Código de estratégias de negociação algorítmica

Algorithmic Trading System Design & amp; Implementação.

AlgorithmicTrading é um desenvolvedor de sistema de negociação de terceiros especializado em sistemas automatizados de negociação, estratégias de negociação algorítmica e análise de negociação quantitativa. Oferecemos dois algoritmos de negociação distintos para comerciantes de varejo e investidores profissionais.

Assista ao nosso blog de vídeo algorítmico em que nosso principal desenvolvedor analisa o desempenho a partir de 6/10/17 & ndash; 8/8/17 usando nosso sistema de negociação automatizado. Visite nosso Blog Algorithmic Trading para ver todos os vídeos de desempenho de 2016-2018 no acumulado do ano. Os futuros e opções de negociação envolvem risco substancial de perda e não são adequados para todos os investidores.

Comece hoje mesmo na negociação algorítmica.

Os Destaques do Swing Trader.

Nossa Swing Trading Strategy negocia o S & P 500 Emini Futures (ES) e o Ten Year Note (TY). Este é um sistema de negociação 100% automatizado que pode ser executado automaticamente com os melhores esforços por vários Corretores Registrados da NFA. Também pode ser instalado e carregado na plataforma Tradestation. Os dados seguintes abrangem o período de avanço (fora da amostra) que abrange 10/1 / 15-3 / 14/18. A negociação de futuros envolve risco substancial de perda e não é apropriada para todos os investidores. O desempenho passado não é indicativo de desempenho futuro. Esses dados presumem que 1 unidade (US $ 15.000) foi negociada durante todo o período em análise (non-compounded).

* Perdas podem exceder o rebaixamento máximo. Isso é medido de pico a vale, fechando o comércio para fechar o comércio. O desempenho passado não é indicativo de desempenho futuro.

O Swing Trader Mensal P / L.

Os negócios iniciados em outubro de 2015 são considerados Walk-Forward / Out-of-Sample, enquanto os negócios anteriores a outubro de 2015 são considerados back-tested. Os lucros / perdas fornecidos são baseados em uma conta de US $ 15.000 que troca 1 unidade no Swing Trader. Esses dados não são compostos.

* Perdas podem exceder o rebaixamento máximo. Isso é medido de pico a vale, fechando o comércio para fechar o comércio. O desempenho passado não é indicativo de desempenho futuro.

CFTC REGRA 4.41: Os resultados são baseados em resultados de desempenho simulados ou hipotéticos que possuem certas limitações inerentes. Ao contrário dos resultados mostrados em um registro de desempenho real, esses resultados não representam negociação real. Além disso, como esses negócios não foram efetivamente executados, esses resultados podem ter uma compensação maior ou menor pelo impacto, se houver, de alguns fatores de mercado, como a falta de liquidez. Programas de negociação simulados ou hipotéticos em geral também estão sujeitos ao fato de que eles são projetados com o benefício da retrospectiva. Não está sendo feita nenhuma representação de que qualquer conta terá ou poderá obter lucros ou perdas similares a essas demonstrações.

Noções básicas de negociação algorítmica.

O Algorithmic Trading, também conhecido como Quant Trading, é um estilo de negociação que utiliza algoritmos de previsão de mercado para encontrar transações potenciais. Existem várias subcategorias de negociação quantitativa para incluir High Frequency Trading (HFT), Arbitragem Estatística e Análise de Predição de Mercado. Na AlgorithmicTrading, nós nos concentramos no desenvolvimento de sistemas de negociação automatizados que fazem negócios de swing, dia e opções para aproveitar as ineficiências do mercado.

Atualmente, estamos oferecendo dois sistemas de negociação de futuros que negociam o ES & amp; Futuros de TY. Continue lendo para ver por si mesmo como implementar um sistema de negociação de algo projetado profissionalmente pode ser benéfico para suas metas de investimento. Nós não somos registrados Consultores de Negociação de Commodities e, portanto, não controlamos diretamente as contas de clientes & ndash; no entanto, negociamos ambos os sistemas de negociação com nosso próprio capital, utilizando um dos corretores de execução de negociação automatizada.

Exemplo de negociação algorítmica.

Estratégia de negociação de futuros: o pacote Swing Trader.

Este pacote utiliza nossos algoritmos de melhor desempenho desde o início. Visite a página do comerciante do swing para ver preços, estatísticas comerciais completas, lista completa de comércio e muito mais. Este pacote é ideal para o cético que deseja negociar um sistema robusto que tenha se saído bem em negociações cegas para fora e para fora da amostra. Cansado de modelos otimistas com back-testing que nunca parecem funcionar quando negociados ao vivo? Se assim for, considere este sistema de negociação de caixa preta. Este é o nosso algoritmo de negociação mais popular para venda.

Detalhes no Swing Trader System.

Futuros & amp; Estratégia de negociação de opções: o pacote S & amp; P Crusher v2.

Este pacote utiliza sete estratégias de negociação em uma tentativa de diversificar melhor sua conta. Este pacote utiliza comércios de swing, day trades, condutores de ferro e chamadas cobertas para tirar proveito de várias condições de mercado. Este pacote é negociado em unidades de tamanho de US $ 30.000 e foi lançado ao público em outubro de 2016. Visite a página do produto S & P Crusher para ver os resultados do back-test com base nos relatórios de negociação.

Detalhes no triturador S & P.

Cobrindo os fundamentos do design do sistema de negociação automatizado.

Múltiplos Sistemas de Negociação Algorítmica Disponíveis.

Escolha de um dos nossos sistemas de negociação & ndash; O Swing Trader ou o S & amp; P Crusher. Cada página mostra a lista de negociação completa, incluindo resultados de otimização de post-forward, walk-forward. Esses sistemas de negociação informatizados de caixa preta são totalmente automatizados para gerar alfa ao tentar minimizar o risco.

Algoritmos de negociação múltiplos trabalhando juntos.

Nossa metodologia de negociação quântica nos emprega várias estratégias de negociação de algoritmos para diversificar melhor sua conta de negociação automática. Saiba mais visitando nossa página de metodologia de design de estratégias de negociação.

Trades During Bear & amp; Mercados de touro.

Em nossa opinião, a chave para o desenvolvimento de um sistema de negociação algorítmica que realmente funciona é contabilizar múltiplas condições de mercado. A qualquer momento, o mercado poderia passar de um touro para um mercado em baixa. Ao tomar uma posição agnóstica de direção de mercado, estamos tentando superar o desempenho em Bull & amp; Condições de mercado do urso.

Sistemas de negociação totalmente automatizados.

Você pode negociar automaticamente nosso software algorítmico usando um corretor de execução automática (com os melhores esforços). Temos vários corretores para você escolher. Remova as decisões baseadas em emoções de sua negociação usando nosso sistema de negociação automatizado.

O comércio algorítmico funciona?

Acompanhe o progresso diário de nossos algoritmos de negociação quantitativa com o aplicativo do corretor OEC. Você também receberá declarações diárias da empresa de compensação da NFA Registered. Você pode comparar cada uma das suas negociações com a lista comercial que publicamos no final de cada dia. Exemplos completos de negociação algorítmica são postados para todos verem. A lista completa de transações pode ser vista visitando a página de negociação algorítmica do sistema que você está negociando. Quer ver algumas declarações de contas ativas? Visite os retornos ao vivo & amp; página de instruções.

Múltiplas Estratégias de Negociação Quant.

Nossos sistemas de negociação quantitativos têm diferentes expectativas com base nos algoritmos preditivos empregados. Nossos Sistemas de Negociação Automatizada colocarão operações de swing, day trade, condutores de ferro & amp; chamadas cobertas. Estas Estratégias 100% Quant baseiam-se puramente em indicadores técnicos e algoritmos de reconhecimento de padrões.

Nosso software de negociação automatizada ajuda a remover suas emoções da negociação.

Algoritmos de negociação múltiplos são negociados como parte de um maior sistema de negociação algorítmica.

Cada estratégia de negociação algorítmica oferecida tem vários pontos fortes e fracos. Seus pontos fortes e fracos são identificados com base em três estados de mercado potenciais: Strong Up, Sideways & amp; Abaixo mercados em movimento. A estratégia de negociação de condores de ferro supera os mercados em movimento lateral e ascendente, enquanto o algoritmo das notas de tesouro se destaca nos mercados em baixa. Com base no backtesting, espera-se que o algoritmo de momentum tenha um bom desempenho durante os mercados em ascensão. Confira a seguinte coleção de vídeos, onde cada algoritmo de negociação oferecido é revisado por nosso desenvolvedor líder. Os pontos fortes de cada algoritmo de negociação são analisados ​​juntamente com as suas fraquezas.

Vários tipos de estratégias de negociação são usados ​​em nosso software de negociação automatizada.

Comissões do dia são inseridas & amp; saiu no mesmo dia, enquanto as negociações de giro terão um longo prazo de negociação com base nas expectativas para o S & amp; P 500 a tendência de maior ou menor no prazo intermédio. Os negócios de opções são colocados nas opções semanais do S & amp; P 500 sobre futuros, normalmente entrando em uma segunda-feira e mantendo até a expiração da sexta-feira.

Swing Trading Strategies.

As seguintes Swing Trading Strategies colocam operações de swing direccionais no S & amp; P 500 Emini Futures (ES) e na Nota de Dez Anos (TY). Eles são usados ​​em ambos os sistemas de negociação automatizados que oferecemos para aproveitar as tendências de longo prazo que nossos algoritmos de predição de mercado estão esperando.

Futures Swing Trading Strategy # 1: Momentum Swing Trading Algorithm.

A Momentum Swing Trading Strategy coloca os negócios do swing no Emini S & amp; P Futures, aproveitando as condições de mercado que sugerem um movimento de prazo intermediário mais alto. Este algoritmo de negociação é usado em ambos os nossos sistemas de negociação automatizados: O S & amp; P Crusher v2 & amp; O comerciante do balanço.

Estratégia de Negociação de Futuros Swing # 2: Algoritmo de Notas do Tesouro de Dez Anos.

A Tesouraria Note (TY) Trading Strategy coloca swing trades na nota de dez anos (TY). Uma vez que o TY tipicamente se move inversamente para os mercados mais amplos, esta estratégia cria um trade swing semelhante ao shorting do S & P 500. Esse algoritmo T-Note tem expectativas positivas para condições de mercado em baixa. Este algoritmo de negociação é usado em ambos os nossos sistemas de negociação automatizados: O S & amp; P Crusher v2 & amp; O comerciante do balanço.

Estratégias de Negociação Diária.

As estratégias de negociação do dia seguinte colocam o day trade no S & amp; P 500 Emini Futures (ES). Eles quase sempre entram em negociações durante os primeiros 20 minutos após a abertura dos mercados de ações e saem antes do fechamento dos mercados. Paradas apertadas são utilizadas em todos os momentos.

Estratégia de Negociação do Dia de Futuros # 1: Algoritmo de Negociação de Dia.

A Estratégia de Negociação de Dia Curta coloca negociações diárias no Emini S & P Futures quando o mercado mostra fraqueza pela manhã (prefere uma grande diferença para baixo). Esta estratégia de negociação é utilizada no sistema de negociação automatizado S & amp; P Crusher v2.

Estratégia de Negociação de Dia de Futuro # 2: Algoritmo de Negociação de Dia de Breakout.

A Breakout Day Trading Strategy coloca o day trade no Emini-S & P Futures quando o mercado mostra força pela manhã. Esta estratégia de negociação de futuros é utilizada no sistema de negociação automatizado S & amp; P Crusher v2.

Estratégia de Negociação de Dia de Futuros # 3: Algoritmo de Negociação de Dia de Intervalo da Manhã.

O Morning Gap Day Trading Strategy coloca negócios de dia curto no Emini S & amp; P Futures quando o mercado tem uma grande lacuna, seguido por um curto período de fraqueza. Esta estratégia de negociação é utilizada no sistema de negociação automatizado S & amp; P Crusher v2.

Estratégias de Negociação de Opções.

As seguintes estratégias de negociação de opções cobram prêmio no S & amp; P 500 Emini Weekly Options (ES). Eles são usados ​​em nosso S & amp; P Crusher v2, a fim de aproveitar as vantagens de lateralmente, para baixo & amp; condições de mercado em movimento. Um benefício para as opções de negociação com nossas estratégias de negociação algorítmica é que elas são suportadas em um ambiente de negociação automatizado usando um dos corretores de execução automática.

Opções Trading Strategy # 1: Algoritmo de Condor Iron Condor.

A Estratégia de Negociação de Opções da Iron Condor é perfeita para quem deseja uma taxa de ganhos por negociação mais alta e que simplesmente quer cobrar prêmios no S & amp; P 500 Emini Futures com a venda da Iron Condors. Quando nossos algoritmos esperam uma condição de mercado de derivação lateral ou ascendente, esse sistema criará uma operação de Condor de Ferro. Essa estratégia é usada em um dos nossos Sistemas de negociação automatizados: O S & amp; P Crusher v2.

Estratégia de negociação de opções # 2: Algoritmo de opções de chamadas cobertas.

A Estratégia de Negociação das Opções de Compra Coberta vende de chamadas cobertas por dinheiro contra os algoritmos de momento Long swing swing, para arrecadar premium e ajudar a minimizar as perdas caso o mercado se mova contra nossa posição de algoritmo de momentum. Quando negociado com o Algoritmo de Troca de Momentum Swing - como é o caso no S & amp; P Crusher & amp; ES / TY Futures Trading Systems, isso cria uma posição de compra coberta. Quando negociados no Sistema de Negociação Bearish Trader, as chamadas são vendidas sem cobertura e, portanto, estão a descoberto. Em ambos os casos, & ndash; como um suporte ao longo do algoritmo & ndash; Ele funciona bem em condições de mercado em movimento lateral e para baixo. Essa estratégia é usada em um dos nossos Sistemas de negociação automatizados: O S & amp; P Crusher v2.

Embora cada uma dessas estratégias de negociação possa ser negociada sozinha, elas são negociadas melhor em uma coleção mais ampla de algoritmos de negociação & ndash; como visto em um dos nossos sistemas automatizados de negociação, como o The Swing Trader.

Algoritmos de negociação que realmente funcionam?

Essa série de vídeos de negociação algorítmica é feita para que nossos clientes possam ver os detalhes de cada negociação semanalmente. Assista a cada um dos seguintes vídeos de negociação algorítmica para ver em tempo real o desempenho de nossos algoritmos de negociação. Sinta-se à vontade para visitar nossos Críticas de AlgorithmicTrading & amp; Página Press Releases para ver o que os outros estão dizendo sobre nós.

Inscrição na Newsletter.

Obtenha atualizações de desempenho da AlgorithmicTrading juntando-se à nossa newsletter.

O que separa o comércio algorítmico de outras técnicas técnicas de negociação?

Nos dias de hoje, parece que todo mundo tem uma opinião sobre as técnicas de negociação técnica. Head & amp; Padrões de ombros, MACD Bullish Crosses, VWAP Divergences, a lista continua. Nesses vídeos, nosso engenheiro líder de projeto analisa alguns exemplos de estratégias de negociação encontradas on-line. Ele pega suas Tips Trading, faz um código e executa um back-test simples para ver o quão efetivas elas realmente são. Depois de analisar seus resultados iniciais, ele otimiza o código para ver se uma abordagem quantitativa à negociação pode melhorar as descobertas iniciais. Se você é novo em negociação algorítmica, esses blogs de vídeo serão bastante interessantes. Nosso designer utiliza máquinas de estado finito para codificar essas dicas básicas de negociação. Como a negociação algorítmica difere da negociação técnica tradicional? Simplificando, Algorithmic Trading requer precisão e fornece uma janela para um potencial de algoritmos baseado em back-testing que possui limitações.

Procurando por Algorithmic Trading Tutorial & amp; Como para vídeos?

Assista a várias apresentações de vídeo educativo feitas por nosso designer líder em negociação algorítmica para incluir um vídeo que cobre nossa Metodologia de Design de Quantificação Comercial e um Tutorial de Negociação Algorítmica. Esses vídeos de estratégia de negociação fornecem exemplos de codificação de comércio algorítmico e o introduzem à nossa abordagem de negociar os mercados usando análise quantitativa. Nesses vídeos, você verá muitas razões pelas quais a negociação automatizada está decolando para incluir a ajuda para remover suas emoções da negociação. Visite nossa página de vídeos de negociação educacional para ver uma lista completa de mídia educacional.

Comece a usar um dos nossos sistemas de negociação automatizados hoje.

Não perca. Junte-se aos que já estão negociando com AlgorithmicTrading. Comece hoje mesmo com um dos nossos pacotes de negociação algorítmica.

Várias opções de execução automática de comércio estão disponíveis.

Nossos algoritmos de negociação podem ser executados automaticamente usando um dos corretores de execução automática registrados pela NFA (com os melhores esforços) ou podem ser negociados em seu próprio PC usando MultiCharts ou Tradestation.

O FOX Group é uma corretora de introdução independente localizada no icônico prédio da Chicago Board of Trade, no coração do distrito financeiro da cidade. Eles são registrados no NFA e são capazes de executar nossos algoritmos automaticamente com os melhores esforços.

Os corretores interativos são corretores registrados pela NFA que podem executar nossos algoritmos automaticamente com os melhores esforços. Além disso, eles suportam clientes canadenses.

Se você preferir executar os algoritmos em seu próprio PC, o MultiCharts é a plataforma preferida de software de negociação para execução automática. Ele oferece benefícios consideráveis ​​aos negociadores e oferece vantagens significativas em relação às plataformas concorrentes. Ele vem com gráficos de alta definição, suporte a mais de 20 feeds de dados e mais de 10 corretores, backtesting dinâmico de estratégia em nível de portfólio, suporte a EasyLanguage, relatórios interativos de desempenho, otimização genética, scanner de mercado e replay de dados.

A TradeStation é mais conhecida pelo software de análise e pela plataforma de negociação eletrônica que oferece ao operador ativo e a determinados mercados de traders institucionais que permitem que os clientes projetem, testem, otimizem, monitorem e automatizem suas próprias ações, opções e opções personalizadas. estratégias de negociação de futuros. Tradestation é outra opção para pessoas que desejam negociar automaticamente nossos algoritmos em seu próprio PC.

Não deixe de visitar nossa página de Perguntas frequentes para ver uma lista de perguntas e respostas comuns. Você também pode clicar aqui para saber mais sobre a AlgorithmicTrading e seu Lead Developer.

Como codificar seu próprio robô de negociação Algo.

Sempre quis se tornar um operador algorítmico com a capacidade de codificar seu próprio robô comercial? E, no entanto, você está frustrado com a quantidade de informações desorganizadas e enganosas e falsas promessas de prosperidade durante a noite? Bem, Lucas Liew, criador do curso de comércio on-line algorítmico AlgoTrading101, pode ter a solução para você. Tendo excelentes avaliações e conquistando mais de 8.000 alunos desde o seu primeiro lançamento em outubro de 2014, o curso da Liew - destinado a apresentar os fundamentos do comércio algorítmico de forma organizada - está se mostrando bastante popular. Ele é inflexível quanto ao fato de que a negociação algorítmica “não é um esquema de enriquecimento rápido”. Baseando-se em insights de Liew e seu curso, descritos abaixo são os fundamentos do que é necessário para projetar, construir e manter seu próprio robô de negociação algorítmica .

O que um robô de negociação algorítmico é e faz

No nível mais básico, um robô de negociação algorítmica é um código de computador que tem a capacidade de gerar e executar sinais de compra e venda nos mercados financeiros. Os principais componentes desse robô incluem regras de entrada que sinalizam quando comprar ou vender, regras de saída que indicam quando fechar a posição atual e regras de dimensionamento de posição que definem as quantidades a serem compradas ou vendidas. (Para mais, veja: Noções básicas de negociação algorítmica: conceitos e exemplos.)

As principais ferramentas.

Obviamente, você vai precisar de um computador e uma conexão com a Internet. Depois disso, será necessário um sistema operacional Windows ou Mac para executar o MetaTrader 4 (MT4) - uma plataforma de negociação eletrônica que usa a MetaQuotes Language 4 (MQL4) para codificar estratégias de negociação. Embora o MT4 não seja o único software que se poderia usar para construir um robô, ele tem vários benefícios significativos.

Enquanto a principal classe de ativos do MT4 é o câmbio (FX), a plataforma pode ser usada para negociar ações, índices de ações, commodities e Bitcoins usando CFDs. Outros benefícios do uso do MT4, em oposição a outras plataformas, incluem ser fáceis de aprender, várias fontes de dados de FX disponíveis e são gratuitos. Infelizmente, o MT4 não permite negociações diretas nos mercados de ações e de futuros e a realização de análises estatísticas pode ser onerosa; no entanto, o MS Excel pode ser usado como uma ferramenta estatística suplementar.

Estratégias de Negociação Algorítmica.

É importante começar refletindo sobre algumas características fundamentais que toda estratégia de negociação algorítmica deve ter. A estratégia deve ser prudente no mercado, pois é fundamentalmente sólida do ponto de vista comercial e econômico. Além disso, o modelo matemático usado no desenvolvimento da estratégia deve ser baseado em métodos estatísticos sólidos.

Em seguida, é crucial determinar quais informações seu robô está tentando capturar. Para ter uma estratégia automatizada, seu robô precisa ser capaz de capturar ineficiências de mercado persistentes e identificáveis. As estratégias de negociação algorítmica seguem um conjunto rígido de regras que se aproveitam do comportamento do mercado e, portanto, a ocorrência de uma ineficiência de mercado única não é suficiente para construir uma estratégia. Além disso, se a causa da ineficiência do mercado não for identificável, então não haverá maneira de saber se o sucesso ou o fracasso da estratégia foi devido ao acaso ou não.

Com o acima em mente, existem vários tipos de estratégia para informar o design do seu robô de negociação algorítmica. Estas incluem estratégias que aproveitam (i) notícias macroeconômicas (por exemplo, folha de pagamento não agrícola ou mudanças na taxa de juros); (ii) análise fundamental (por exemplo, usando dados de receita ou notas de lançamento de lucros); (iii) anise estattica (por exemplo, correlao ou cointegrao); (iv) análise técnica (por exemplo, médias móveis); (v) a microestrutura de mercado (por exemplo, infraestrutura de arbitragem ou comércio); ou (vi) qualquer combinação dos itens acima. (Para leitura relacionada, consulte: O que é eficiência de mercado?)

Projetando e testando seu robô.

Existem basicamente quatro etapas necessárias para criar e gerenciar um robô comercial:

Pesquisa preliminar: Esta etapa se concentra no desenvolvimento de uma estratégia que atenda às suas próprias características pessoais. Fatores como perfil de risco pessoal, comprometimento de tempo e capital de negociação são todos importantes para se pensar no desenvolvimento de uma estratégia. Você pode então começar a identificar as ineficiências persistentes do mercado mencionadas acima. Tendo identificado uma ineficiência de mercado, você pode começar a codificar um robô comercial adequado às suas próprias características pessoais.

Backtesting: Este passo se concentra em validar seu robô comercial. Isso inclui verificar o código para certificar-se de que ele está fazendo o que deseja e entender como ele funciona em diferentes períodos de tempo, classes de ativos ou condições de mercado diferentes, especialmente em eventos do tipo cisne negro, como a crise financeira global de 2008.

Otimização: Então, agora você codificou um robô que funciona e, nesse estágio, você quer maximizar seu desempenho enquanto minimiza o viés do overfitting. Para maximizar o desempenho, você primeiro precisa selecionar uma boa medida de desempenho que capture os elementos de risco e recompensa, bem como a consistência (por exemplo, o índice de Sharpe). O viés de sobrecurso ocorre quando o robô está muito próximo dos dados do passado; esse robô vai dar a ilusão de alto desempenho, mas como o futuro nunca se parece completamente com o passado, ele pode realmente falhar.

Execução ao Vivo: Agora você está pronto para começar a usar dinheiro real. No entanto, além de estar preparado para os altos e baixos emocionais que você pode experimentar, existem alguns problemas técnicos que precisam ser abordados. Esses problemas incluem a seleção de um corretor apropriado e a implementação de mecanismos para gerenciar os riscos de mercado e os riscos operacionais, como possíveis hackers e o tempo de inatividade da tecnologia. Também é importante nesta etapa verificar se o desempenho do robô é semelhante ao experimentado no estágio de teste. Finalmente, o monitoramento contínuo é necessário para garantir que a eficiência do mercado para a qual o robô foi projetado ainda exista. (Para mais, veja: Como os Algoritmos de Negociação são Criados.)

The Bottom Line.

Considerando que Richard Dennis, o lendário comerciante de commodities, ensinou a um grupo de estudantes suas estratégias de negociação pessoais que depois ganharam mais de US $ 175 milhões em apenas cinco anos, é completamente possível que traders inexperientes aprendam um conjunto estrito de diretrizes e se tornem comerciantes bem sucedidos. No entanto, este é um exemplo extraordinário e os iniciantes devem lembrar-se de ter expectativas modestas.

Para ser bem sucedido, é importante não apenas seguir um conjunto de diretrizes, mas também entender como essas diretrizes estão funcionando. Liew salienta que a parte mais importante da negociação algorítmica é “entender em que tipos de condições de mercado seu robô irá funcionar e quando ele irá quebrar” e “entender quando intervir”. O comércio algorítmico pode ser recompensador, mas a chave para o sucesso é compreensão. Qualquer curso ou professor prometendo altas recompensas com o mínimo de entendimento deve ser um grande sinal de alerta.

Tipos Comuns de Algoritmos de Negociação.

Esta é uma breve visão geral dos tipos comuns de algoritmos de finanças quantitativas que são negociados hoje. Claro, isso é apenas uma visão geral e não abrangente! Deixe-me saber se você acha que há outros tipos de algoritmos que devo abordar.

Investidores de reversão média assumem que o preço da ação irá, com o tempo, voltar ao seu preço médio de longo prazo. Eles usam a análise do preço das ações para determinar os limites de negociação de significância estatística. Se a ação estiver sendo negociada significativamente acima da média móvel, ela será vendida em baixa. Por outro lado, se a ação estiver tendendo significativamente abaixo de sua média móvel, ela será comprada. Veja a estratégia de exemplo Valuation - Bargain Shopping.

Os investidores criam estratégias que dependem da época do ano. Está bem documentado que os mercados tendem a ter retornos melhores no final do ano e durante os meses de verão, enquanto setembro é geralmente um mês com retornos mais baixos. Para evitar a perda de capital, alguns investidores optam por vender suas posições com perdas no final de dezembro para se beneficiar da clemência tributária. Em janeiro, os investidores retornam em triunfo e compram ações de pequena capitalização e valor, elevando seus preços. Os preços das ações também apresentam uma tendência diferente em torno dos feriados e períodos de fechamento dos trimestres. Uma estratégia simples é comprar e manter ações (SPY) de outubro a abril e depois girar para comprar e manter títulos (BSV) de maio a setembro. Veja o exemplo da estratégia Sentimento - Compre o rumor, venda as notícias.

A negociação da Análise de Sentimentos deriva da psicologia das multidões, onde os investidores mantêm-se atualizados sobre as últimas notícias e compram ações para prever a reação da multidão. Eles tentam capturar mudanças de preço a curto prazo e colher os benefícios rápidos. Os investidores podem monitorar fontes, incluindo tendências de pesquisa do Google, meios de comunicação, blogs / fóruns e postagens no Twitter. Veja a estratégia de exemplo Fundamental Investing.

Esta é uma maneira de avaliar o verdadeiro valor intrínseco de uma ação examinando fatores de nível macro, como indicadores econômicos, comparações setoriais e setoriais, e analisando as demonstrações financeiras da empresa. Os cálculos derivados de dados reais tentam modelar o valor real da ação, que é então comparado ao preço de mercado da ação - conduzindo a decisão de comprar ou vender. Exemplos de pontos de dados para análise fundamental incluem as receitas das empresas, lucros, crescimento futuro, retorno sobre o patrimônio líquido e margens de lucro. Investimento Técnico.

Esse método examina a atividade do mercado anterior quanto a mudanças no preço e volume da ação, acreditando que o desempenho histórico é indicativo de resultados futuros. Os investidores usam gráficos, estatísticas e outras ferramentas para descobrir padrões nos dados para prever movimentos futuros de preços. Esse estilo de investimento não analisa o valor intrínseco do estoque, mas sim o movimento futuro da segurança. Para adicionar uma análise técnica ao seu código Quantopian, consulte a biblioteca de código aberto ta-lib.

O material deste site é fornecido apenas para fins informativos e não constitui uma oferta de venda, uma solicitação de compra ou uma recomendação ou endosso para qualquer segurança ou estratégia, nem constitui uma oferta para fornecer serviços de consultoria de investimento pela Quantopian.

Além disso, o material não oferece opinião com relação à adequação de qualquer investimento específico ou de segurança. Nenhuma informação aqui contida deve ser considerada como uma sugestão para se envolver ou se abster de qualquer ação relacionada ao investimento, pois nenhuma das suas afiliadas está comprometida em fornecer consultoria de investimento, agir como um consultor para qualquer plano ou entidade sujeita a o Employee Retirement Income Security Act de 1974, conforme alterado, conta de aposentadoria individual ou anuidade de aposentadoria individual, ou dar conselhos em uma capacidade fiduciária com relação aos materiais aqui apresentados. Se você for um investidor individual ou outro investidor, entre em contato com seu consultor financeiro ou outro fiduciário não relacionado com a Quantopian sobre se qualquer ideia, estratégia, produto ou serviço de investimento descrito aqui pode ser apropriado para suas circunstâncias. Todos os investimentos envolvem risco, incluindo perda de principal. A Quantopian não garante a exatidão ou integridade das opiniões expressas no site. As opiniões estão sujeitas a alterações e podem ter se tornado não confiáveis ​​por várias razões, incluindo mudanças nas condições de mercado ou circunstâncias econômicas.

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.

O comércio algorítmico (negociação automatizada, negociação de caixa preta ou simplesmente negociação de algoritmos) é o processo de usar computadores programados para seguir um conjunto definido de instruções para fazer uma negociação, a fim de gerar lucros a uma velocidade e freqüência impossíveis para uma negociação. comerciante humano. Os conjuntos de regras definidos são baseados em tempo, preço, quantidade ou qualquer modelo matemático. Para além das oportunidades de lucro para o comerciante, a negociação de algoritmos torna os mercados mais líquidos e torna o comércio mais sistemático ao excluir os impactos humanos emocionais nas atividades de negociação. (Para mais, confira Escolhendo o Software de Negociação Algorítmica Certo.)

Suponha que um comerciante siga estes critérios comerciais simples:

Compre 50 ações de uma ação quando a média móvel de 50 dias ultrapassar a média móvel de 200 dias Venda ações da ação quando a média móvel de 50 dias ficar abaixo da média móvel de 200 dias.

Usando este conjunto de duas instruções simples, é fácil escrever um programa de computador que monitore automaticamente o preço das ações (e os indicadores de média móvel) e coloque as ordens de compra e venda quando as condições definidas forem atendidas. O comerciante não precisa mais ficar de olho nos preços e gráficos ao vivo, ou colocar os pedidos manualmente. O sistema de negociação algorítmica faz isso automaticamente, identificando corretamente a oportunidade de negociação. (Para mais informações sobre médias móveis, consulte Médias móveis simples Faça as tendências se destacarem.)

[Se você quiser aprender mais sobre as estratégias comprovadas e no ponto que podem, eventualmente, ser trabalhadas em um sistema de negociação alorítimo, confira o curso Torne-se um Day Trader da Investopedia Academy. ]

Benefícios do comércio algorítmico.

Algo-trading fornece os seguintes benefícios:

Negociações executadas com os melhores preços Possibilidade de colocação imediata e imediata de ordens (com altas chances de execução nos níveis desejados) Negociações cronometradas correta e instantaneamente, para evitar mudanças significativas nos preços Redução dos custos de transação (veja o exemplo de déficit de implementação abaixo) Verificações automatizadas simultâneas em múltiplos condições de mercado Risco reduzido de erros manuais na colocação dos negócios Backtest o algoritmo, com base em dados históricos e em tempo real disponíveis Reduzida possibilidade de erros por parte de comerciantes humanos com base em fatores emocionais e psicológicos.

A maior parte da negociação de algoritmos atuais é a negociação de alta frequência (HFT), que tenta capitalizar a colocação de um grande número de pedidos em velocidades muito rápidas em vários mercados e vários parâmetros de decisão, 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).)

O comércio de algo é usado em muitas formas de atividades de negociação e investimento, incluindo:

Investidores de médio a longo prazo ou empresas compradoras (fundos de pensão, fundos mútuos, seguradoras) que compram em grandes quantidades, mas não querem influenciar os preços das ações com investimentos discretos e de grande volume. Comerciantes de curto prazo e participantes do lado da venda (formadores de mercado, especuladores e arbitradores) se beneficiam da execução automatizada do comércio; Além disso, o comércio de algo ajuda a criar liquidez suficiente para os vendedores no mercado. Comerciantes sistemáticos (seguidores de tendências, pares de traders, hedge funds, etc.) acham muito mais eficiente programar suas regras de negociação e permitir que o programa troque automaticamente.

O comércio algorítmico fornece uma abordagem mais sistemática ao comércio ativo do que métodos baseados na intuição ou instinto de um comerciante humano.

Estratégias de Negociação Algorítmica.

Qualquer estratégia para negociação algorítmica requer uma oportunidade identificada que seja lucrativa em termos de ganhos aprimorados ou redução de custos. A seguir estão as estratégias de negociação comuns usadas no comércio de algo:

As estratégias de negociação algorítmica mais comuns seguem as tendências de médias móveis, desvios de canal, movimentos de níveis de preços e indicadores técnicos relacionados. Essas são as estratégias mais fáceis e simples de implementar por meio do comércio algorítmico, porque essas estratégias não envolvem previsões nem previsões de preços. As negociações são iniciadas com base na ocorrência de tendências desejáveis, que são fáceis e diretas de implementar por meio 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 estratégias de negociação de tendências, consulte: Estratégias simples para capitalizar tendências.)

Comprar uma ação com cotação dupla a um preço menor em um mercado e, simultaneamente, vendê-la a um preço mais alto em outro mercado oferece o diferencial de preço como lucro ou arbitragem isenta de risco. A mesma operação pode ser replicada para ações versus instrumentos futuros, já que os diferenciais de preço existem de tempos em tempos. Implementar um algoritmo para identificar esses diferenciais de preço e colocar as ordens permite oportunidades lucrativas de maneira eficiente.

Os fundos de índices definiram períodos de reequilíbrio para aproximar seus investimentos aos seus respectivos índices de referência. Isso cria oportunidades lucrativas para os operadores algorítmicos, que capitalizam os negócios esperados que oferecem lucros de 20 a 80 pontos básicos, dependendo do número de ações no fundo de índice, imediatamente antes do rebalanceamento do fundo de índice. Tais negociações são iniciadas através de sistemas de negociação algorítmica para execução atempada e melhores preços.

Muitos modelos matemáticos comprovados, como a estratégia de negociação delta-neutral, que permitem negociar com combinação de opções e seu título subjacente, onde são feitas negociações para compensar deltas positivos e negativos, de modo que o delta do portfólio seja mantido em zero.

A estratégia de reversão à média baseia-se na ideia de que os preços altos e baixos de um ativo são um fenômeno temporário que revertem para o seu valor médio periodicamente. Identificar e definir uma faixa de preço e implementar um algoritmo com base nisso permite que os negócios sejam colocados automaticamente quando o preço do ativo entra e sai de seu intervalo definido.

A estratégia de preço médio ponderado por volume divide uma ordem grande e libera pedaços menores da ordem para o mercado, determinados dinamicamente, usando perfis de volume histórico específicos do estoque. O objetivo é executar o pedido próximo ao Preço Médio Ponderado pelo Volume (VWAP), beneficiando, assim, no preço médio.

A estratégia de preço médio ponderada pelo tempo quebra uma ordem grande e libera dinamicamente pedaços menores da ordem para o mercado usando intervalos de tempo divididos uniformemente entre um horário de início e de término. O objetivo é executar o pedido próximo ao preço médio entre os horários inicial e final, minimizando o impacto no mercado.

Até que a ordem de negociação esteja totalmente preenchida, este algoritmo continua enviando ordens parciais, de acordo com a taxa de participação definida e de acordo com o volume negociado nos mercados. A "estratégia de etapas" relacionada envia pedidos em uma porcentagem definida pelo usuário de volumes de mercado e aumenta ou diminui essa taxa de participação quando o preço da ação atinge níveis definidos pelo usuário.

A estratégia de déficit de implementação visa minimizar o custo de execução de um pedido negociando o mercado em tempo real, economizando assim no custo do pedido e se beneficiando do custo de oportunidade de execução atrasada. A estratégia aumentará a taxa de participação visada quando o preço das ações se mover favoravelmente e diminuirá quando o preço das ações se mover negativamente.

Existem algumas classes especiais de algoritmos que tentam identificar “acontecimentos” do outro lado. Esses "algoritmos de farejamento", usados, por exemplo, por um criador de mercado do lado da venda, têm a inteligência incorporada para identificar a existência de quaisquer algoritmos no lado da compra de uma ordem grande. Essa detecção por meio de algoritmos ajudará o criador de mercado a identificar grandes oportunidades de pedidos e possibilitará que ele se beneficie com o preenchimento dos pedidos a um preço mais alto. Às vezes, isso é identificado como front-running de alta tecnologia. (Para mais informações sobre comércio de alta frequência 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. Os seguintes são necessários:

Conhecimentos de programação de computadores para programar a estratégia de negociação necessária, programadores contratados ou software de negociação pré-fabricados. Conectividade de rede e acesso a plataformas de negociação para colocação de pedidos. Acesso a feeds de dados de mercado que serão monitorados pelo algoritmo para oportunidades de fazer pedidos. para backtest o sistema, uma vez construído, antes de ir viver em mercados reais Dados históricos disponíveis para backtesting, dependendo da complexidade das regras implementadas no algoritmo.

Aqui está um exemplo abrangente: A Royal Dutch Shell (RDS) está listada na Bolsa de Valores de Amsterdã (AEX) e na Bolsa de Valores de Londres (LSE). Vamos criar um algoritmo para identificar oportunidades de arbitragem. Aqui estão algumas observações interessantes:

AEX negocia em Euros, enquanto a LSE negocia em Libras Esterlinas Devido à diferença horária de uma hora, a AEX abre uma hora antes da LSE, seguida pelas duas bolsas sendo negociadas simultaneamente pelas próximas horas e negociando apenas na LSE durante a última hora conforme a AEX fecha .

Podemos explorar a possibilidade de negociação de arbitragem sobre as ações da Royal Dutch Shell listadas nesses dois mercados em duas moedas diferentes?

Um programa de computador que pode ler os preços de mercado atuais Feeds de preços de LSE e AEX Um feed de taxa de câmbio para taxa de câmbio de GBP-EUR Capacidade de colocação de pedidos que pode encaminhar o pedido para a capacidade correta de troca.

O programa de computador deve executar o seguinte:

Leia o feed de preço recebido do estoque RDS de ambas as trocas Usando as taxas de câmbio disponíveis, converta o preço de uma moeda para outra Se houver uma discrepância de preço suficiente (descontando os custos de corretagem) levando a uma oportunidade lucrativa, coloque a compra ordem em troca de preço mais baixo e ordem de venda em troca de preço mais alto 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 puder colocar uma negociação gerada por algoritmos, os outros participantes do mercado também poderão. Consequentemente, os preços flutuam em milissegundos e até microssegundos. No exemplo acima, o que acontece se a transação de compra for executada, mas o comércio de venda não é feito, pois os preços de venda mudam no momento em que seu pedido chega ao mercado? Você vai acabar sentado com uma posição aberta, fazendo com que sua estratégia de arbitragem seja inútil.

Existem riscos e desafios adicionais: por exemplo, riscos de falha do sistema, erros de conectividade de rede, atrasos entre ordens de negociação e execução e, o mais importante de tudo, algoritmos imperfeitos. Quanto mais complexo for um algoritmo, o backtesting mais rigoroso é necessário antes de ser colocado em ação.

The Bottom Line.

A análise quantitativa do desempenho de um algoritmo desempenha um papel importante e deve ser examinada criticamente. É emocionante usar a automação auxiliada por computadores com a noção de ganhar dinheiro sem esforço. Mas é preciso garantir que o sistema seja completamente testado e que os limites necessários sejam definidos. Comerciantes analíticos devem considerar aprender programação e construir sistemas por conta própria, para ter confiança em implementar as estratégias corretas de maneira infalível. Uso cauteloso e testes completos de negociação de algoritmos podem criar oportunidades lucrativas. (Para mais, veja Como codificar seu próprio robô de negociação da Algo.)

No nosso radar.

No nosso radar.

Negociação algorítmica em menos de 100 linhas de código Python.

Se você estiver familiarizado com a negociação financeira e conhecer o Python, poderá iniciar a negociação algorítmica básica em pouco tempo.

Se você quiser saber mais sobre a análise de dados financeiros com o Python, confira o Python for Finance de Yves Hilpisch.

Negociação Algorítmica.

O comércio algorítmico refere-se à negociação automatizada e automatizada de instrumentos financeiros (com base em algum algoritmo ou regra) com pouca ou nenhuma intervenção humana durante as horas de negociação. Quase todos os tipos de instrumentos financeiros - sejam ações, moedas, commodities, produtos de crédito ou volatilidade - podem ser negociados dessa maneira. Não só isso, em certos segmentos de mercado, os algoritmos são responsáveis ​​pela maior parte do volume de negociação. Os livros The Quants, de Scott Patterson, e More Money Than God, de Sebastian Mallaby, pintam uma imagem vívida dos primórdios do comércio algorítmico e das personalidades por trás de sua ascensão.

As barreiras à entrada para negociação algorítmica nunca foram menores. Não muito tempo atrás, somente investidores institucionais com orçamentos de TI na casa dos milhões de dólares poderiam participar, mas hoje mesmo indivíduos equipados apenas com um notebook e uma conexão com a Internet podem começar em poucos minutos. Algumas tendências importantes estão por trás desse desenvolvimento:

Software de código aberto: todo software que um trader precisa para começar em negociação algorítmica está disponível na forma de código aberto; especificamente, o Python se tornou a linguagem e o ecossistema de escolha. Fontes de dados abertas: Mais e mais conjuntos de dados valiosos estão disponíveis em fontes abertas e gratuitas, fornecendo uma variedade de opções para testar hipóteses e estratégias de negociação. Plataformas de negociação on-line: há um grande número de plataformas de negociação on-line que fornecem acesso fácil e padronizado a dados históricos (via RESTful APIs) e dados em tempo real (via APIs de streaming de soquete) e também oferecem recursos de negociação e portfólio (por meio de APIs programáticas). ).

Este artigo mostra como implementar um projeto de comércio algorítmico completo, desde o backtesting da estratégia até a realização de negociações automatizadas em tempo real. Aqui estão os principais elementos do projeto:

Estratégia: Eu escolhi uma estratégia de momentum de série temporal (cf. Moskowitz, Tobias, Yao Hua Ooi e Lasse Heje Pedersen (2012): "Momento Momento Temporal". Journal of Financial Economics, Vol. 104, 228-250.), Que basicamente pressupõe que um instrumento financeiro que tenha funcionado bem / mal continuará a fazê-lo. Plataforma: Eu escolhi Oanda; Ele permite que você negocie uma variedade de contratos alavancados para diferenças (CFDs), que essencialmente permitem apostas direcionais em um conjunto diversificado de instrumentos financeiros (por exemplo, moedas, índices de ações, commodities). Dados: receberemos todos os dados históricos e dados de streaming da Oanda. Software: usaremos o Python em combinação com os poderosos pandas da biblioteca de análise de dados, além de alguns pacotes adicionais do Python.

O seguinte pressupõe que você tenha uma instalação do Python 3.5 disponível com as principais bibliotecas de análise de dados, como NumPy e pandas, incluídas. Se não, você deve, por exemplo, baixar e instalar a distribuição do Anaconda Python.

Conta Oanda.

Na oanda, qualquer pessoa pode registrar-se para uma conta de demonstração gratuita ("negociação de papel") em poucos minutos. Depois de ter feito isso, para acessar a API do Oanda programaticamente, você precisa instalar o pacote relevante do Python:

Para trabalhar com o pacote, você precisa criar um arquivo de configuração com o nome de arquivo oanda. cfg que tenha o seguinte conteúdo:

Substitua as informações acima pelo ID e token que você encontra em sua conta na plataforma Oanda.

A execução deste código prepara você com o objeto principal para trabalhar programaticamente com a plataforma Oanda.

Backtesting

Já criamos tudo o que é necessário para começar com o backtesting da estratégia de momentum. Em particular, somos capazes de recuperar dados históricos da Oanda. O instrumento que usamos é EUR_USD e é baseado na taxa de câmbio EUR / USD.

A primeira etapa do backtesting é recuperar os dados e convertê-los em um objeto DataFrame do pandas. O conjunto de dados é para os dois dias 8 e 9 de dezembro de 2016 e tem uma granularidade de um minuto. A saída no final do bloco de código a seguir fornece uma visão geral detalhada do conjunto de dados. Ele é usado para implementar o backtesting da estratégia de negociação.

Segundo, formalizamos a estratégia de momentum informando ao Python para fazer o retorno médio do log ao longo das últimas barras de 15, 30, 60 e 120 minutos para derivar a posição no instrumento. Por exemplo, o retorno médio do log das últimas barras de 15 minutos fornece o valor médio das últimas 15 observações de retorno. Se este valor for positivo, nós ficamos / permanecemos longos o instrumento negociado; se for negativo, nós ficamos curtos. Para simplificar o código que se segue, apenas confiamos nos valores de closeAsk que recuperamos através do nosso bloco de código anterior:

Terceiro, para derivar o desempenho absoluto da estratégia de momentum para os diferentes intervalos de momentum (em minutos), é preciso multiplicar os posicionamentos derivados acima (deslocados em um dia) pelos retornos de mercado. Veja como fazer isso:

A inspeção do gráfico acima revela que, durante o período do conjunto de dados, o instrumento negociado em si tem um desempenho negativo de cerca de -2%. Entre as estratégias de momentum, a baseada em 120 minutos apresenta um desempenho melhor com um retorno positivo de cerca de 1,5% (ignorando o spread bid / ask). Em princípio, essa estratégia mostra "alfa real": gera um retorno positivo mesmo quando o próprio instrumento mostra um negativo.

Negociação Automatizada.

Depois de ter decidido qual estratégia de negociação implementar, você está pronto para automatizar a operação de negociação. Para acelerar as coisas, estou implementando a negociação automatizada baseada em doze barras de cinco segundos para a estratégia de momentum de série temporal, em vez de barras de um minuto, usadas para o backtesting. Uma única classe bastante concisa faz o truque:

O código abaixo permite que a classe MomentumTrader faça seu trabalho. A negociação automatizada ocorre no momento calculado em 12 intervalos de duração de cinco segundos. A classe interrompe automaticamente a negociação após 250 ticks de dados recebidos. Isso é arbitrário, mas permite uma rápida demonstração da classe MomentumTrader.

A saída acima mostra as negociações individuais executadas pela classe MomentumTrader durante uma execução de demonstração. A captura de tela abaixo mostra o aplicativo de área de trabalho fxTradePractice da Oanda, onde uma negociação da execução da classe MomentumTrader em EUR_USD está ativa.

Todas as saídas de exemplo mostradas neste artigo são baseadas em uma conta demo (onde somente papel-moeda é usado em vez de dinheiro real) para simular negociações algorítmicas. Para mudar para uma operação de negociação real com dinheiro real, você simplesmente precisa criar uma conta real com a Oanda, fornecer fundos reais e ajustar o ambiente e os parâmetros da conta usados ​​no código. O código em si não precisa ser alterado.

Conclusões

Este artigo mostra que você pode iniciar uma operação de negociação algorítmica básica com menos de 100 linhas de código Python. Em princípio, todas as etapas de tal projeto são ilustradas, como recuperar dados para fins de backtesting, fazer backtesting de uma estratégia de momentum e automatizar a negociação com base em uma especificação de estratégia de momentum. O código apresentado fornece um ponto de partida para explorar muitas direções diferentes: usando estratégias de negociação algorítmicas alternativas, negociando instrumentos alternativos, negociando múltiplos instrumentos de uma vez, etc.

A popularidade do comércio algorítmico é ilustrada pela ascensão de diferentes tipos de plataformas. Por exemplo, a Quantopian - uma plataforma de backtesting baseada na web e baseada em Python para estratégias de negociação algorítmica - informou no final de 2016 que atraiu uma base de usuários de mais de 100.000 pessoas. Plataformas de negociação on-line como a Oanda ou aquelas para criptomoedas como a Gemini permitem que você comece em mercados reais em poucos minutos e atenda a milhares de traders ativos em todo o mundo.

Se você quiser saber mais sobre como analisar dados financeiros com o Python, confira o Python for Finance de Yves Hilpisch.