ہائی فریکوئینسی ٹریڈنگ سے پیسہ کیسے کمایا جاتا ہے؟

اس کے آگے لکھا ہے: 30 جولائی ، 2016 کو ، ٹریڈنگ پورٹ کے مرکزی کردار ، ہائی فریکوئینسی ٹریڈر لیو کو ہانگ کانگ میں ٹرانسپورٹ یونیورسٹی کے ہانگ کانگ کے سابق طلباء کے اجلاس کی دعوت پر ، ایک شیئرنگ کانفرنس کا انعقاد کیا گیا جس کا عنوان تھا “معیاری مالیاتی اور ہائی فریکوئینسی ٹریڈنگ کٹ”۔ لیو کی رضامندی سے ، اس شیئرنگ کانفرنس کا مواد ٹریڈنگ پورٹ کے ذریعہ خصوصی طور پر جاری کیا گیا تھا۔ اس لیکچر میں لیو کی نظر ثانی کی گئی ہے ، شکریہ لیو۔

• میں آئی ٹی کے بارے میں بات کروں گا کیونکہ میں ہمیشہ آئی ٹی میں رہا ہوں۔ میں نے ریاضی اور اعدادوشمار کی باقاعدہ تعلیم حاصل نہیں کی ہے ، لہذا یہ غیر رسمی نظر آسکتا ہے ، اور اس میں کچھ چھوٹی چھوٹی خبریں اور اپنے آپ کو تجارت کرنے کے بعد کا تجربہ ہے۔ میں چار قسم کی تجارتی حکمت عملیوں کے بارے میں بات کروں گا اور پھر میں ریاضی اور آئی ٹی کے بارے میں بات کروں گا۔ Quantitative Trading کو دو حصوں میں تقسیم کیا جاسکتا ہے ، ایک ہے Quantitative اور دوسرا ہے Trading Quantitative روایتی دستی تجارت کے مقابلے میں ، بہت ساری چیزیں ماڈل کے ذریعہ حساب کی جاتی ہیں ، بجائے اس کے کہ وہ انترجاتی ہوں۔ تجارت کا مطلب ہے کہ خطرے کے کنٹرول سے وابستہ ، دستی تجارت کے بجائے ، پروگرامنگ کے ذریعہ انجام دیا جاتا ہے۔ Quantitative Trading بہت سی اقسام میں تقسیم کیا جاتا ہے ، یہ ایک ہفتہ یا ایک مہینہ ہوسکتا ہے۔ بنیادی حصے میں کچھ لمبی / مختصر ایکویٹی ، کچھ الفا حکمت عملی ہے۔ پھر ایک قسم کی قیمتوں کا تعین کی مقدار ہے ، جیسے آپشن قیمتوں کا تعین کرنا ، قیمتوں کا تعین کیسے کریں۔ اور ایک قسم خالص مارکیٹ ڈیٹا کی مقدار ہے۔ یعنی ، وہ صرف قیمت اور حجم کو دیکھتا ہے ، قیمت اور حجم پر کیا تکنیکی تجزیہ ، خالص مارکیٹ ڈیٹا۔

تصویر 1

• ہائی فریکوئینسی ٹریڈنگ بنیادی طور پر خالص مارکیٹ ڈیٹا کا استعمال کرتی ہے ، کیونکہ اس میں خود ہی اعداد و شمار کی ضرورت ہوتی ہے۔ مارکیٹ ڈیٹا ہر وقت بدلتا رہتا ہے ، لیکن بنیادی ، خبریں ، عام طور پر ہر وقت نہیں بدلتی ہیں۔ ہائی فریکوئینسی ٹریڈنگ کیا ہے؟ سب سے پہلے تو یہ آٹومیشن ہے۔ ہائی فریکوئینسی ٹریڈنگ کو دستی طور پر نہیں کیا جاسکتا۔ یہ ایک وقت کی سطح پر نہیں کیا جاسکتا۔ اس کے لیے بہت زیادہ کمپیوٹنگ کی طاقت درکار ہوتی ہے۔ اس کے لیے طاقتور کمپیوٹرز کی ضرورت ہوتی ہے۔ اس کے بعد بڑی تعداد میں آرڈرز کی ضرورت ہوتی ہے۔ یقینا اس میں بہت ساری واپسیوں ، بہت ساری واپسیوں کی اطلاع بھی شامل ہے۔ کچھ حکمت عملیوں میں بہت ساری واپسیاں ہیں ، شاید ایک ملین سے زیادہ درخواستیں دی گئیں ، صرف دس ہزار سے زیادہ۔ اس کے علاوہ ، بہت تیز رفتار ہے۔ اس کی تعریف یہ بھی ہے کہ پیچیدہ الگورتھم کی ضرورت ہے۔ میں نے ایک سوالیہ نشان لگایا ہے ، کیونکہ کچھ الگورتھم دراصل نسبتا simple آسان ہیں ، پیچیدہ نہیں ہیں ، شاید ابتدائی ریاضی کی سطح پر ہوں۔ اس سے پہلے کہ میں اس کے بارے میں مزید بات کروں ، میں کچھ وقت کے تصورات کو متعارف کراتا ہوں۔ ہمارے معمول کے حساب سے ، چھوٹی اکائی سیکنڈ یا اس سے بھی منٹ میں ہوسکتی ہے۔ سیکنڈ کے نیچے ، ایک ملی سیکنڈ: ایک ہزارواں سیکنڈ ہے۔ ایک پلک جھپکنے پر ، یہ تقریبا 300 ملی سیکنڈ کی طرح نظر آئے گا۔ شنگھائی سے شنگھائی تک ڈیٹا کی منتقلی ، ایک پنگ تقریبا 30 ملی سیکنڈ ہے۔ اس کے بعد مائکرو سیکنڈ ، ایک ہزارواں ملی سیکنڈ ، ایک ملینواں سیکنڈ ہے۔ ہائی فریکوئینسی تجارت میں ، تجارت کا فیصلہ تقریبا 10-20 مائکرو سیکنڈ ہے ، یقینا کچھ ہارڈ ویئر کے ذریعہ یہ تقریبا 2 مائکرو سیکنڈ تک کیا جاسکتا ہے۔ مائکرو سیکنڈ کے نیچے ایک نینو سیکنڈ بھی ہے ، ایک ہزارواں مائکرو سیکنڈ۔ یہ بہت تیز ہے۔

تصویر 2

• موازنہ کریں: آپ کی آنکھیں بند کرنے میں صرف 350 ملی سیکنڈ لگتے ہیں؛ ہائی فریکوئینسی ٹریڈنگ میں صرف 15 ملی سیکنڈ میں 1000 تجارتی فیصلے کیے جاتے ہیں۔ ہم اکثر کہتے ہیں کہ ایک پلک جھپکنے کے ساتھ ہی ایک ہائی فریکوئینسی ٹریڈنگ ایک پلک جھپکنے کے ساتھ ہی دس ہزار سے زیادہ ٹریڈنگ کے فیصلے کر سکتی ہے۔ اس لیے ہائی فریکوئینسی ٹریڈنگ کی ٹائم لائن مختلف ہوتی ہے۔ ہائی فریکوئینسی ٹریڈنگ کے لیے ایک سیکنڈ بہت طویل ہوتا ہے۔

• #### ہائی فریکوئینسی ٹریڈنگ کی کچھ اہم حکمت عملیوں کے بارے میں ذیل میں بتایا گیا ہے۔

تصویر نمبر 3

• مارکیٹنگ کی حکمت عملی

مارکیٹنگ کی حکمت عملی کا بنیادی مقصد مارکیٹ میں لیکویڈیٹی فراہم کرنا ہے ، بولی لگانا / پوچھنا ، بولی لگانا / پوچھنا ، درمیانی فرق سے فائدہ اٹھانا ہے۔ یہ بہت آسان لگتا ہے ، لیکن اس میں بہت سارے ماڈل ہیں ، خطرہ کنٹرول ، آئی ٹی پر ہتھیاروں کی دوڑ۔ اس کا مطلب یہ ہے کہ یہاں کی کچھ عمارتیں اس سے بہتر ہیں۔ اس میں بہت سی باتیں ہیں، جیسے کہ آپ اپنی پوزیشن کو کیسے کنٹرول کرتے ہیں، آپ کے خطرے کو کیسے کنٹرول کرتے ہیں، آپ کو بہت زیادہ پیشن گوئی کرنا پڑتی ہے، آپ پیشن گوئی کیسے کرتے ہیں، اتار چڑھاؤ اور قیمت کا اندازہ کیسے لگاتے ہیں، یہاں آئی ٹی کے مسائل بہت اہم ہیں، کیونکہ مقابلہ بہت سخت ہے، آپ کو تیزی سے قیمتوں کا تعین کیسے کرنا ہے، آپ کو تیزی سے واپسی کیسے ملتی ہے، یہ سب بہت اہم مسائل ہیں. آئی ٹی کی لاگت بہت زیادہ ہے کیونکہ ہر کوئی مقابلہ کر رہا ہے اور ہر کوئی تیز رفتار ہونا چاہتا ہے، کو لوکیشن سے لے کر ایف پی جی اے تک، اور اب مائکروویو تک۔ مقابلہ بہت سخت ہے۔ اور یہ صرف اس وجہ سے ہے کہ اس کی حد بہت زیادہ ہے کہ باقی چند کمپنیاں اچھی طرح سے کام کر رہی ہیں۔ عام سرمایہ کاروں کے لئے ، مارکیٹوں کا وجود فائدہ مند ہے ، کیونکہ اس سے ان کی خرید و فروخت میں فرق کم ہوجاتا ہے۔ تصویر 4 یہ پچھلے سال 12 اگست کو میری ایک حکمت عملی کی کارکردگی تھی جب میں نے 50 اسٹاک انڈیکس فیوچر کی تصدیق کی۔ اس دن پوری مارکیٹ میں 225,000 افراد کی تجارت ہوئی ، میری حکمت عملی 4.1 فیصد تھی ، پی اینڈ ایل بھی چل رہا تھا ، اور ڈرا ڈاؤن بھی نسبتا small چھوٹا تھا۔ دارالحکومت کی ضرورت بھی بہت کم تھی ، پورے دن میں صرف 500،000 بنڈل کی ضرورت تھی ، 210,000 سے زیادہ کمائی ہوئی تھی ، منافع 43.5 فیصد تھا۔ پچھلے سال جولائی میں ، حصص کی تباہی کی وجہ سے ، چینجنگ نے کچھ سرمایہ کاروں کو اسٹاک انڈیکس فیوچر پر پابندی لگانا شروع کردی تھی۔ آپ دیکھ سکتے ہیں کہ جولائی کے ان دنوں میں ، بولی / پوچھ پھیلاؤ میں کھینچنے کے آثار تھے۔ 7 ستمبر تک ، چینجنگ نے قیاس آرائی کرنے والوں پر پابندی لگانا شروع کردی ، ذخیرہ کرنے کی ضمانت میں 40 فیصد اضافہ ہوا ، صفائی کی فیس میں 23 ہزار فیصد اضافہ ہوا ، ایک ہی دن میں اسٹور کھولنے والے تجارت کی تعداد 10 سے زیادہ نہیں تھی۔ مارکیٹ میں لین دین کی مقدار پہلے سے کم 1 فیصد تک کم ہوگئی تھی۔ مارکیٹ کی حکمت عملی اچھی طرح سے نہیں بنائی گئی تھی ، 10 ہاتھ سے مارکیٹ کی حکمت عملی بالکل کام نہیں کرتی تھی ، کچھ کو بند کردیا گیا تھا۔ آپ بولی / پوچھ پھیلاؤ میں بدلاؤ دیکھ سکتے ہیں۔ تصویر 5 تصویر 6 لہذا ، مارکیٹنگ کی حکمت عملی مارکیٹ میں لیکویڈیٹی کو بڑھا سکتی ہے ، جس سے بولی / پوچھنے کا پھیلاؤ کم ہوجاتا ہے ، اور زیادہ خرید و فروخت کے نتیجے میں زیادہ سلائڈ پوائنٹس نہیں ہوتے ہیں۔ مارکیٹنگ کی حکمت عملی میں یہ اندازہ لگایا جانا چاہئے کہ کون سی قیمت زیادہ معقول ہے۔ اسٹاک انڈیکس فیوچر مارکیٹنگ میں ، کوئی شخص اسٹاک کی ایک ٹوکری کا استعمال کرکے اسٹاک انڈیکس کی معقول قیمت کی پیش گوئی کرے گا۔

• اعداد و شمار اراریٹ یہاں ہر ایک موضوع بہت بڑا ہے۔ میں صرف اس کے بارے میں بات کر رہا ہوں۔ اعداد و شمار کے ارورٹائزنگ میں امکانات، ڈیٹا مائننگ، ماڈلنگ، ٹرانزیکشن پر عملدرآمد اور ڈیٹا کلیننگ شامل ہیں۔ ڈیٹا مائننگ بہت اہم ہے اور اس کا خراب انتظام کرنا کبھی کبھی بہت تکلیف دہ ہوتا ہے۔ ایک کلاسیکی جملہ ہے: گاربیج ان، گاربیج آؤٹ۔ بہت سے کوانٹ بہت زیادہ وقت ڈیٹا پروسیسنگ پر صرف کرتے ہیں۔ کبھی کبھی بہت دلچسپ نتائج ملتے ہیں ، اور پھر پتہ چلتا ہے کہ ڈیٹا غلط تھا۔ ایک سب سے آسان سودے بازی کا ماڈل یہ ہے کہ تاریخی قیمتوں کے اتار چڑھاو کی شرح، دونوں اطراف پر کچھ عملدرآمد کے علاقوں کے ساتھ. مثال کے طور پر، دودھ پاؤڈر، ہانگ کانگ سے خریدنے کے لئے 100 ڈالر خرچ، مینلینڈ میں 120 ڈالر فروخت. اور مثال کے طور پر سونے کے لئے، ملکی اور غیر ملکی مارکیٹوں میں معیاری معاہدے ہیں، نظریاتی طور پر قیمت ایک ہی ہے، باہر لے جانے کے لئے سونے کی دو سلاخوں. لیکن قیمت میں اتار چڑھاؤ ہو جائے گا، ہم اس قیمت فرق کا حساب کرنے کے لئے، اگر یہ تاریخی اعداد و شمار کے علاقے سے ہٹ جائے تو، مثال کے طور پر بریکسٹ کے وقت، چین کے سونے سستا ہے، امریکہ کے سونے مہنگا ہے.

• پیش گوئی ماضی کے مارکیٹ کے اعداد و شمار اور موجودہ مارکیٹ کے ماحول کے موازنہ کے ذریعے ، مستقبل کی قیمتوں کے رجحان کی پیش گوئی کریں: قیمت = a + b + c ◄ ۔ یہ مستقبل کی کٹیا اگلے سیکنڈ ، اگلے منٹ ، اگلے تجارتی دن ، اگلے ہفتے ، اگلے مہینے میں ہوسکتی ہے۔ اگر آپ کا ماڈل درست پیش گوئی کرتا ہے تو ، یہ اگلے سیکنڈ ، اگلے منٹ یا اگلے ہفتے میں بھی این بی سے آگے ہے۔ جب تک آپ کا ماڈل موثر ہے ، یہ بہت اچھا این بی ہے۔ یہ ایک آسان کام نہیں ہے ، اس کی بنیاد اور تجربے کی ضرورت ہے۔ تصویر 7 یہ بنیادی عمل اعداد و شمار کو ٹھیک کرنے اور مارکیٹ کو متاثر کرنے والے عوامل کو سمجھنے کے بعد شروع ہوتا ہے۔ آپ جلدی سے شروع کر سکتے ہیں، ایک اوسط لائن کے ساتھ، اور آپ کو جلد ہی نتائج مل سکتے ہیں، لیکن آپ کے ماڈل کی استحکام کتنی دیر تک مستحکم ہوسکتی ہے، یہ مسلسل ٹننگ کی ضرورت ہوتی ہے، یہ مسلسل سائیکلنگ کی ضرورت ہوتی ہے. آپ ماڈل کی تربیت، تشخیص، اور پھر آپ کے فیکٹر کو بہتر بنانے کے لئے. یقیناً فیکٹرز کی تعداد بہت زیادہ ہے، اور کچھ لوگوں کا طریقہ یہ ہے کہ وہ 500 فیکٹرز ڈال دیں۔ ان کے ماڈل انہیں بتاسکتے ہیں کہ کون سے فیکٹرز کام کرتے ہیں اور کون سے نہیں کرتے، اور وہ خود ہی ان فیکٹرز کو ہٹا دیتے ہیں جن کا تعلق بہت زیادہ ہے۔ لیکن یہ ایک ایسی چیز ہے جس کے بارے میں میں ابھی سیکھ رہا ہوں اور مجھے زیادہ تجربہ نہیں ہے۔ میں صرف یہ جانتا ہوں کہ یہ طریقہ کار موجود ہے۔ ایک سپر سادہ کی چابی کا مطلب یہ نہیں ہے کہ یہ آسان ہے اس سے کوئی فرق نہیں پڑتا ہے ، سب سے آسان ایک پیشن گوئی کرنے والا ماڈل یہ ہے کہ قیمتیں اوسط کی طرف لوٹ آئیں گی۔ اوسط کیا ہے؟ ، آپ خود ہی پیسیں۔ اس درمیانی پیچیدگی ، زیادہ تر ڈیٹا سے ہے۔ ماڈل کے مطابق ، آر میں بہت سارے پیکیجز ہیں جو آپ کو اچھی طرح سے آٹومیشن کرنے میں مدد کرسکتے ہیں۔ بہت سارے اشارے خود کار طریقے سے ہوسکتے ہیں ، اور چارٹ بھی مددگار ہیں۔ ڈیٹا اور فیکٹر دونوں کے لئے، ان ماڈلوں کو اپنانے کے لئے مسلسل عملدرآمد کی ضرورت ہوتی ہے.

  • Micro Structure یہ زیادہ بار بار ہوتا ہے ، عام طور پر کوانٹ شاید اس کا استعمال نہیں کرے گا۔ مثال کے طور پر ، اسٹاک ٹریڈنگ میں ، آپ اکثر سپورٹ لیٹ ، پریشر لیٹ ، یا سادہ مائیکرو اسٹرکچر کے بارے میں سنتے ہیں۔ آپ دیکھ سکتے ہیں کہ یہ سپورٹ لیٹ ہے ، بہت سارے بولی اور بہت سی بولی ہے۔ اس کے علاوہ، یہ بھی معلوم ہوتا ہے کہ اس کے بعد کیا ہوا۔ سپوفر ، مارکیٹ میں کچھ کھلاڑیوں کو دھونس۔ بازار معمول کے مطابق تھا ، خریداری کی قیمت 10 ، 20 تھی ، اچانک ایک کھلاڑی آیا اور کہا کہ میں 1000 خریدنا چاہتا ہوں۔ سب نے سوچا کہ ایک بڑی خریداری ہے ، سب نے اسے چھین لیا۔ اسٹاک کی نقل و حرکت مائیکرو نقطہ نظر سے سپلائی ڈیمانڈ ہے۔ خریدنے والوں کی تعداد میں اضافہ ہوتا ہے۔ کسی نے ایک ملین کا بٹن لگایا ، اوپر چڑھنا شروع ہوا۔ اور پھر اس نے فروخت کرنا شروع کیا۔ یہ ہے دھوکہ دہی۔ امریکی سیکیورٹیز ریگولیٹر نے مارکیٹ کو جوڑنے کے لئے سخت تعریف کی ہے ، یہ غیر قانونی ہے۔ اس کے بعد میں نے دو دلچسپ لنکس پوسٹ کیے: 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/ ریاضی، میرے تجربے کے مطابق، ابتدائی ریاضی اور پی ایچ ڈی ریاضی دونوں کا استعمال ہوتا ہے۔ ابتدائی ریاضی کو نظر انداز نہ کریں، اور بہت سے گڑھے لگائیں۔ کچھ اعلی درجے کی، جیسے قیمتوں کا تعین بہت پیشہ ورانہ ہے۔ اور پھر پیشن گوئی کرنے والی ماڈلنگ ہے، جو بہت وسیع ہے، اور بہت ساری کمپنیاں اس کا استعمال کرتی ہیں۔ بہت ساری چیزیں جو کوانٹ کرتی ہیں۔ ہائی فریکوئینسی کی کمزوری یہ ہے کہ اس کی گنجائش بہت کم ہے۔ فرض کریں کہ آپ اسے 500،000 دیتے ہیں اور وہ 200،000 کماتا ہے۔ اگر آپ اسے 5 ملین دیتے ہیں تو وہ 200،000 کماتا ہے۔

• #### آئی ٹی۔ یہ سب جانتے ہیں کہ چنگ چوان ڈائی اوولون انگوٹھے کا معاملہ ہے۔ اس کے علاوہ ، ایک بار آدھے گھنٹے میں ، رافٹ کیپٹل کو 440 ملین ڈالر کا نقصان ہوا تھا۔ پروگرامر نے نظام کو اپ گریڈ کیا ، شاید 8 پروڈیوسر ، ایک کو اپ گریڈ نہیں کیا گیا ، جس کی وجہ سے ایک غلط ہدایت پر عمل درآمد ہوا ، اور پھر تجارت جاری رہی۔ اہم بات یہ ہے کہ یہ 30 منٹ تک تجارت کرتا رہا۔ مجھے نہیں معلوم کہ یہ 30 منٹ تک کیسے نہیں ملا۔

ان دونوں مثالوں میں یہ کہا جا رہا ہے کہ آئی ٹی اہم ہے اور اس سے آپ کو بہت پیسہ ضائع ہو سکتا ہے۔ تصویر 8 آئی ٹی سسٹم کو بنیادی طور پر مندرجہ بالا چار حصوں میں تقسیم کیا گیا ہے۔ پرائس ڈیٹا نسبتاً سادہ ہے، اور اس سے زیادہ بنیادی ڈیٹا، غیر ساختہ ڈیٹا اور اس سے بھی زیادہ پیچیدہ ہے۔ اس میں بہت زیادہ پروگرامر کوڈ کی ضرورت ہوتی ہے، اس کو کیسے اکٹھا کیا جائے، فارمیٹ کیا جائے، اسے متحد کیا جائے، رسائی دی جائے۔ ایک کوانٹ کی حیثیت سے، میں کسی دن کے اعداد و شمار کو لے کر اس کا نقشہ بنانا چاہتا ہوں۔ ہم اب بنیادی طور پر اس حالت میں ہیں، بہت آسان ہے کہ ڈیٹا کا ایک ڈھیر لے کر بہت ساری چیزیں کی جا سکیں۔ دوسری طرف، کوانٹ بہت کم کوڈ لکھتا ہے۔ کیونکہ ہم نے بہت سارے ڈیٹا کے ڈھانچے اور ڈیٹا انٹرفیس کو متحد کر دیا ہے۔ چاہے وہ C++، C# یا Scala سے ہو، یہ ڈیٹا ایک ہی فارمیٹ میں ہے، اس لیے یہ بہت آسان ہے۔ یقینا آپ غلط نہیں ہوسکتے ، آپ کی غلطی برداشت اور آپ کی غلطیوں کی جانچ پڑتال کی صلاحیت بھی بہت زیادہ ہے۔ اس سے پہلے ، ہم نے اس طرح کی صورتحال کا سامنا کیا ہے ، بہت اچھی جانچ پڑتال کی ، اور ہر دن پیسہ کمایا ، لیکن اعداد و شمار غلط پائے گئے۔ بہت ہی احمقانہ غلطیاں۔ یہ اکثر ہوتا ہے ، امید ہے کہ بعد میں بھی ایسا ہوگا۔ یہ عملدرآمد مختلف APIs ، مختلف مارکیٹ تک رسائی ، مختلف ونڈ کنٹرول ہے۔ ہائی فریکوینسی کے شعبے میں ، رفتار بہت اہم ہے۔ کیونکہ بہت سارے اعداد و شمار عوامی ہیں اور بہت سارے لوگ اسے دیکھ سکتے ہیں۔ جب بہت سارے لوگ موقع دیکھتے ہیں تو صرف تیز ترین افراد ہی اسے حاصل کرسکتے ہیں۔ ہر مارکیٹ میں مختلف APIs ہیں ، اور اس کے ساتھ ساتھ ایک یونیفارم پروٹوکول بھی ہے ، جیسے فکس پروٹوکول ، لیکن ضروری نہیں کہ ہر ایکسچینج اس کی حمایت کرے ، لیکن فکس پروٹوکول خود بھی سست ہے۔ ہائی فریکوینسی عام طور پر C ++ ، FPGA کا ایک واحد ماڈیول ہوتا ہے ، اور ہم عام طور پر C ++ ، FPGA ہوتے ہیں۔ ہمارے پاس اب ایک چھوٹی سی حکمت عملی ہے جو FPGA پر رکھی جاتی ہے ، OS کے ذریعہ نہیں۔ بیک ٹیسٹنگ ، کبھی کبھی کوئی ایسی چیز جو کوانٹ کے پاس آتی ہے ، ہوسکتا ہے کہ آپ کا بیک ٹیسٹنگ سسٹم اس کی حمایت نہ کرے ، اور آپ کو بیک ٹیسٹنگ کے فریم ورک کو تبدیل کرنے کی ضرورت ہو۔ تصور کرنا بہت ضروری ہے۔ آپ یہ نہیں کہہ سکتے کہ مجھے اعداد و شمار کا ایک ڈھیر دکھائیں، میں اسے نہیں دیکھ سکتا۔ یہ دیکھنے کے لئے بہت آسان ہے۔ ہم نے اسکیلہ میں ڈرائنگ اور آر میں ڈرائنگ میں بہت زیادہ کوشش کی ہے۔ کیونکہ اعداد و شمار کا ایک ڈھیر اور اعداد و شمار کا ایک ڈھیر ایک ہی نہیں ہے۔ یہ بھی ضروری ہے کہ آپ کتنی تیزی سے واپس آ جائیں۔ مثال کے طور پر ، ایک حکمت عملی ، ایک سال کے اعداد و شمار کو واپس کرنے میں ، آپ کو ایک ہفتہ لگتا ہے۔ آپ کے نتائج کو دیکھنے کے لئے ایک ہفتہ کون انتظار کرے گا! ایک منٹ بھی تھوڑا سا قبول کرسکتا ہے۔ حکمت عملی میں پیرامیٹرز میں ایک تکرار عمل ہے ، جیسے پیرامیٹرز ، میں دیکھنا چاہتا ہوں کہ 1 سے 100 تک کس طرح جانچنا ہے۔ آپ ہر ٹیسٹ میں 5 منٹ لگاتے ہیں ، اور جب آپ بہتر بناتے ہیں تو میرے پاس 100،000 پیرامیٹرز ہوسکتے ہیں جن کی جانچ کی ضرورت ہوتی ہے ، تو انتظار نہیں کیا جاسکتا۔ یہاں ہم نے بہت ساری اصلاحات بھی کیں ، جیسے ڈیٹا لینے کا طریقہ ، کیش کرنے کا طریقہ ، اور اس کی کارکردگی کو بہتر بنانا۔ اس سے پہلے ، میں نے پچھلی کمپنی میں کچھ کلاؤڈ کمپیوٹنگ کے تجربات بھی کیے تھے ، اور کچھ ریٹرننگ انجن کو بہت سارے سرورز پر تقسیم کیا تھا۔ اس طرح ، ایک درخواست گزر گئی ، بہت ساری مشینیں بیک وقت چل رہی تھیں۔ آپ اسے ایک دوسرے پر اثر انداز ہونے سے روک سکتے ہیں۔ ہر پیرامیٹر آزاد ہے۔ اور ایک اور ہے مانیٹرنگ۔ اس میں بہت زیادہ آٹومیشن ہے۔ اس میں بہت ساری حکمت عملی ہے۔ اس میں انسانوں کی مدد کی ضرورت ہوتی ہے جو کہ بہت زیادہ حقیقت پسند نہیں ہے۔ یہ بھی ایک اہم پہلو ہے کہ خطرے کی نگرانی کیسے کی جائے ، الرٹ کیسے کیا جائے۔ جیسے کہ ہماری موجودہ حکمت عملی خود کار طریقے سے چلتی ہے ، تمام حکمت عملیوں کی نگرانی کی جاتی ہے ، ہر حکمت عملی کے خطرے کی سطح کو زیادہ سے زیادہ نہیں کیا جاسکتا ، الرٹ سے زیادہ۔ خاص طور پر ، ہم نائٹ ڈسک بھی تجارت کرتے ہیں ، تاکہ پروگرامر اکثر راتوں کو نیند میں گزاریں ، یہ زیادہ حقیقت پسندانہ نہیں ہے۔ لہذا اگر کوئی تنقیدی غلطی ہو تو ، براہ راست فون پر کال کریں گے۔ اب ہم بہت آسانی سے ہوں گے۔ جب آپ کے پاس بہت ساری قسمیں ہیں تو ، آپ کو اس بات کا امکان نہیں ہے کہ ہر کوئی وہاں موجود ہے ، لہذا آپ کو بہت زیادہ نگرانی کرنی ہوگی۔

• #### مزید پڑھیں:

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