 7 সেপ্টেম্বর পর্যন্ত, সেন্ট্রাল ব্যাংক স্পেকট্রাক্টরদের সীমাবদ্ধতা আরোপ করতে শুরু করে, আমানতের গ্যারান্টি 40 শতাংশ বৃদ্ধি পায়, পজিশন প্রসেসিং ফি 23 শতাংশ বৃদ্ধি পায়, একক পণ্যের এক দিনের আমানতের লেনদেনের পরিমাণ 10 জনের বেশি হয় না। বাজারের লেনদেনের পরিমাণ আগের তুলনায় কম 1% কমেছে। কারণ বাজারের কৌশলটি ভালভাবে করা হয়নি, 10 জনের বাজারের কৌশলটি মোটেই খেলতে পারেনি, কিছু বন্ধ হয়ে গেছে। আপনি বিড/আস্ক স্প্রেডের বিপরীত পরিবর্তন দেখতে পাচ্ছেন। চিত্র ৫ চিত্র ৬ তাই, মার্কেটিং কৌশলগুলি বাজারের তরলতা বৃদ্ধি করতে পারে, যা বিড/আস্ক স্প্রেডকে সংকীর্ণ করে দেয়, যার ফলে প্রচুর পরিমাণে ক্রয়-বিক্রয় হয় এবং অনেকগুলি স্লাইড পয়েন্ট থাকে না। বাজারজাতকরণ কৌশলটি অনুমান করা দরকার যে কোনটি আরও যুক্তিসঙ্গত দাম। শেয়ার ইন্ডেক্সের ফিউচার বাজারজাতকরণ, কেউ শেয়ারের যুক্তিসঙ্গত দামের পূর্বাভাস দেওয়ার জন্য একটি ঝুড়ি স্টক ব্যবহার করবে।

• পরিসংখ্যানগত আরবিট এখানে প্রত্যেকটিই একটি বড় টপিক। আমি শুধু এই বিষয়গুলো নিয়েই কথা বলছি। পরিসংখ্যানগত অ্যারেটরিং এর সাথে জড়িত রয়েছে সম্ভাব্যতা, ডেটা মাইনিং, মডেলিং, লেনদেনের কার্যকরকরণ, কিভাবে ডেটা ক্লিনিং করা যায়। ডেটা মাইনিং খুবই গুরুত্বপূর্ণ, এবং এই সমস্যাটি অনেক সময় খুব কষ্টদায়ক হয়ে ওঠে। একটি বিখ্যাত উক্তি আছে: Garbage in, Garbage out। অনেক ক্যান্ট অনেক সময় ডেটা মাইনিংয়ের জন্য ব্যয় করে। কখনও কখনও খুব উত্তেজনাপূর্ণ ফলাফল পাওয়া যায়, এবং পরে দেখা যায় যে ডেটা ভুল ছিল। সবচেয়ে সহজ আরবিটেশন মডেল হল ঐতিহাসিক মূল্যের ওঠানামা, দুই পাশে কিছু এক্সিকিউশন স্পেস যোগ করা। যেমন, দুধের গুঁড়া, হংকং থেকে ১০০ ডলার দিয়ে কিনুন, এবং মূল ভূখণ্ডে ১২০ ডলার দিয়ে বিক্রি করুন। মাঝখানে আপনি ১০ ডলার খরচ করেন, এবং শেষ পর্যন্ত ১০ ডলার উপার্জন করেন। এই হল আপনার আরবিটেশন স্পেস। উদাহরণস্বরূপ, স্বর্ণের জন্য, দেশীয় বা বিদেশী বাজারে স্ট্যান্ডার্ড চুক্তি রয়েছে, তাত্ত্বিকভাবে মান একই, দুটি স্বর্ণপদক বের করে দেওয়া হয়। তবে দামের ওঠানামা হবে, আমরা এই দামের পার্থক্যটি গণনা করব, যদি এটি historicalতিহাসিক পরিসংখ্যানগত অঞ্চল থেকে বিচ্যুত হয়, উদাহরণস্বরূপ, ব্রেক্সিটের সময়, আমরা দেখতে পাব যে চীনের স্বর্ণ সস্তা, আমেরিকার স্বর্ণ ব্যয়বহুল। তাহলে আমরা লাভের জন্য কম দামের কিনতে এবং উচ্চ দামের বিক্রি করতে পারি। অবশ্যই, বাস্তবে অপারেশনে, তরলতা এবং অন্যান্য কারণগুলির প্রভাব পড়বে, যার জন্য কিছু অভিজ্ঞতা প্রয়োজন।

• পূর্বাভাস অতীতের বাজার ডেটা এবং বর্তমান বাজার পরিবেশের তুলনা করে ভবিষ্যতের দামের গতিপথের পূর্বাভাস দেওয়াঃ মূল্য = a + b + c। এই ভবিষ্যত ঘড়িটি পরবর্তী সেকেন্ড, পরবর্তী মিনিট, পরবর্তী লেনদেনের দিন, পরবর্তী সপ্তাহ, পরবর্তী মাস হতে পারে। আপনার মডেলটি যদি সঠিকভাবে পূর্বাভাস দেয় তবে এটি পরবর্তী সেকেন্ড, পরবর্তী মিনিট বা পরবর্তী সপ্তাহে এনবি ছাড়িয়ে যাবে। আপনার মডেলটি কার্যকর হলে, এটি এনবি। এটি সহজ কাজ নয়, ভিত্তি এবং অভিজ্ঞতা প্রয়োজন। আমি এটিও শিখছি, খুব বেশি অভিজ্ঞতা নেই। চিত্র ৭ এই মৌলিক প্রক্রিয়াটি হচ্ছে, প্রথমত, তথ্য সংগ্রহ করা এবং তারপর বুঝতে পারা যে কোন কোন বিষয় বাজারকে প্রভাবিত করছে। আপনি খুব দ্রুত শুরু করতে পারেন, একটি গড় লাইন নিয়ে শুরু করতে পারেন, ফলাফল খুব দ্রুত আসতে পারে, কিন্তু আপনার মডেলের স্থায়িত্ব কতক্ষণ স্থিতিশীল হতে পারে, এর জন্য অবিরাম টিউনিং, অবিরাম চক্র প্রয়োজন। আপনি প্রশিক্ষণ, মডেল মূল্যায়ন, এবং তারপর আপনার ফ্যাক্টর অপ্টিমাইজ করুন। অবশ্যই এখন অনেক ফ্যাক্টর আছে, কিছু লোকের পদ্ধতি হল, ৫০০ ফ্যাক্টর ঢোকানো। তার মডেল তাকে বলতে পারে কোন ফ্যাক্টর দরকারী আর কোন ফ্যাক্টর দরকারী নয়, এবং উচ্চ কররেলেশন ফ্যাক্টর নিজে থেকে মুছে ফেলতে পারে। কিন্তু এই জিনিসটা, আমি এখনো শিখছি, আমার খুব বেশি অভিজ্ঞতা নেই। আমি শুধু জানি এই পদ্ধতি আছে। একটি সুপার সিম্পল মডেল সহজ নয়, সবচেয়ে সহজ একটি পূর্বাভাস মডেল হল যে দাম গড়রেখায় ফিরে আসবে। গড়রেখা কি চক্রীয়, আপনি নিজেরাই পরিমাপ করুন। এই মাঝারি জটিলতা, বেশিরভাগই ডেটা থেকে আসে। মডেলের মতে, আর এর মধ্যে অনেকগুলি প্যাকেজ রয়েছে যা আপনাকে ভাল অটোমেশন করতে সহায়তা করতে পারে। অনেকগুলি সূচক স্বয়ংক্রিয়ভাবে কাজ করতে পারে, চার্টগুলিও খুব সহায়ক। Data এবং Factor দু’টিরই মেরামত করতে হবে। তারপর এই মডেলগুলোকে মেরামত করতে হবে।

  • Micro Structure এটা খুব বেশি, সাধারণ কোয়ান্ট হয়তো ব্যবহার করবে না। উদাহরণস্বরূপ, স্টক ট্রেডিংয়ে প্রায়ই সমর্থন, চাপের স্তর, সহজ মাইক্রো স্ট্রাকচার সম্পর্কে শুনেছি। আপনি দেখতে পারেন যে এটি সমর্থন স্তর, সেখানে অনেকগুলি বোর্ড রয়েছে, সেখানে অনেকগুলি বিড রয়েছে। গত বছর মার্কিন সিকিউরিটিজ বোর্ডের একটি সমীক্ষায় দেখা যায়, স্পুফার, বাজারে কিছু প্লেয়ার ব্লুফিং করছে। মূলত বাজারটি স্বাভাবিক ছিল, ক্রয় মূল্য ছিল ১০,২০। হঠাৎ একজন প্লেয়ার এসে বলল যে আমি ১০০০ কিনতে চাই। সবাই ভেবেছিল যে একটি বড় ক্রয় মূল্য আছে, তারা কিনতে গিয়েছিল। স্টকগুলির গতিবিধি মাইক্রোস্কোপিক দৃষ্টিকোণ থেকে সরবরাহ-চাহিদা সম্পর্কিত। ক্রেতার সংখ্যা বাড়তে থাকে। কেউ এক মিলিয়ন পয়েন্ট রেখেছিল, বাড়তে শুরু করে। তারপরে সে বিক্রি শুরু করে। এটিই স্পুফিং। মার্কিন সিকিউরিটি রেগুলেটরি কঠোরভাবে বাজার নিয়ন্ত্রণের কাজ হিসাবে সংজ্ঞায়িত, এটি অবৈধ। এই ছবিটি একটি ব্লগ পোস্টের মাধ্যমে পোস্ট করা হয়েছে। How to Catch a Spoofer http://www.bloomberg.com/graphics/2015-spoofing/ Iceberg Orders http://www.marketdelta.com/blog/2011/10/footprint-chart/iceberg-orders/ গণিত, আমার অভিজ্ঞতা থেকে, প্রাথমিক গণিত এবং পিএইচডি গণিত উভয়ই ব্যবহার করা হয়। প্রাথমিক গণিতকে তুচ্ছ করবেন না, এটি অনেকগুলি গর্তও রোপণ করে। এবং ভবিষ্যদ্বাণীমূলক মডেলিং, যা অনেক বড়, অনেক দীর্ঘ, অনেক কোম্পানি ব্যবহার করে। অনেক কিছু কোয়ান্ট করে। হাই ফ্রিকোয়েন্সির সংক্ষিপ্তসার হল, এর ধারণক্ষমতা খুবই কম। ধরুন আপনি তাকে ৫০০,০০০ দেন, সে ২০০,০০০ পায়। আপনি তাকে ৫০০,০০০ দেন, সে হয়তো ২০০,০০০ পায়।

• #### IT. আমরা সবাই জানি যে ফায়ারলুকের ওলুনের আঙ্গুলের ঘটনাটি ঘটেছিল। এছাড়াও, নাইট ক্যাপিটাল একবার আধা ঘন্টার মধ্যে 440 মিলিয়ন ডলার হারিয়েছে। প্রোগ্রামাররা সিস্টেমটি আপগ্রেড করেছে, সম্ভবত 8 টি উত্পাদনকারী মেশিন, একটি আপগ্রেড করা হয়নি, যার ফলে একটি ভুল নির্দেশ কার্যকর করা হয়েছে, এবং এটি অবিরতভাবে লেনদেন করছে। মূল বিষয়টি হ’ল এটি 30 মিনিটের জন্য লেনদেন করা হয়েছে। আমি জানি না এটি কীভাবে 30 মিনিটের জন্য খুঁজে পাওয়া যায়নি।

এই দুটি ক্ষেত্রে, আইটি গুরুত্বপূর্ণ, এবং আপনি অনেক টাকা হারাতে পারেন (মহান ওলুনের আঙুলের ছাপ অর্থ উপার্জন করে, কিন্তু অনেক টাকা জরিমানা করা হয়) । চিত্র ৮ আইটি সিস্টেম মূলত উপরের চারটি অংশে বিভক্ত। Price Data তুলনামূলকভাবে সহজ, Fundamental Data, Unstructured Data এর মত আরো অনেক কিছু তুলনামূলকভাবে জটিল, অনেক প্রোগ্রামার কোড প্রয়োজন, কিভাবে সংগ্রহ করতে হবে, ফরম্যাট করতে হবে, একীভূত করতে হবে, Access। একজন Quant হিসেবে, আমি একদিনের ডেটা নিয়ে একটা ছবি আঁকতে চাই। আমরা এখন মূলত এই অবস্থায় আছি, খুব সহজেই অনেক কিছু করতে পারি একগুচ্ছ ডেটা নিয়ে, অন্যদিকে Quant খুব কম কোড লিখবে। কারণ আমরা অনেকগুলো ডেটা স্ট্রাকচার এবং ডেটা ইন্টারফেস একীভূত করেছি। C++, C#, অথবা Scala থেকে, এই ডেটা সব একই ফরম্যাটে, তাই এটা খুবই সুবিধাজনক। অবশ্যই আপনি ভুল করতে পারবেন না, আপনার ত্রুটি সহনশীলতা এবং আপনার ত্রুটি যাচাই করার ক্ষমতাও খুব বেশি। আমরা এর আগেও এই জাতীয় পরিস্থিতিতে পড়েছি, খুব ভাল রিটার্নিং করেছি, প্রতিদিন অর্থ উপার্জন করেছি, তবে ডেটা ভুল হয়ে গেছে। খুব বোকা ভুল। এটি প্রায়শই ঘটে, আশা করি এটি পরেও ঘটবে। তবে পরে খুব এনবি রিটার্নিংয়ের ফলাফল দেখলে আমরা আরও সন্দেহবাদী হব। এই এক্সিকিউশনটি হল বিভিন্ন API, বিভিন্ন বাজার অ্যাক্সেস, বিভিন্ন বায়ু নিয়ন্ত্রণ। হাই-ফ্রিকোয়েন্সি ক্ষেত্রে, গতি অত্যন্ত গুরুত্বপূর্ণ। কারণ বেশিরভাগ ডেটা সর্বজনীন এবং অনেক লোক এটি দেখতে পারে। যখন অনেক লোক একটি সুযোগ দেখেন, কেবলমাত্র দ্রুততম ব্যক্তিই এটি পেতে পারেন। প্রতিটি বাজারে বিভিন্ন এপিআই রয়েছে এবং একটি ইউনিফাইড প্রোটোকল রয়েছে, যেমন ফিক্স প্রোটোকল, তবে এটি প্রতিটি এক্সচেঞ্জ দ্বারা সমর্থিত হতে পারে না, তবে ফিক্স প্রোটোকল নিজেই ধীর। হাই-ফ্রিকোয়েন্সি শব্দটি সাধারণত সি ++ এবং এফপিজিএর নীচের মডিউল হয়, আমরা সাধারণত সি ++ এবং এফপিজিএ। আমাদের কাছে এখন অল্প পরিমাণে কৌশল রয়েছে যা এফপিজিএ এর উপরে রাখা হয়েছে, ওএস দ্বারা নয়। ব্যাক টেস্টিং, কখনও কখনও কোয়ান্ট এমন কিছু নিয়ে আসে যা আপনার ব্যাক টেস্টিং সিস্টেম দ্বারা সমর্থিত নয় এবং আপনাকে ব্যাক টেস্টিং ফ্রেমওয়ার্ক পরিবর্তন করতে হবে। ভিজ্যুয়ালাইজেশন খুবই গুরুত্বপূর্ণ। আপনি বলতে পারবেন না যে, আমাকে একটি সংখ্যা বানান, আমি দেখতে পাচ্ছি না। ছবিগুলো দেখতে অনেক সহজ। আমরা স্কালাতে ছবি আঁকতে অনেক পরিশ্রম করেছি, আর আর-তে ছবি আঁকতে অনেক পরিশ্রম করেছি। কারণ ছবি আঁকতে এবং ডেটা ব্যাখ্যা করতে একই জিনিস নয়। পুনরাবৃত্তির গতিও গুরুত্বপূর্ণ। উদাহরণস্বরূপ, একটি কৌশল পুনরাবৃত্তি, এক বছরের ডেটা, আপনার এক সপ্তাহ লাগবে। আপনার ফলাফল দেখার জন্য কে এক সপ্তাহ অপেক্ষা করবে! এক মিনিটও কিছুটা গ্রহণযোগ্য হতে পারে। কৌশলগুলির মধ্যে প্যারামিটারগুলির একটি পুনরাবৃত্তিমূলক প্রক্রিয়া রয়েছে, উদাহরণস্বরূপ, প্যারামিটারগুলি, আমি দেখতে চাই যে 1 থেকে 100 পরীক্ষা করে দেখুন। আপনি প্রতিটি পরীক্ষার জন্য 5 মিনিট সময় নিচ্ছেন, অনুকূলিতকরণের সময় আমার কাছে 100,000 প্যারামিটার থাকতে পারে যা পরীক্ষার প্রয়োজন, এটি অপেক্ষা করতে পারে না। এখানেও আমরা অনেক অপ্টিমাইজেশন করেছি, যেমন কিভাবে তথ্য নেব, কিভাবে ক্যাশে করব, এবং এর মধ্যে এর পারফরম্যান্স বাড়াবো। আগে, আমি আমার আগের কোম্পানিতে কিছু ক্লাউড কম্পিউটিং পরীক্ষা করেছি, কিছু রিটার্ন ইঞ্জিনকে অনেক সার্ভারে বিতরণ করেছি। এইভাবে, একটি অনুরোধ পাস হয়েছে, অনেক মেশিন একই সময়ে চলছে। আপনি একে অপরকে প্রভাবিত না করে এটি করতে পারেন। প্রতিটি প্যারামিটার স্বাধীন। আপনি একসাথে গণনা করতে পারেন। অন্যটি হচ্ছে মনিটরিং। এখানে অনেক স্বয়ংক্রিয়তা রয়েছে। অনেক কৌশল রয়েছে। মনিটর ঝুঁকি কিভাবে, কিভাবে সতর্কতা, এটি একটি খুব গুরুত্বপূর্ণ অংশ। আমাদের বর্তমান কৌশল স্বয়ংক্রিয়ভাবে চালানো হয়, সমস্ত কৌশল পর্যবেক্ষণ, প্রতিটি কৌশল ঝুঁকি মাত্রা অতিক্রম করতে পারে না, অ্যালার্ম অতিক্রম করবে। বিশেষ করে আমরা নাইট কার্ড ট্রেডিং, প্রোগ্রামাররা প্রায়ই রাতারাতি ঘুমিয়ে থাকে, খুব বাস্তবসম্মত নয়। তাই যদি সমালোচনামূলক ত্রুটি থাকে তবে সরাসরি ফোনে কল করা হবে। এখন আমরা অনেক সহজ হবে। যখন আপনি অনেক ধরনের পণ্য বিক্রি করেন, তখন প্রায় সবাই সেখানে থাকে না, তাই অনেক নজরদারি করতে হয়।

• #### সুপারিশকৃত পাঠ্যঃ

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

লিঙ্ক