- 알고리즘 트레이딩과 함께하는 사례 연구: 자동화된 소매 트레이딩 봇 개발을 보여줍니다.
- 이 봇은 실시간으로 전체 주식 시장을 모니터하고 신속한 트레이딩 결정을 내릴 수 있습니다.
- 이 봇의 개발은 몇 년간의 시행착오와 반복적인 개선을 거쳤습니다.
- 이 봇은 Go를 사용하여 구축되었으며, 16개의 코어, 128GB의 RAM, 8TB의 NVMe 저장소를 갖춘 고성능 게이밍 시스템에서 실행됩니다.
- 이 봇의 세 가지 기본 구성 요소는 데이터 제공자(Polygon.io), 애플리케이션(Go 앱) 및 브로커(Interactive Brokers)입니다.
- Go 애플리케이션은 데이터 피드를 수집하고 해석하며, 트레이딩 결정을 내리고 매수 및 매도 주문을 실행합니다.
- 이 봇에는 데이터 구조 탐색, 데이터 시각화 및 거래 모니터링을 위한 내장 웹 인터페이스가 포함되어 있습니다.
- 전략 개발과 백테스팅은 이 봇의 중요한 구성 요소로, 사용자 정의 전략을 테스트하고 실행하기 위한 플랫폼을 만드는 데 초점이 있습니다.
- 봇의 구조와 흐름을 설명하기 위해 의사 코드와 실제 Go 코드 샘플이 제공됩니다.
- 주식 시장의 추상화, 주문 관리, 예외 상황 처리, 거래 전략에서의 무작위성을 이해하는 데 얻은 교훈입니다.
- 일주일 동안 무작위 주식에 대해 하루에 1000건의 거래를 수행하여 트레이딩 시스템의 핵심 기능을 테스트합니다.
- 시간 단위 대신 틱 바를 사용하여 해상도를 개선하고 시장 활동을 정확하게 포착합니다.
- 전적으로 인메모리로 이동하여 확장성 문제를 극복하고 뮤텍스 락을 사용하는 큰 맵을 활용합니다.
- 데이터 손실을 방지하기 위해 중단되지 않는 전원 공급 장치의 중요성을 깨닫습니다.
- 트레이딩 시스템 구축 프로젝트는 도전적이고 시간이 많이 소요되며 외로울 수 있습니다.
- 트레이딩 시스템 개발과 데이터 탐색을 위해 Go와 Python의 힘을 활용합니다.
- 질문하기, 코드 생성하기 및 생산성 향상을 위한 ChatGPT의 혁신적인 영향력을 활용합니다.
- 개인적인 트레이딩 시스템으로 시장 이상 현상을 감지하고 시장 이벤트를 직접 경험할 수 있는 능력입니다.
- 수학, 금융, 알고리즘 트레이딩 및 데이터 분석에 대한 추가 학습 자료.