Разработка симуляторов торгов

Алгоритмические торговые стратегии чаще всего оцениваются путем сопоставления с историческими данными и наблюдения за результатами. Это ограничивает сценарии оценки ситуациями, аналогичными тем, для которых имеются исторические данные. Для оценки высокочастотных торговых систем в более широком контексте требуется другой подход. В этой статье представлен симулятор финансового рынка на основе агентов, который позволяет исследовать поведение рынка в широком диапазоне условий. Агенты могут имитировать человеческих и алгоритмических трейдеров, работающих с различными целями, стратегиями и временем реакции, а поведение рынка может использовать комбинации имитируемых и исторических данных. Симулятор моделирует структуру рынка, позволяя определять поведение маркет-мейкеров, поставщиков ликвидности и других участников рынка. Основное использование системы заключалось в оценке алгоритмических торговых стратегий в корпоративной среде, но другие виды использования включают обучение и подготовку, а также оценку политики.

Алгоритмическая торговля быстро развивается по всему миру и кардинально изменила то, как торгуются ценные бумаги на финансовых рынках.

Согласно нескольким отчетам, более 50% объема фондовых рынков США в последние годы было сгенерировано алгоритмической торговлей. Чтобы управлять подверженностью риску и оптимизировать прибыль, алгоритмические торговые стратегии обычно оцениваются на предмет правильности и эффективности, прежде чем запускать их на реальных рынках. Это осуществляется на практике с помощью тренажеров. Существующие симуляторы в значительной степени полагаются на рыночные данные в реальном времени или исторические данные, обычно записываемые с фактического рынка с целью обратного тестирования торговых моделей во время их цикла разработки. Хотя это может предоставить трейдерам ценную информацию, существует ряд подводных камней. Во-первых, данные о реальном рынке не всегда доступны, что ограничивает использование симуляторов определенными рыночными часами. Кроме того, протестированные торговые стратегии не оказывают никакого влияния на рынок, поскольку они могут только следовать тренду, а их ордера просто исполняются на основе текущих рыночных условий. Аналогичные проблемы также существуют в подходах обратного тестирования, когда торговые стратегии проверяются на основе существующего набора данных с проблематичным предположением о том, что ордера не изменили бы исторические цены, если бы они были исполнены на реальном рынке. Более того, этот подход ограничен потенциальной чрезмерной подгонкой. Уточняя параметры торговой стратегии на основе определенного периода исторических данных, результаты могут быть искажены и привести к возврату, который больше никогда не сможет сработать. И последнее, но не менее важное: существующие симуляторы обычно не предоставляют стандартного протокола для взаимодействия с пользователями. Вместо этого они требуют навыков владения конкретными языками программирования и требуют реализации торговых стратегий.

Мы предлагаем различную архитектуру симулятора на основе имитированная движение цены и других сценариев.