Otimização De Sistemas De Negociação E Carteiras

Exemplos de problemas de otimização Você pode me mostrar exemplos semelhantes ao meu problema Download 119 Modelos de exemplo agora A otimização é uma ferramenta com aplicativos em muitas indústrias e áreas funcionais. Para saber mais, inscreva-se para ver exemplos selecionados on-line por área funcional ou indústria. Aqui está uma lista abrangente de modelos de exemplo que você terá acesso ao login. Você pode executar todos esses modelos com o Solver do Excel básico. Quando você baixar e instalar uma versão de avaliação gratuita dos nossos Solvers aprimorados para desktop Microsoft Excel, você verá que mais de noventa (90) modelos de exemplo pequenos, mas totalmente funcionais estão disponíveis para seu uso - abrangendo otimização convencional, simulação e análise de risco, Análise de decisão (usando árvores de decisão), otimização de simulação, otimização estocástica e otimização robusta. Você pode fazer isso a qualquer momento depois de se inscrever. Exemplos por Área Funcional Corporate Finance Working Capital Management. Investir em CDs de 1 mês, 3 meses e 6 meses para maximizar o interesse enquanto cumpre com os requisitos de caixa Orçamento de capital. Escolha uma combinação de projetos de capital para maximizar o VPL global (Valor Presente Líquido). Compare as políticas de estoque e reordenamento de investimento com o modelo de Cash Management da EOQ (Quantidade de Ordem Econômica). Determinar onde localizar lockboxes para minimizar o flutuador ou juros perdidos devido atrasos de envio Planejamento de Capacidade. Determinar quais plantas devem ser abertas ou fechadas Otimização de Carteira de Investimentos - Modelo Markowitz. Alocar fundos para ações para minimizar o risco para uma taxa de retorno alvo - com variâncias conhecidas ou calculadas e covariâncias Gestão de Carteira de Ações. Usa uma macro VBA para otimizar vários cenários de risco mínimo com taxas de retorno de destino diferentes e, em seguida, desenha um gráfico da eficiente otimização de carteira de fronteira - Modelo Sharpe (CAPM). Usos Excels funções de regressão para calcular alfas e betas para ações em relação a um índice de mercado, em seguida, usá-los para encontrar um portfólio eficiente Bond Portfolio Management. Alocar fundos a obrigações para maximizar o retorno, garantindo simultaneamente que a duração da carteira é igual ao horizonte de investimento para o vencimento - com durações conhecidas ou calculadas. Alocar fundos para títulos para maximizar o retorno da carteira, garantindo que as responsabilidades periódicas são atendidas - com ou sem reinvestimento Produção Mix de produtos. Determine quantos produtos de cada tipo montar a partir de determinadas partes para maximizar os lucros, enquanto não excede inventário de peças disponíveis Alocação de máquina. Atribuir a produção de um produto para diferentes máquinas, com diferentes capacidades, custo de inicialização e custo operacional, para atender a meta de produção a um custo mínimo Blending. Determinar que matérias-primas de diferentes fontes devem ser misturadas para produzir uma substância com certas qualidades desejadas com um custo mínimo Seleção do Processo - Decidir qual dos vários processos (com diferentes velocidades, custos, etc.) deve ser usado para produzir uma quantidade desejada de produto em um Determinado período de tempo, a um custo mínimo. Determinar como cortar pedaços maiores de madeira, aço, etc em pedaços menores de tamanhos desejados, cada um necessário em determinadas quantidades, para minimizar a distribuição de resíduos modelo de transporte. Determinar quantos produtos devem ser enviados de cada fábrica para cada armazém, ou de cada fábrica para cada armazém e direto para cada cliente final, para minimizar o custo de transporte enquanto satisfazem as demandas do armazém e não excedem os fornecimentos de fábrica Multi-Level, Multi-Commodity Transportation Model. Determine quantos produtos de vários tipos diferentes devem ser enviados de cada fábrica para cada armazém e cada cliente, para minimizar o custo total de transporte, atendendo às demandas e não excedendo as capacidades e suprimentos. Carregamento Parcial - Decida que tamanhos ou tipos de produtos para carregar em um veículo, Dado o seu tamanho limite, para melhor atender a demanda ou para minimizar o espaço desperdiçado Facilidade Localização. Determine quais (se houver) plantas para fechar para minimizar os custos totais, incluindo custos operacionais fixos e custos de transporte entre as instalações. Determinar quantos produtos produzir em cada fábrica e enviar para armazéns e clientes, para minimizar os custos totais, enquanto cumpre as exigências, capacidades de armazém e fornecimentos de fábrica Adjudicação de Contratos de Compras - Contratos de adjudicação a fornecedores que tenham oferecido certos preços para fornecer produtos para instalações em vários estados - permitir lances especificando um tamanho mínimo para cada estado Inventory StockingReordering. Planejamento de mídia - Decida o quanto de publicidade para comprar em diferentes mídias para minimizar o custo total, enquanto alcançar um nível de alvo de alcance ou freqüência de compra de modelo de transporte. Determine quanto comprar de diferentes fornecedores a preços especificados, para serem enviados de seus locais para várias plantas, para minimizar os custos totais, incluindo os custos de compra e transporte. Atribuir tripulações a diferentes segmentos de voo da linha aérea para minimizar o custo total, assegurando que a rotação da tripulação começa e termina na mesma atribuição de escritório da cidade. Atribuir empregados a escritórios disponíveis para maximizar a satisfação das preferências dos empregados Employee Scheduling. Programe os funcionários do parque para turnos semanais (cinco dias úteis, mais dois dias consecutivos de folga) para minimizar os custos de folha de pagamento, atendendo a demanda variável para cada dia da semana, levando em conta, eventualmente, a antiguidade e as preferências dos funcionários. Decidir quantos funcionários para treinar, contratar e demitir para atender às mudanças nos requisitos de composição da força de trabalho, minimizando os custos ou a movimentação de funcionários. Decida quantas tropas devem passar de vários campos para várias outras bases, para minimizar o tempo de movimento ou o custo total. Exemplos da Industry Airlines e Trucking Crew Scheduling. Dado um cronograma de vôo, atribuições de aeronaves e restrições nos períodos de serviço, aloque as tripulações mais efetivamente aos vôos Roteamento e Atribuição da Frota. Determinar quais aeronaves voar em cada rota, e a seqüência de segmentos voados por cada aeronave Revenue Management. Para diferentes classes de bilhetes, determine quantos assentos para vender ou reter como aproximações de data de vôo Combinação de gasolina de petróleo e gás. A partir de hidrocarbonetos com classificações de octanas específicas, pressão de vapor, volatilidade e custo, determine quanto de cada um deve ser misturado em conjunto para produzir regular, midgrade, gasolina premium e Contrato de Compra. Com a demanda prevista, mas incerta para o gás, determinar que os contratos de compra, e quanto de gás para armazenar em momentos diferentes. Determinar quais lances, a preços diferentes, devem ser concedidos para maximizar a receita de vendas, sem exceder a capacidade diária do pipeline. Problemas de estoques de madeira, papel e aço. Determinar o padrão de corte de grandes em pequenos pedaços que atende a demanda e, ao mesmo tempo, minimizar o desperdício. Planejamento de planta de agricultura: Dada a previsão de preços de culturas e condições de cultivo, determine quanto de cada uma Colheita a planta. Dadas as exigências nutricionais para animais de ração eo preço de alimentações disponíveis, encontrar a mistura de ingredientes de ração que irá minimizar o custo total Engenharia Elétrica Gerador Compromisso. Dada a demanda prevista por período e custo operacional para cada gerador, determine quais geradores devem ser executados em cada intervalo de tempo de Negociação de Energia Elétrica. Maximizar o valor das vendas de eletricidade em um ambiente de leilões contínuo Serviços Financeiros Portfólios Eficientes. Dadas previsões de retornos, variações e covariâncias de ações, obrigações ou classes de ativos, alocar fundos para investimentos para minimizar o risco de carteira para uma determinada taxa de retorno. Resolver um problema de otimização de carteira que minimiza o erro de rastreamento de um fundo refletindo um índice composto por milhares de títulos de Gestão de Ativos AssetLiability. Alocar fundos para vários investimentos para maximizar o retorno da carteira, assegurando que as responsabilidades periódicas sejam totalmente financiadas. O seu download incluirá: 119 Modelos de exemplo Acesso ao suporte de software via Live Chat Amplificador do telefone Apoio por e-mail Novo usuário Guia de Início Rápido Frontline Solvers User Manual Analytic Solver Plataforma Licença de 15 dias 15 dias de teste do AnalyticSolver Ver e baixar arquivos de exemplo (Todos os campos são obrigatórios) Arquitetura do piso de negociação Arquitetura do piso Visão geral do executivo Maior concorrência, maior volume de dados do mercado e novas demandas regulatórias são algumas das forças motrizes por trás Mudanças na indústria. As empresas estão tentando manter sua vantagem competitiva, mudando constantemente suas estratégias de negociação e aumentando a velocidade de negociação. Uma arquitetura viável deve incluir as mais recentes tecnologias de domínios de rede e aplicativos. Ele tem de ser modular para fornecer um caminho gerenciável para evoluir cada componente com o mínimo de interrupção para o sistema global. Portanto, a arquitetura proposta neste artigo é baseada em uma estrutura de serviços. Examinamos serviços como mensagens de latência ultra baixa, monitoramento de latência, multicast, computação, armazenamento, virtualização de dados e aplicativos, resiliência comercial, mobilidade comercial e thin client. A solução para os requisitos complexos da plataforma de negociação da próxima geração deve ser construída com uma mentalidade holística, cruzando os limites dos silos tradicionais, como negócios e tecnologia ou aplicações e redes. Este documento tem como principal objetivo fornecer diretrizes para a construção de uma plataforma de negociação de latência ultra-baixa, ao mesmo tempo em que otimiza o débito bruto ea taxa de mensagens para os dados de mercado e as ordens de negociação FIX. Para isso, propomos as seguintes tecnologias de redução de latência: Conectividade de alta velocidadeInfiniBand ou conectividade de 10 Gbps para o cluster de negociação Bus de mensagens de alta velocidade Aceleração de aplicativos via RDMA sem re-código de aplicação Monitoramento de latência em tempo real e re-direção de Negociação de tráfego para o caminho com latência mínima Indústria Tendências e Desafios arquiteturas de negociação de última geração têm de responder às crescentes exigências de velocidade, volume e eficiência. Por exemplo, espera-se que o volume de dados de mercado de opções duplique após a introdução de opções de negociação de moeda de um centavo em 2007. Existem também demandas regulatórias para melhor execução, que exigem o manuseio de atualizações de preço a taxas que se aproximam de 1M msgsec. Para trocas. Eles também exigem visibilidade na frescura dos dados e prova de que o cliente tem a melhor execução possível. No curto prazo, a velocidade de negociação e inovação são diferenciais chave. Um número crescente de negócios são manipulados por aplicações de negociação algorítmicas colocadas o mais próximo possível do local de execução de negócios. Um desafio com esses motores de negociação de quotblack-boxquot é que eles combinam o aumento de volume através da emissão de ordens apenas para cancelá-los e voltar a submetê-los. A causa desse comportamento é a falta de visibilidade em qual local oferece melhor execução. O comerciante humano é agora um engenheiro quotfinancial, quotquantquot (analista quantitativo) com habilidades de programação, que pode ajustar os modelos de negociação na mosca. As empresas desenvolvem novos instrumentos financeiros como os derivados do tempo ou transacções de classes de activos cruzados e precisam de implementar as novas aplicações de forma rápida e escalável. A longo prazo, a diferenciação competitiva deve vir da análise, não apenas do conhecimento. Os comerciantes estrela de amanhã assumir o risco, alcançar verdadeira visão do cliente e consistentemente bater o mercado (fonte IBM: www-935.ibmservicesusimcpdfge510-6270-trader. pdf). A resiliência do negócio tem sido uma das principais preocupações das empresas comerciais desde 11 de setembro de 2001. Soluções nesta área variam de centros de dados redundantes situados em diferentes geografias e conectados a múltiplos locais de negociação para soluções de comerciante virtual oferecendo comerciantes poder a maioria da funcionalidade de um piso comercial Em um local remoto. O setor de serviços financeiros é um dos mais exigentes em termos de requisitos de TI. A indústria está experimentando uma mudança arquitetônica em direção à Arquitetura Orientada a Serviços (SOA), serviços da Web e virtualização de recursos de TI. O SOA aproveita o aumento da velocidade da rede para permitir a vinculação dinâmica ea virtualização de componentes de software. Isso permite a criação de novas aplicações sem perder o investimento em sistemas e infraestrutura existentes. O conceito tem o potencial de revolucionar a forma como a integração é feita, permitindo reduções significativas na complexidade e custo de tal integração (gigaspacesdownloadMerrilLynchGigaSpacesWP. pdf). Outra tendência é a consolidação de servidores em farms de servidores de data centers, enquanto as mesas de comerciantes têm apenas extensões KVM e clientes ultrafinos (por exemplo, soluções blade SunRay e HP). As redes de área metropolitana de alta velocidade permitem que os dados de mercado sejam multicast entre diferentes locais, permitindo a virtualização do pregão. Arquitetura de Alto Nível A Figura 1 descreve a arquitetura de alto nível de um ambiente de negociação. A planta de ticker e os motores de negociação algorítmicos estão localizados no cluster de negociação de alto desempenho no data center da empresa ou na central. Os comerciantes humanos estão localizados na área de aplicações do usuário final. Funcionalmente, há dois componentes de aplicativo no ambiente de negócios corporativo, editores e assinantes. O barramento de mensagens fornece o caminho de comunicação entre editores e assinantes. Existem dois tipos de tráfego específicos para um ambiente de negociação: Market DataCarries informações de preços de instrumentos financeiros, notícias e outras informações de valor agregado, como analítica. Ele é unidirecional e muito sensível à latência, geralmente fornecido através de multicast UDP. É medido em updatessec. E em Mbps. Os dados de mercado fluem de um ou vários feeds externos, provenientes de fornecedores de dados de mercado, como bolsas de valores, agregadores de dados e ECNs. Cada provedor tem seu próprio formato de dados de mercado. Os dados são recebidos por manipuladores de alimentação, aplicações especializadas que normalizam e limpam os dados e, em seguida, enviá-lo para os consumidores de dados, como motores de precificação, aplicações de negociação algorítmica ou comerciantes humanos. As firmas de venda também enviam os dados de mercado para seus clientes, firmas de buy-side, como fundos mútuos, hedge funds e outros gestores de ativos. Algumas empresas de buy-side podem optar por receber feeds diretos de trocas, reduzindo latência. Figura 1 Arquitetura de Negociação para uma Firma Side Side da Buy Não existe um padrão da indústria para formatos de dados de mercado. Cada troca tem seu formato proprietário. Fornecedores de conteúdo financeiro como Reuters e Bloomberg agregam diferentes fontes de dados de mercado, normalizam-no e adicionam notícias ou análises. Exemplos de feeds consolidados são RDF (Feed de dados da Reuters), RWF (Reuters Wire Format) e Bloomberg Professional Services Data. Para fornecer dados de mercado de latência mais baixos, ambos os fornecedores liberaram feeds de dados de mercado em tempo real que são menos processados ​​e têm menos análises: Bloomberg B-Pipe Com B-Pipe, Bloomberg desacopla seu feed de dados de mercado de sua plataforma de distribuição porque um terminal Bloomberg Não é necessário para obter B-Pipe. Wombat e Reuters Feed Handlers anunciaram suporte para B-Pipe. Uma empresa pode decidir receber feeds diretamente de uma troca para reduzir a latência. Os ganhos na velocidade de transmissão podem estar entre 150 milissegundos a 500 milissegundos. Estes feeds são mais complexos e mais caros ea empresa tem que construir e manter sua própria planta de ticker (financetechfeaturedshowArticle. jhtmlarticleID60404306). Ordens de Negociação Este tipo de tráfego transporta os negócios reais. É bidirecional e muito sensível à latência. É medido em messagessec. E Mbps. As ordens provêm de um lado de compra ou vendem lado firme e são enviados para locais de negociação como um Exchange ou ECN para execução. O formato mais comum para o transporte de pedidos é FIX (Financial Information eXchangefixprotocol. org). Os aplicativos que manipulam mensagens FIX são chamados de mecanismos FIX e eles interagem com sistemas de gerenciamento de pedidos (OMS). Uma otimização para FIX é chamada FAST (Fix Adapted for Streaming), que usa um esquema de compressão para reduzir o comprimento da mensagem e, na verdade, reduzir a latência. FAST é direcionado mais para a entrega de dados de mercado e tem o potencial para se tornar um padrão. O FAST também pode ser usado como um esquema de compressão para formatos de dados de mercado proprietários. Para reduzir a latência, as empresas podem optar por estabelecer acesso direto ao mercado (DMA). DMA é o processo automatizado de roteamento de uma ordem de títulos diretamente para um local de execução, evitando assim a intervenção de um terceiro (towergroupresearchcontentglossary. jsppage1ampglossaryId383). O DMA requer uma conexão direta com o local de execução. O barramento de mensagens é software de middleware de fornecedores como Tibco, 29West, Reuters RMDS ou uma plataforma de código aberto, como o AMQP. O barramento de mensagens usa um mecanismo confiável para entregar mensagens. O transporte pode ser feito através de TCPIP (TibcoEMS, 29West, RMDS e AMQP) ou UDPmulticast (TibcoRV, 29West e RMDS). Um conceito importante na distribuição de mensagens é o fluxo quototópico, que é um subconjunto de dados de mercado definido por critérios como símbolo de ticker, indústria ou uma determinada cesta de instrumentos financeiros. Os assinantes aderem a grupos de tópicos mapeados para um ou vários subtópicos, a fim de receber apenas as informações relevantes. No passado, todos os comerciantes receberam todos os dados do mercado. Nos volumes de tráfego atuais, isso seria sub-ótimo. A rede desempenha um papel crítico no ambiente de negociação. Dados de mercado são levados para o pregão onde os comerciantes humanos estão localizados através de uma rede de alta velocidade do Campus ou da Área Metropolitana. Alta disponibilidade e baixa latência, bem como alta taxa de transferência, são as métricas mais importantes. O ambiente de negociação de alto desempenho tem a maioria de seus componentes no farm de servidores do Data Center. Para minimizar a latência, os mecanismos de negociação algorítmica precisam estar localizados na proximidade dos manipuladores de alimentação, motores FIX e sistemas de gerenciamento de pedidos. Um modelo de implantação alternativo tem os sistemas de negociação algorítmicos localizados em uma central ou um provedor de serviços com conectividade rápida a várias centrais. Modelos de implantação Existem dois modelos de implantação para uma plataforma de negociação de alto desempenho. As empresas podem optar por ter uma mistura dos dois: Data Center da empresa comercial (Figura 2) Este é o modelo tradicional, onde uma plataforma de negociação de pleno direito é desenvolvido e mantido pela empresa com links de comunicação para todos os locais de negociação. A latência varia com a velocidade das ligações eo número de saltos entre a empresa e os locais. Figura 2 Modelo de implantação tradicional Co-localização no local de negociação (trocas, provedores de serviços financeiros (FSP)) (Figura 3) A empresa de negociação implanta sua plataforma de negociação automatizada o mais próximo possível dos locais de execução para minimizar latência. Figura 3 Arquitetura de Negociação Orientada a Serviços de Modelo de Distribuição Hospedada Estamos propondo uma estrutura orientada a serviços para a construção da arquitetura de negociação de próxima geração. Essa abordagem fornece uma estrutura conceitual e um caminho de implementação baseado na modularização e minimização de interdependências. Este quadro fornece às empresas uma metodologia para: Avaliar o seu estado actual em termos de serviços Priorizar os serviços com base no seu valor para o negócio Evoluir a plataforma de negociação para o estado desejado usando uma abordagem modular A arquitetura de alto desempenho comercial depende dos seguintes serviços, Definido pela estrutura de arquitetura de serviços representada na Figura 4. Figura 4 Arquitetura de Arquitetura de Serviço para o Serviço de Mensagens de Latência Ultra-Baixa de Alto Desempenho Este serviço é fornecido pelo barramento de mensagens, que é um sistema de software que resolve o problema da conexão de muitos - Muitas aplicações. O sistema consiste em: Um conjunto de esquemas de mensagem pré-definidos Um conjunto de mensagens de comando comuns Uma infra-estrutura de aplicativo compartilhada para o envio de mensagens para os destinatários. A infra-estrutura compartilhada pode ser baseada em um broker de mensagens ou em um modelo publishsubscribe. (Por exemplo, menos de 100 microsegundos) Estabilidade sob carga pesada (por exemplo, mais de 1,4 milhões de msgs.) Controle e flexibilidade (controle de taxa e transportes configuráveis) Lá São esforços na indústria para padronizar o barramento de mensagens. O Advanced Message Queuing Protocol (AMQP) é um exemplo de um padrão aberto defendido por J. P. Morgan Chase e apoiado por um grupo de fornecedores como Cisco, Envoy Technologies, Red Hat, TWIST Process Innovations, Iona, 29West e iMatix. Dois dos principais objetivos são fornecer um caminho mais simples para interoperabilidade para aplicações escritas em diferentes plataformas e modularidade para que o middleware possa ser facilmente evoluído. Em termos muito gerais, um servidor AMQP é análogo a um servidor de correio electrónico com cada intercâmbio actuando como um agente de transferência de mensagens e cada fila de mensagens como uma caixa de correio. As ligações definem as tabelas de roteamento em cada agente de transferência. Os editores enviam mensagens para agentes de transferência individuais, que encaminham as mensagens para caixas de correio. Os consumidores tomam mensagens de caixas de correio, o que cria um modelo poderoso e flexível que é simples (fonte: amqp. orgtikiwikitiki-index. phppageOpenApproachWhyAMQP). Latência Monitoramento Os principais requisitos para este serviço são: Sub-millisecond granularidade de medições Visibilidade em tempo quase-real, sem adicionar latência para o tráfego de negociação Capacidade de diferenciar latência de processamento de aplicativos de latência de trânsito de rede Capacidade de lidar com altas taxas de mensagem Fornecer uma interface programática para Permitindo que os motores de negociação algorítmicos se adaptem às condições de mudança. Correlacione eventos de rede com eventos de aplicação para fins de resolução de problemas. A latência pode ser definida como o intervalo de tempo entre quando uma ordem comercial é enviada e quando a mesma ordem é reconhecida e atuada Pela parte receptora. Abordar o problema de latência é um problema complexo, que requer uma abordagem holística que identifica todas as fontes de latência e aplica diferentes tecnologias em diferentes camadas do sistema. A Figura 5 ilustra a variedade de componentes que podem introduzir latência em cada camada da pilha OSI. Ele também mapeia cada fonte de latência com uma solução possível e uma solução de monitoramento. Esta abordagem em camadas pode dar às empresas uma forma mais estruturada de atacar o problema de latência, pelo qual cada componente pode ser pensado como um serviço e tratado de forma consistente em toda a empresa. Manter uma medida precisa do estado dinâmico desse intervalo de tempo em rotas alternativas e destinos pode ser de grande ajuda nas decisões de negociação táticas. A capacidade de identificar a localização exata dos atrasos, seja na rede de borda de clientes, no hub de processamento central ou no nível de aplicação de transação, determina significativamente a capacidade dos provedores de serviços de atender a seus acordos de nível de serviço de negociação (SLAs). Para os formulários de buy-side e sell-side, bem como para os distribuidores de dados de mercado, a rápida identificação e remoção de estrangulamentos se traduz diretamente em oportunidades de comércio aprimorado e receita. Figura 5 Arquitetura de Gerenciamento de Latência Ferramentas de Monitoramento de Baixa Latência da Cisco As ferramentas de monitoramento de rede tradicionais operam com granularidade de minutos ou segundos. As plataformas de negociação da próxima geração, especialmente aquelas que suportam negociação algorítmica, exigem latências inferiores a 5 ms e níveis extremamente baixos de perda de pacotes. Em uma LAN Gigabit, um microburst de 100 ms pode causar 10.000 transações a serem perdidas ou excessivamente atrasadas. A Cisco oferece aos seus clientes uma variedade de ferramentas para medir a latência em um ambiente de negociação: Gerenciador de qualidade de largura de banda (BQM) (OEM de Corvil) Gerenciador de qualidade de largura de banda (BQM) 4.0 da Cisco AON Um produto de gerenciamento de desempenho de aplicativos de rede de próxima geração que permite aos clientes monitorar e provisionar sua rede para níveis controlados de latência e desempenho de perda. Enquanto a BQM não é exclusivamente direcionada para redes comerciais, sua visibilidade de microssegundos combinada com recursos inteligentes de fornecimento de largura de banda o tornam ideal para esses ambientes exigentes. O Cisco BQM 4.0 implementa um amplo conjunto de tecnologias de medição de tráfego e de análise de tráfego patenteadas e patenteadas que dão ao usuário visibilidade e compreensão sem precedentes de como otimizar a rede para o máximo desempenho da aplicação. O Cisco BQM é agora suportado na família de produtos do Cisco Application Deployment Engine (ADE). A família de produtos ADE da Cisco é a plataforma preferida para aplicações de gerenciamento de rede da Cisco. Benefícios do BQM A micro-visibilidade do Cisco BQM é a capacidade de detectar, medir e analisar latência, jitter e perda induzindo eventos de tráfego até níveis de microsegundo de granularidade com resolução por pacote. Isso permite que o Cisco BQM detecte e determine o impacto de eventos de tráfego na latência, jitter e perda da rede. Crítico para ambientes comerciais é que o BQM pode suportar medições de latência, perda e jitter de sentido único para tráfego TCP e UDP (multicast). Isso significa que relatórios de forma transparente para o tráfego de negociação e feeds de dados do mercado. BQM permite ao usuário especificar um conjunto abrangente de limiares (contra atividade de microburst, latência, perda, jitter, utilização, etc.) em todas as interfaces. BQM, em seguida, opera uma captura de pacotes de rolamento de fundo. Sempre que ocorre uma violação de limite ou outro evento de degradação de desempenho potencial, ele dispara o Cisco BQM para armazenar a captura de pacotes no disco para análise posterior. Isso permite que o usuário examine detalhadamente tanto o tráfego de aplicativos que foi afetado pela degradação de desempenho (quotthe vítimas) quanto o tráfego que causou a degradação de desempenho (quotthe culpritsquot). Isso pode reduzir significativamente o tempo gasto diagnosticando e resolvendo problemas de desempenho da rede. O BQM também é capaz de fornecer recomendações detalhadas de fornecimento de políticas de largura de banda e qualidade de serviço (QoS), que o usuário pode aplicar diretamente para alcançar o desempenho desejado da rede. Medições de BQM ilustradas Para entender a diferença entre algumas das técnicas de medição mais convencionais ea visibilidade fornecida pelo BQM, podemos olhar para alguns gráficos de comparação. No primeiro conjunto de gráficos (Figura 6 e Figura 7), vemos a diferença entre a latência medida pelo BQMs Passive Network Quality Monitor (PNQM) e a latência medida injetando pacotes ping a cada 1 segundo no fluxo de tráfego. Na Figura 6. vemos a latência relatada por pacotes de ping de 1-segundo ICMP para tráfego de rede real (é dividido por 2 para dar uma estimativa para o atraso unidirecional). Ele mostra o atraso confortavelmente abaixo de cerca de 5ms para quase todo o tempo. Figura 6 Latência relatada por pacotes de ping ICMP de 1 segundo para tráfego de rede real Na Figura 7, vemos a latência relatada pelo PNQM para o mesmo tráfego ao mesmo tempo. Aqui vemos que, ao medir a latência unidirecional dos pacotes de aplicativos reais, obtemos uma imagem radicalmente diferente. Aqui a latência é vista como pairando em torno de 20 ms, com explosões ocasionais muito mais altas. A explicação é que, como o ping está enviando pacotes apenas a cada segundo, falta completamente a maior parte da latência do aplicativo. De fato, os resultados de ping tipicamente indicam somente o atraso de propagação de ida e volta em vez da latência de aplicativo realística na rede. No segundo exemplo (Figura 8), vemos a diferença nos níveis de carga ou saturação de link relatados entre uma visualização média de 5 minutos e uma visualização de microburst de 5 ms (o BQM pode relatar microbursts down A cerca de 10-100 nanossegundos de precisão). A linha verde mostra a utilização média em médias de 5 minutos para ser baixa, talvez até 5 Mbitss. O gráfico azul escuro mostra a atividade microburst 5ms atingindo entre 75 Mbitss e 100 Mbitss, a velocidade LAN de forma eficaz. O BQM mostra esse nível de granularidade para todas as aplicações e também fornece regras de provisionamento claras para permitir ao usuário controlar ou neutralizar esses microbursts. Figura 8 Diferença na carga de ligação reportada entre uma vista média de 5 minutos e uma vista de microburst de 5 ms Implementação de BQM na rede de negociação A Figura 9 mostra uma implementação BQM típica numa rede de negociação. Figura 9 Implementação típica de BQM em uma rede de negociação O BQM pode ser usado para responder a esses tipos de perguntas: Algum de meus links principais de LAN Gigabit está saturado por mais de X milissegundos Isso está causando perda Quais links serão mais beneficiados com uma atualização para Etherchannel ou 10 Gigabit velocidades Que tráfego de aplicativos está causando a saturação de meus links de 1 Gigabit É qualquer um dos dados de mercado experimentando perda de ponta a ponta Quanto latência adicional faz a experiência de centro de dados de failover É este link dimensionado corretamente para lidar com microbursts São meus comerciantes Recebendo atualizações de baixa latência da camada de distribuição de dados de mercado Eles estão vendo quaisquer atrasos superiores a X milissegundos Ser capaz de responder a essas perguntas de forma simples e eficaz economiza tempo e dinheiro na execução da rede comercial. BQM é uma ferramenta essencial para ganhar visibilidade em dados de mercado e ambientes comerciais. Ele fornece medições de latência end-to-end granular em infra-estruturas complexas que experimentam movimento de dados de alto volume. Detectar microbursts efetivamente em níveis de sub-milissegundos e receber a análise de especialistas em um evento específico é inestimável para os arquitetos do pregão. Recomendações de provisionamento de largura de banda inteligente, como dimensionamento e análise de simulação, proporcionam maior agilidade para responder a condições de mercado voláteis. À medida que a explosão da negociação algorítmica e o aumento das taxas de mensagens continuam, o BQM, combinado com sua ferramenta QoS, fornece a capacidade de implementar políticas QoS que podem proteger aplicativos comerciais críticos. Solução de Monitoramento de Latência da Cisco Financial Services A Cisco e a Trading Metrics colaboraram em soluções de monitoramento de latência para o fluxo de pedidos FIX e monitoramento de dados de mercado. A tecnologia AON da Cisco é a base para uma nova classe de produtos e soluções embutidas em rede que ajudam a mesclar redes inteligentes com infra-estrutura de aplicativos, com base em arquiteturas orientadas a serviços ou tradicionais. A Trading Metrics é um fornecedor líder de software analítico para infra-estrutura de rede e fins de monitoramento de latência de aplicativos (tradingmetrics). A Solução de Monitoramento de Latência de Serviços Financeiros (FSMS) do Cisco AON correlacionou dois tipos de eventos no ponto de observação: Eventos de rede correlacionados diretamente com manipulação de mensagens de aplicativo coincidentes Fluxo de ordens comerciais e eventos de atualização de mercado coincidentes Usando carimbos de tempo afirmados no ponto de captura no network, real-time analysis of these correlated data streams permits precise identification of bottlenecks across the infrastructure while a trade is being executed or market data is being distributed. By monitoring and measuring latency early in the cycle, financial companies can make better decisions about which network serviceand which intermediary, market, or counterpartyto select for routing trade orders. Likewise, this knowledge allows more streamlined access to updated market data (stock quotes, economic news, etc.), which is an important basis for initiating, withdrawing from, or pursuing market opportunities. The components of the solution are: AON hardware in three form factors: AON Network Module for Cisco 2600280037003800 routers AON Blade for the Cisco Catalyst 6500 series AON 8340 Appliance Trading Metrics MampA 2.0 software, which provides the monitoring and alerting application, displays latency graphs on a dashboard, and issues alerts when slowdowns occur (tradingmetricsTMbrochure. pdf ). Figure 10 AON-Based FIX Latency Monitoring Cisco IP SLA Cisco IP SLA is an embedded network management tool in Cisco IOS which allows routers and switches to generate synthetic traffic streams which can be measured for latency, jitter, packet loss, and other criteria (ciscogoipsla ). Two key concepts are the source of the generated traffic and the target. Both of these run an IP SLA quotresponder, quot which has the responsibility to timestamp the control traffic before it is sourced and returned by the target (for a round trip measurement). Various traffic types can be sourced within IP SLA and they are aimed at different metrics and target different services and applications. The UDP jitter operation is used to measure one-way and round-trip delay and report variations. As the traffic is time stamped on both sending and target devices using the responder capability, the round trip delay is characterized as the delta between the two timestamps. A new feature was introduced in IOS 12.3(14)T, IP SLA Sub Millisecond Reporting, which allows for timestamps to be displayed with a resolution in microseconds, thus providing a level of granularity not previously available. This new feature has now made IP SLA relevant to campus networks where network latency is typically in the range of 300-800 microseconds and the ability to detect trends and spikes (brief trends) based on microsecond granularity counters is a requirement for customers engaged in time-sensitive electronic trading environments. As a result, IP SLA is now being considered by significant numbers of financial organizations as they are all faced with requirements to: Report baseline latency to their users Trend baseline latency over time Respond quickly to traffic bursts that cause changes in the reported latency Sub-millisecond reporting is necessary for these customers, since many campus and backbones are currently delivering under a second of latency across several switch hops. Electronic trading environments have generally worked to eliminate or minimize all areas of device and network latency to deliver rapid order fulfillment to the business. Reporting that network response times are quotjust under one millisecondquot is no longer sufficient the granularity of latency measurements reported across a network segment or backbone need to be closer to 300-800 micro-seconds with a degree of resolution of 100 igrave seconds. IP SLA recently added support for IP multicast test streams, which can measure market data latency. A typical network topology is shown in Figure 11 with the IP SLA shadow routers, sources, and responders. Figure 11 IP SLA Deployment Computing Services Computing services cover a wide range of technologies with the goal of eliminating memory and CPU bottlenecks created by the processing of network packets. Trading applications consume high volumes of market data and the servers have to dedicate resources to processing network traffic instead of application processing. Transport processingAt high speeds, network packet processing can consume a significant amount of server CPU cycles and memory. An established rule of thumb states that 1Gbps of network bandwidth requires 1 GHz of processor capacity (source Intel white paper on IO acceleration inteltechnologyioacceleration306517.pdf ). Intermediate buffer copyingIn a conventional network stack implementation, data needs to be copied by the CPU between network buffers and application buffers. This overhead is worsened by the fact that memory speeds have not kept up with increases in CPU speeds. For example, processors like the Intel Xeon are approaching 4 GHz, while RAM chips hover around 400MHz (for DDR 3200 memory) (source Intel inteltechnologyioacceleration306517.pdf ). Context switchingEvery time an individual packet needs to be processed, the CPU performs a context switch from application context to network traffic context. This overhead could be reduced if the switch would occur only when the whole application buffer is complete. Figure 12 Sources of Overhead in Data Center Servers TCP Offload Engine (TOE)Offloads transport processor cycles to the NIC. Moves TCPIP protocol stack buffer copies from system memory to NIC memory. Remote Direct Memory Access (RDMA)Enables a network adapter to transfer data directly from application to application without involving the operating system. Eliminates intermediate and application buffer copies (memory bandwidth consumption). Kernel bypass Direct user-level access to hardware. Dramatically reduces application context switches. Figure 13 RDMA and Kernel Bypass InfiniBand is a point-to-point (switched fabric) bidirectional serial communication link which implements RDMA, among other features. Cisco offers an InfiniBand switch, the Server Fabric Switch (SFS): ciscoapplicationpdfenusguestnetsolns500c643cdccont0900aecd804c35cb. pdf. Figure 14 Typical SFS Deployment Trading applications benefit from the reduction in latency and latency variability, as proved by a test performed with the Cisco SFS and Wombat Feed Handlers by Stac Research: Application Virtualization Service De-coupling the application from the underlying OS and server hardware enables them to run as network services. One application can be run in parallel on multiple servers, or multiple applications can be run on the same server, as the best resource allocation dictates. This decoupling enables better load balancing and disaster recovery for business continuance strategies. The process of re-allocating computing resources to an application is dynamic. Using an application virtualization system like Data Synapses GridServer, applications can migrate, using pre-configured policies, to under-utilized servers in a supply-matches-demand process (wwwworkworldsupp2005ndc1022105virtual. htmlpage2 ). There are many business advantages for financial firms who adopt application virtualization: Faster time to market for new products and services Faster integration of firms following merger and acquisition activity Increased application availability Better workload distribution, which creates more quothead roomquot for processing spikes in trading volume Operational efficiency and control Reduction in IT complexity Currently, application virtualization is not used in the trading front-office. One use-case is risk modeling, like Monte Carlo simulations. As the technology evolves, it is conceivable that some the trading platforms will adopt it. Data Virtualization Service To effectively share resources across distributed enterprise applications, firms must be able to leverage data across multiple sources in real-time while ensuring data integrity. With solutions from data virtualization software vendors such as Gemstone or Tangosol (now Oracle), financial firms can access heterogeneous sources of data as a single system image that enables connectivity between business processes and unrestrained application access to distributed caching. The net result is that all users have instant access to these data resources across a distributed network (gridtoday030210101061.html ). This is called a data grid and is the first step in the process of creating what Gartner calls Extreme Transaction Processing (XTP) (gartnerDisplayDocumentrefgsearchampid500947 ). Technologies such as data and applications virtualization enable financial firms to perform real-time complex analytics, event-driven applications, and dynamic resource allocation. One example of data virtualization in action is a global order book application. An order book is the repository of active orders that is published by the exchange or other market makers. A global order book aggregates orders from around the world from markets that operate independently. The biggest challenge for the application is scalability over WAN connectivity because it has to maintain state. Todays data grids are localized in data centers connected by Metro Area Networks (MAN). This is mainly because the applications themselves have limitsthey have been developed without the WAN in mind. Figure 15 GemStone GemFire Distributed Caching Before data virtualization, applications used database clustering for failover and scalability. This solution is limited by the performance of the underlying database. Failover is slower because the data is committed to disc. With data grids, the data which is part of the active state is cached in memory, which reduces drastically the failover time. Scaling the data grid means just adding more distributed resources, providing a more deterministic performance compared to a database cluster. Multicast Service Market data delivery is a perfect example of an application that needs to deliver the same data stream to hundreds and potentially thousands of end users. Market data services have been implemented with TCP or UDP broadcast as the network layer, but those implementations have limited scalability. Using TCP requires a separate socket and sliding window on the server for each recipient. UDP broadcast requires a separate copy of the stream for each destination subnet. Both of these methods exhaust the resources of the servers and the network. The server side must transmit and service each of the streams individually, which requires larger and larger server farms. On the network side, the required bandwidth for the application increases in a linear fashion. For example, to send a 1 Mbps stream to 1000recipients using TCP requires 1 Gbps of bandwidth. IP multicast is the only way to scale market data delivery. To deliver a 1 Mbps stream to 1000 recipients, IP multicast would require 1 Mbps. The stream can be delivered by as few as two serversone primary and one backup for redundancy. There are two main phases of market data delivery to the end user. In the first phase, the data stream must be brought from the exchange into the brokerages network. Typically the feeds are terminated in a data center on the customer premise. The feeds are then processed by a feed handler, which may normalize the data stream into a common format and then republish into the application messaging servers in the data center. The second phase involves injecting the data stream into the application messaging bus which feeds the core infrastructure of the trading applications. The large brokerage houses have thousands of applications that use the market data streams for various purposes, such as live trades, long term trending, arbitrage, etc. Many of these applications listen to the feeds and then republish their own analytical and derivative information. For example, a brokerage may compare the prices of CSCO to the option prices of CSCO on another exchange and then publish ratings which a different application may monitor to determine how much they are out of synchronization. Figure 16 Market Data Distribution Players The delivery of these data streams is typically over a reliable multicast transport protocol, traditionally Tibco Rendezvous. Tibco RV operates in a publish and subscribe environment. Each financial instrument is given a subject name, such as CSCO. last. Each application server can request the individual instruments of interest by their subject name and receive just a that subset of the information. This is called subject-based forwarding or filtering. Subject-based filtering is patented by Tibco. A distinction should be made between the first and second phases of market data delivery. The delivery of market data from the exchange to the brokerage is mostly a one-to-many application. The only exception to the unidirectional nature of market data may be retransmission requests, which are usually sent using unicast. The trading applications, however, are definitely many-to-many applications and may interact with the exchanges to place orders. Figure 17 Market Data Architecture Design Issues Number of GroupsChannels to Use Many application developers consider using thousand of multicast groups to give them the ability to divide up products or instruments into small buckets. Normally these applications send many small messages as part of their information bus. Usually several messages are sent in each packet that are received by many users. Sending fewer messages in each packet increases the overhead necessary for each message. In the extreme case, sending only one message in each packet quickly reaches the point of diminishing returnsthere is more overhead sent than actual data. Application developers must find a reasonable compromise between the number of groups and breaking up their products into logical buckets. Consider, for example, the Nasdaq Quotation Dissemination Service (NQDS). The instruments are broken up alphabetically: This approach allows for straight forward networkapplication management, but does not necessarily allow for optimized bandwidth utilization for most users. A user of NQDS that is interested in technology stocks, and would like to subscribe to just CSCO and INTL, would have to pull down all the data for the first two groups of NQDS. Understanding the way users pull down the data and then organize it into appropriate logical groups optimizes the bandwidth for each user. In many market data applications, optimizing the data organization would be of limited value. Typically customers bring in all data into a few machines and filter the instruments. Using more groups is just more overhead for the stack and does not help the customers conserve bandwidth. Another approach might be to keep the groups down to a minimum level and use UDP port numbers to further differentiate if necessary. The other extreme would be to use just one multicast group for the entire application and then have the end user filter the data. In some situations this may be sufficient. Intermittent Sources A common issue with market data applications are servers that send data to a multicast group and then go silent for more than 3.5 minutes. These intermittent sources may cause trashing of state on the network and can introduce packet loss during the window of time when soft state and then hardware shorts are being created. PIM-Bidir or PIM-SSM The first and best solution for intermittent sources is to use PIM-Bidir for many-to-many applications and PIM-SSM for one-to-many applications. Both of these optimizations of the PIM protocol do not have any data-driven events in creating forwarding state. That means that as long as the receivers are subscribed to the streams, the network has the forwarding state created in the hardware switching path. Intermittent sources are not an issue with PIM-Bidir and PIM-SSM. Null Packets In PIM-SM environments a common method to make sure forwarding state is created is to send a burst of null packets to the multicast group before the actual data stream. The application must efficiently ignore these null data packets to ensure it does not affect performance. The sources must only send the burst of packets if they have been silent for more than 3 minutes. A good practice is to send the burst if the source is silent for more than a minute. Many financials send out an initial burst of traffic in the morning and then all well-behaved sources do not have problems. Periodic Keepalives or Heartbeats An alternative approach for PIM-SM environments is for sources to send periodic heartbeat messages to the multicast groups. This is a similar approach to the null packets, but the packets can be sent on a regular timer so that the forwarding state never expires. S, G Expiry Timer Finally, Cisco has made a modification to the operation of the S, G expiry timer in IOS. There is now a CLI knob to allow the state for a S, G to stay alive for hours without any traffic being sent. The (S, G) expiry timer is configurable. This approach should be considered a workaround until PIM-Bidir or PIM-SSM is deployed or the application is fixed. RTCP Feedback A common issue with real time voice and video applications that use RTP is the use of RTCP feedback traffic. Unnecessary use of the feedback option can create excessive multicast state in the network. If the RTCP traffic is not required by the application it should be avoided. Fast Producers and Slow Consumers Today many servers providing market data are attached at Gigabit speeds, while the receivers are attached at different speeds, usually 100Mbps. This creates the potential for receivers to drop packets and request re-transmissions, which creates more traffic that the slowest consumers cannot handle, continuing the vicious circle. The solution needs to be some type of access control in the application that limits the amount of data that one host can request. QoS and other network functions can mitigate the problem, but ultimately the subscriptions need to be managed in the application. Tibco Heartbeats TibcoRV has had the ability to use IP multicast for the heartbeat between the TICs for many years. However, there are some brokerage houses that are still using very old versions of TibcoRV that use UDP broadcast support for the resiliency. This limitation is often cited as a reason to maintain a Layer 2 infrastructure between TICs located in different data centers. These older versions of TibcoRV should be phased out in favor of the IP multicast supported versions. Multicast Forwarding Options PIM Sparse Mode The standard IP multicast forwarding protocol used today for market data delivery is PIM Sparse Mode. It is supported on all Cisco routers and switches and is well understood. PIM-SM can be used in all the network components from the exchange, FSP, and brokerage. There are, however, some long-standing issues and unnecessary complexity associated with a PIM-SM deployment that could be avoided by using PIM-Bidir and PIM-SSM. These are covered in the next sections. The main components of the PIM-SM implementation are: PIM Sparse Mode v2 Shared Tree (spt-threshold infinity) A design option in the brokerage or in the exchange. Machine Learning Trading Systems The SPDR SampP 500 ETF (SPY) is one of the widely traded ETF products on the market, with around 200Bn in assets and average turnover of just under 200M shares daily. Assim, a probabilidade de ser capaz de desenvolver um sistema de comércio de fazer dinheiro usando informações publicamente disponíveis pode parecer ser slim-to-none. Então, para nos dar uma chance de lutar, vamos nos concentrar em uma tentativa de prever o movimento noturno no SPY, usando dados da sessão do dia anterior. Além dos preços de abertura e fechamento da sessão do dia anterior, selecionamos um número de outras variáveis ​​plausíveis para construir o vetor de característica que vamos usar em nosso modelo de aprendizagem de máquina: O volume diário O preço de fechamento do dia anterior8217s Os 200 Dia, 50 dias e 10 dias do preço de fechamento Os preços altos e baixos de 252 dias da série SPY Vamos tentar construir um modelo que prevê o retorno overnight no ETF, ou seja, O (t1) - Neste exercício usamos dados diários desde o início da série SPY até o final de 2014 para construir o modelo, o qual será testado em dados fora da amostra a partir de janeiro de 2015 - Agosto de 2016. Num contexto de alta frequência, seria gasto um tempo considerável a avaliar, limpar e normalizar os dados. Aqui enfrentamos muito menos problemas desse tipo. Normalmente, seria padronizado os dados de entrada para equalizar a influência de variáveis ​​que podem ser medidas em escalas de muito diferentes ordens de grandeza. Mas neste exemplo todas as variáveis ​​de entrada, com exceção do volume, são medidas na mesma escala e assim a padronização é discutivelmente desnecessária. Primeiro, os dados da amostra são carregados e usados ​​para criar um conjunto de regras de treinamento que mapeiam o vetor de característica para a variável de interesse, o retorno de um dia para o outro: No Mathematica 10 Wolfram introduziu um conjunto de algoritmos de aprendizado de máquina que incluem regressão, , Redes neurais e florestas aleatórias, juntamente com a funcionalidade para avaliar e selecionar a técnica de aprendizado de máquina com melhor desempenho. Estas facilidades tornam muito simples a criação de um classificador ou modelo de previsão utilizando algoritmos de aprendizagem de máquina, como este exemplo de reconhecimento de escrita manual: Criamos um modelo preditivo no treinamento SPY, permitindo que o Mathematica escolha o melhor algoritmo de aprendizado de máquina: Opções para a função Predict que pode ser usada para controlar a seleção de recursos, o tipo de algoritmo, o tipo de desempenho eo objetivo, ao invés de simplesmente aceitar os padrões, como fizemos aqui: Tendo construído nosso modelo de aprendizagem de máquina, Os dados de amostra de janeiro de 2015 a agosto de 2016 e criar um conjunto de teste: Em seguida, criar um objeto PredictionMeasurement, usando o modelo de vizinho mais próximo. Que pode ser usado para uma análise mais aprofundada: Não há muita dispersão nas previsões do modelo, que têm valor positivo. Uma técnica comum nesses casos é subtrair a média de cada uma das previsões (e também podemos padronizá-las dividindo pelo desvio padrão). O scatterplot de reais contra previsão retornos de noite em SPY agora olha como este: There8217s ainda uma falta óbvia da dispersão nos valores da previsão, comparados aos retornos de noite do real, que nós poderíamos retificar pela estandardização. De qualquer forma, parece haver uma pequena relação não linear entre os valores previstos e os reais, o que mantém alguma esperança de que o modelo ainda possa ser útil. De previsão para negociação Existem vários métodos de implantação de um modelo de previsão no contexto da criação de um sistema de negociação. A rota mais simples, que iremos tomar aqui, é aplicar um gate de limiar e converter as previsões filtradas diretamente em um sinal de negociação. Mas outras abordagens são possíveis, por exemplo: Combinar as previsões a partir de modelos múltiplos para criar um conjunto de previsão Usar as previsões como entradas para um modelo de programação genética Alimentar as previsões na camada de entrada de um modelo de rede neural projetado especificamente para gerar sinais comerciais Do que as previsões Neste exemplo, vamos criar um modelo de negociação através da aplicação de um filtro simples para as previsões, escolhendo apenas os valores que excedem um limite especificado. Este é um truque padrão usado para isolar o sinal no modelo do ruído de fundo. Aceitaremos apenas os sinais positivos que excedem o nível de limiar, criando um sistema de negociação somente longo prazo. Isto é, ignoramos as previsões que se situam abaixo do nível do limiar. Compramos SPY no fechamento quando a previsão excede o limiar e sair de qualquer posição longa no dia seguinte8217s aberto. Esta estratégia produz os seguintes resultados pro-forma: Conclusão O sistema tem algumas características bastante atraentes, incluindo uma taxa de vitória superior a 66 e uma CAGR de mais de 10 para o período fora da amostra. Obviamente, esta é uma ilustração muito básica: gostaríamos de considerar as comissões de negociação e a derrapagem nas entradas e saídas de posições nos períodos pós e pré-mercado, o que afetará negativamente o desempenho, é claro. Por outro lado, apenas começamos a arranhar a superfície em termos das variáveis ​​que poderiam ser consideradas para inclusão no vetor de características e que podem aumentar o poder explicativo do modelo. Em outras palavras, na realidade, isso é apenas o começo de um longo e árduo processo de pesquisa. No entanto, este exemplo simples deve ser suficiente para dar ao leitor um gosto de what8217s envolvidos na construção de um modelo de negociação preditiva usando algoritmos de aprendizagem de máquina.