Utvikling av programvare for kvantitativ handel: 97% raskere behandling av handelsinformasjon

Innowise har utviklet en spesialtilpasset ML-drevet kvantitativ handelsplattform som utnytter prisforskjeller på tvers av børser.

Kunde

Industri

FinTech

Region

Kunde siden

2023

Kunden vår er et irsk proprietært handelsselskap. Selskapets hovedfokus er å handle høyt korrelerte produkter og samtidig fange opp mindre prisavvik.

Detaljert informasjon om kunden kan ikke utleveres i henhold til bestemmelsene i NDA.

Utfordring: Å skape en svært responsiv løsning gjennom AI-basert utvikling av automatisert handelsprogramvare.

Kunden henvendte seg til Innowise med et spesifikt krav om å utvikle en tilpasset nettbasert kvantitativ handelsplattform. Mer spesifikt ønsket de en datadrevet plattform som var i stand til å utføre deres handelsstrategier for kryptovalutamarkedet basert på en stor mengde historiske og aktuelle data. De la vekt på behovet for et system som kunne inkorporere ulike datakilder, for eksempel transaksjonsvolumer og alternative dataforespørsler.

Kundens tidligere handelssystem reagerte ikke godt nok på data som endret seg raskt, og var derfor ikke effektivt nok til å dekke kundens behov. Systemet var svært forsinket og brukte 2-3 sekunder på å behandle informasjon, noe som viste seg å være uforholdsmessig tregt for å kunne ta handelsbeslutninger i tide.

Et grunnleggende krav for å kunne implementere nye handelsstrategier var et høyhastighetssystem som kunne behandle store mengder finansielle kurser og andre relevante data i sanntid. Swift identifisering og analyse av kortsiktige avvik mellom korrelerte aktiva var avgjørende, siden de kunne oppstå og forsvinne i løpet av sekunder. Det nye systemet måtte derfor kunne fange opp og behandle denne informasjonen i løpet av millisekunder for å kunne gjøre nøyaktige beregninger og gjennomføre vellykkede handler.

For å løse disse utfordringene begynte vårt utviklingsselskap for handelsprogramvare å utvikle en ny kvantitativ handelsplattform fra bunnen av for å oppfylle kravene til en rask, pålitelig og skreddersydd løsning.

Løsning: Skreddersydd ML-drevet kryptovalutahandelsplattform for automatisert strategitesting

Innowise har utviklet en infrastruktur med lav latenstid som er skreddersydd for kvantitativ handel med kryptoaktiva. Denne kvantitative handelsplattformen gjør det mulig for kunden vår å reagere raskt på markedsbevegelser og utføre handler med minimal latenstid, noe som gir et konkurransefortrinn når det gjelder å utnytte arbitrasjemuligheter. Ved hjelp av ML-teknikker benyttet vi en datadrevet tilnærming for å identifisere optimale inngangspunkter for kjøp av aktiva.

Ved å analysere handelsvolumene og bruke ML-boosting-algoritmer oppdaget vi avvik i markedet som indikerte gunstige kjøpsmuligheter. Systemet utnytter Grafana som et kraftig verktøy for å spørre, visualisere, varsle og få innsikt i ulike handelsmålinger.

Plattformen for kryptovalutahandel består av fem hovedmoduler:

Modul for markedsdata
System for ordrehåndtering
Stillinger som leder
Risikoansvarlig
Strategisjef.

Modul for markedsføringsdata

For å ta hensyn til børser i forskjellige regioner er handelssystemet utformet som en geografisk distribuert arkitektur. Det sentrale systemet er plassert på hovedserveren og fungerer som knutepunkt for innsamling og behandling av markedsinformasjon. I nærheten av hver børsserver er det strategisk plassert mindre gatewayer som fanger opp data direkte fra børsene. Den valgte protokollen for dataoverføring er UTP, som er kjent for sine høye hastigheter.

Denne modulen gjør det mulig for sentralsystemet å samle inn sanntidsdata fra flere børser. De innsamlede dataene omfatter kurser, ordrebøker, finansiering og annen informasjon som gir kunden en omfattende markedsoversikt. Systemet bruker maskinlæring metoder for å identifisere anomalier i markedet, noe som gir kunden mulighet til å ta handelsbeslutninger basert på en forståelse av markedsdynamikken.

System for ordrehåndtering

Ordrehåndteringsmodulen legger til rette for effektiv håndtering og overvåking av ordreboken. Systemet gjør det mulig for kunden vår å holde oversikt over ordrestatus i sanntid og håndtere mange ordrer samtidig.

Denne modulen omfatter ordreopprettelse, ordresending og kontinuerlig overvåking av utførelsesstatus. Ved å tilby umiddelbar ordreinnleggelse gjør systemet det mulig for tradere å utnytte fordelaktige prisnivåer raskt.

I tillegg gir den umiddelbare oppdateringer av ordrestatus, slik at traderne har full oversikt over utførelsesprosessen. Kunden vår kan overvåke fremdriften for ordrene og følge med på hele eller deler av ordreutførelsen. Det finnes også funksjoner som godkjenning på ordrenivå, der tradere har mulighet til å godkjenne ordrer basert på spesifikke forhåndsdefinerte kriterier.

Stillinger som leder

Posisjonsadministratoren gir tradere sanntidsoversikt over aktuelle handler, balansekontroll og en omfattende oversikt over gjenværende midler. Med dette verktøyet kan tradere overvåke porteføljene sine og vurdere eksponeringen mot ulike aktiva. Modulen gir ytterligere informasjon, for eksempel gjennomsnittlig innkjøpspris, nåværende markedsverdi og urealiserte gevinster eller tap knyttet til hver posisjon. Denne modulen samhandler også med risikostyringsverktøyet for å kontrollere handelsoperasjoner og -grenser.

Risikoansvarlig

Handelsplattformen for kryptovaluta gir tradere full kontroll over ordrer, kjøp og risikovurdering. Ved å inkludere risikoparametere sørger denne modulen for at ordrene utføres innenfor akseptable prisintervaller. Verktøyets primære funksjon er å overvåke og kontrollere ordreutførelsen i forhold til markedsprisene i sanntid basert på ML-analyse. Et sett med algoritmer sørger for at kjøpsprisene holder seg innenfor forhåndsdefinerte grenser. Ved å sammenligne den utførte prisen med den gjeldende markedsprisen hjelper modulen tradere med å unngå betydelige avvik som kan påvirke lønnsomheten. I tillegg kan tradere angi spesifikke tapstoleransenivåer som er tilpasset deres risikopreferanser og handelsstrategier. Denne funksjonen gjør det mulig å etablere forhåndsdefinerte tapsgrenser basert på aktivatyper og handelsoperasjoner. Modulen gir sanntidsovervåking av PnL-posisjoner (Profit and Loss) og gjeldende lønnsomhetsstatus, slik at traderne kan justere strategiene deretter. Risikostyringsmodulen tilbyr også avanserte risikovurderingsverktøy, slik at tradere kan evaluere den potensielle risikoen knyttet til spesifikke handler eller porteføljeposisjoner. Ved å analysere faktorer som aktivavolatilitet, historiske kursbevegelser og korrelasjonsanalyse kan tradere få dypere innsikt i risikoeksponeringen og justere risikostyringen deretter.

Strategisk leder

Modulen for handelsstrategier er ansvarlig for å implementere og utføre automatiserte handelsalgoritmer basert på forhåndsdefinert logikk og markedsforhold. Denne modulen kombinerer maskinlæringsteknikker, særlig boosting-algoritmer, med kundens spesifikke handelsplan for å generere handlingsrettet innsikt og utføre handler i sanntid.

Kjernen i modulen er selve strategien, representert som en egen klasse, som innkapsler handelslogikken og definerer handlingene som skal utføres under ulike markedsscenarier. Ved å arbeide med relevante datasett ved hjelp av maskinlæring identifiserer og trekker ut datafunksjoner for å trene opp modeller som automatisk implementerer strategiene basert på gjeldende forhold.

Prosessen begynner med opplæring av ML-modeller ved hjelp av de utvalgte datasettene. Disse modellene analyserer og behandler markedsinformasjon, inkludert handelsvolumer, for å oppdage avvik og finne optimale inn- og utgangspunkter for spesifikke aktiva. Ved hjelp av boosting-algoritmer, som gir økt nøyaktighet, genererer modellene prognoser for aktivapriser innen kortest mulig tidsintervaller, for eksempel millisekunder.

ML-modellene kommuniserer med handelssystemets backend, der de resulterende prediksjonene lagres i en database for videre analyse og beslutningstaking. Etter hvert som markedsdata ankommer fra børsene, evaluerer modellene forholdene opp mot forhåndsdefinerte krav og kriterier. Basert på disse evalueringene genererer modellene prediksjoner som gir grunnlag for kjøps- eller salgsbeslutninger.

Modellene lærer kontinuerlig og tilpasser seg markedsmønstrene, slik at de blir stadig bedre til å forutse utviklingen. Dette gjør systemet i stand til å fange opp prisavvik på tvers av ulike børser raskt og identifisere muligheter til å selge til høyere priser eller kjøpe til lavere priser.

Modulens arkitektur er utviklet for å støtte flere børser som tilbyr lignende handelsverktøy. Hovedmålet er å utnytte markedssvingninger ved raskt å identifisere gunstige handelsmuligheter. Ved å integrere handelsvolumdata og ML-drevet avviksdeteksjon øker verktøyet sannsynligheten for å gjennomføre handler.

Teknologier og verktøy

Cloud

AWS

CatBoost, XGBoost, NumPy, pandas, SciPy, scikit-learn

Back-end

C#, ML.NET, Python

Integrasjoner

Grafana, Prometheus

Prosess

Gjennom hele utviklingsprosessen fulgte Innowise en strukturert og effektiv prosess for å sikre et vellykket samarbeid med kunden. Prosjektets arbeidsflyt omfattet tre hovedfaser:

Innsamling av krav: Prosessen begynte med grundige diskusjoner og konsultasjoner med kunden for å samle inn detaljerte krav og forstå kundens handelsstrategier og hvilken type system som ville fungere best for dem. Vi gjennomførte møter via Google Meet for å etablere klare mål og definere funksjonaliteten og egenskapene til handelssystemet.

Planlegging og arkitekturdesign: Utviklerne våre brukte Jira til prosjektstyring for å organisere utviklingsprosessen. Dette innebar å lage et veikart for prosjektet, definere milepæler og fordele ressursene effektivt.

Utvikling, ML-opplæring og testing: Utviklingsfasen begynte med implementering og distribusjon av hovedsystemet på hovedserveren, tilkobling av server-gatewayer for å opprette forbindelse med børser for kryptovaluta, datakartlegging og opplæring av ML-modeller for å teste implementeringen.

Integrering, distribusjon og forbedring: Etter hvert som hver modul ble utviklet og testet, ble det arbeidet med integrasjon for å få systemkomponentene i den kvantitative handelsplattformen til å fungere sømløst sammen. Teamet gjennomførte grundige integrasjonstester for å sikre god kommunikasjon og funksjonalitet på tvers av alle modulene.

Teamet vårt jobber aktivt med å utvide prosjektet ved å integrere nye datainnsamlingsutvekslinger. Målet vårt er å gjøre prosjektet svært konkurransedyktig og unikt i markedet. For å oppnå dette er vi i ferd med å skrive om kodebasen i C++ for å øke hastigheten og ytelsen ytterligere. I tillegg vurderer vi å skrive om ofte brukte konnektivitetsbiblioteker fra bunnen av for å øke systemets ytelse.

Team

Hovedutvikler

DevOps-ingeniør

C# Utviklere

Python-utviklere

Kvantitative forskere

Resultater: 97% raskere informasjonsbehandling og 34 ms responstid i markedet med kvantitativ handelsplattform

Vår utvikling av den spesialtilpassede kvantitative handelsplattformen førte til betydelige forbedringer for kunden. Systemets ultraraske infrastruktur reduserte forsinkelsene i informasjonsbehandlingen fra gjennomsnittlig 2-3 sekunder til 34 millisekunder, noe som resulterte i en bemerkelsesverdig hastighetsforbedring på ca. 97%. Ved hjelp av maskinlæringsteknikker forbedret systemet kundens handelsstrategier, noe som førte til økt lønnsomhet. Systemets evne til å fange opp arbitrasjemuligheter og reagere raskt på markedsbevegelser gjorde det mulig for kunden å utkonkurrere konkurrentene, mens risikostyringsverktøyene håndterte ordrer og kjøp på en effektiv måte, noe som førte til en reduksjon av potensielle tap.

Innowise har utviklet et brukervennlig API som forenkler strategiutvikling og testing. Kunden vår trenger ikke lenger å bruke mye tid på å samarbeide med tredjepartsressurser, ettersom alt nå kan gjøres i vårt enhetlige system. I tillegg gir API-et vi har utviklet tydelige og omfattende beregninger for hver enkelt strategi, slik at kunden enkelt kan vurdere om strategien passer til risikoprofilen.

Vi har også satt betydelig fart på utviklingen av gateways for børser. Ved å gå fra en monolittisk arkitektur til mikrotjenester har vi redusert tiden det tar å utvikle gateways. Teamet vårt jobber nå med å forbedre den kvantitative handelsplattformen med sikte på å etablere den som et unikt og enestående verktøy for online kryptohandel på markedet.

Prosjektets varighet

April 2023 - Løpende

97%

raskere behandling av handelsinformasjon

millisekunder responstid på markedet

Relaterte saker

Trenger du en teknologisk løsning? Ta kontakt med oss!

Hva skjer videre?

Etter at vi har mottatt og behandlet forespørselen din, vil vi komme tilbake til deg innen kort tid for å beskrive prosjektbehovene dine og undertegne en taushetserklæring for å sikre informasjonens konfidensialitet.

Etter å ha undersøkt kravene, utarbeider våre analytikere og utviklere en prosjektforslag med arbeidsomfang, teamstørrelse, tid og kostnader estimater.

Vi arrangerer et møte med deg for å diskutere tilbudet og komme til en avtale.

Vi signerer en kontrakt og begynner å jobbe med prosjektet ditt så raskt som mulig.

Utvikling av programvare for kvantitativ handel: 97% raskere behandling av handelsinformasjon

Kunde

Utfordring: Å skape en svært responsiv løsning gjennom AI-basert utvikling av automatisert handelsprogramvare.

Løsning: Skreddersydd ML-drevet kryptovalutahandelsplattform for automatisert strategitesting