عالية التردد نظم نظم التداول

(هفت) والحوسبة عالية الأداء (ه) و غبو الحوسبة المتوازية (غبو)

'هفت و ه' كخدمة.

وكان بسي في طليعة عالية التردد وعالية الأداء أنظمة لسنوات عديدة. انها سباق التسلح وانها ليست جيدة تسليح أنفسكم مع الآلات دون المساواة.

وتنتشر بي إس أي الهندسة المعمارية الأقل كتما وأعلى تردد في جميع أنحاء العالم الأربع. سواء كنت تعالج الخوارزميات الخاصة بك، محاكاة، أو تتطلب فقط أعلى بنية تحتية الأداء موجود - التحدث مع بسي اليوم واستخدام خبراتهم لإعطاء عملك الحافة.

إذا كنت تحتاج إلى تسارع وخطأ مسافة السباق الخادم أو محطات العمل، المجمعات الجذر غبو أو لديك شرط لاتصالات الكمون المنخفض، بسي لديها الحل الصحيح.

نحن توريد أعلى بنية تحتية الأداء.

أنظمة تداول عالية التردد شبكات اتصال منخفضة زمنيا تخزين فلاش سرعة عالية عالية السرعة تبديل النطاق الترددي العالي خدمات الموقع المشترك استضافة حسابات عالية التردد محطات عمل أرضية محطات غبو المتوازية.

التقدير هو المفتاح.

وبطبيعة الحال، فإن معظم لدينا ه & أمب؛ العملاء هفت لن نتحدث عن ما يفعلونه وأين.

يمكننا تقديم الكثير من الأمثلة الحل ببساطة عن طريق الانخراط معنا.

التبديل.

بطاقات واجهة الشبكة.

هفت كخدمة.

غبو الحوسبة.

تغريدات.

&نسخ؛ 2018 أنظمة الأعمال الدولية المحدودة

كل الحقوق محفوظة.

رقم الشركة: 2323709.

بسي (أنظمة الأعمال الدولية)، لندن - هي مورد موثوق من النظم الحرجة المهمة المبنية على مجموعة من الأبنية. وتستفيد حلولنا من معرفتنا المتعمقة بقطاعات السوق التي يعمل فيها عملاؤنا. نحن موزع رئيسي في قطاعات المالية والاتصالات السلكية واللاسلكية والحكومة، مع أكثر من 25 عاما من الخبرة. نحن نقدم الحوسبة السحابية، والتخزين الراقية، والشبكات مستوى مزود الخدمة، وإدارة المرافق، وإدارة العقود الدعم.

نوصي بعرض موقعنا على الانترنت مع متصفح HTML5 +، CSS3 متوافق مع دقة الشاشة 1024x768 أو أكبر. للحصول على أي مساعدة، يرجى الاتصال بنا.

إنفوريتش هيفريق.

عالية التردد تجارة البرمجيات (هفت) للتجارة الخوارزمية.

هيفريق هو محرك خوارزمية قوية تعطي التجار القدرة على نشر استراتيجيات هفت للأسهم والعقود الآجلة والخيارات وتداول العملات الأجنبية دون الحاجة إلى استثمار الوقت والموارد في بناء وصيانة البنية التحتية للتكنولوجيا الخاصة بها. أنه يوفر جميع المكونات الأساسية لتسهيل الإنتاجية من عشرات الآلاف من أوامر في الثانية الواحدة في وقت متأخر ميلي ثانية واحدة.

يمكن استخدام هيفريق بشكل مستقل كحل تداول مربع أسود قائم بذاته، أو كجزء من منصة التداول إنفوريتش تمس لنظام تداول كامل، من طرف إلى طرف.

تتيح العمارة المفتوحة والسماسرة المحايدة للمستخدمين إنشاء ونشر استراتيجيات تجارية معقدة ومعقدة بالإضافة إلى خوارزميات الوصول من وسطاء ومزودين آخرين من الجهات الخارجية. يمكن توجيه أوامر إلى أي وجهة السوق العالمية عبر إنفوريتش الداخلية الكمون المنخفض فيكس المحرك.

متعددة الأصول.

الأسهم العالمية، والعقود الآجلة والخيارات و فكس.

السيطرة على المخاطر.

يوفر هيفريق تقييم المخاطر من كل طلب النظام ويضمن الامتثال مع قيود التجارة محددة مسبقا شركة محددة.

وسيط محايدة.

هيفريق تصلك إلى وسطاء متعددة، والتبادلات و إنز.

الرصد والمراقبة المركزية.

وفي حين يمكن توزيع مكونات هيفريق عبر مواقع جغرافية مختلفة، فإن جميع وظائف رصد ومراقبة أداء الاستراتيجية يمكن إجراؤها من موقع بعيد مركزي.

هيفريق يمكن تنفيذ 20،000+ أوامر في الثانية الواحدة فيكس اتصال واحد. يمكن استخدام اثنين أو أكثر من اتصالات فيكس زيادة كبيرة الإنتاجية.

قليل من الكمون.

يتم استدعاء كمون ذهابا وإيابا مللي ثانية من المقياس من نقطة هيفريق تقرير تنفيذ فيكس إلى النقطة عند اكتمال هيفريق إرسال رسالة أمر فيكس.

الموزعة وقابلة للتطوير.

لزيادة كفاءة وأداء استراتيجيات التداول يمكن تصميم مكوناتها لتعمل بشكل متزامن. ويمكن أيضا نشر مكونات الاستراتيجية عبر خوادم متعددة يمكن تجميعها مع مختلف أماكن التنفيذ.

دليل مبرمج جافا.

منتجات أخرى للنظر فيها.

إنفوريتش خادم استراتيجية.

منصة خوارزمية قوية للتجارة الاستراتيجية.

إنفوريتش فكس مجمع.

قوية الفوركس السيولة التجميع وخوارزمية منصة التداول.

إنفوريتش يوريكس ارتباط وقت الاستجابة المنخفض.

الترا منخفضة الكمون منصة خوارزمية للتجارة مع يوريكس.

مقالات ذات صلة.

أفضل دليل تنفيذ لانخفاض وقت الاستجابة 2018.

لا يمكن أن تقف أبدا لأنه لا يهم كم الآلاف أو الملايين من الدولارات التي تنفق خلق البنية التحتية.

إنفوريتش يعرض وحدة التداول عالية التردد في معرض فيا.

أحدث إضافة إلى منصة التداول إنفوريتش تمس يتيح للشركات توظيف استراتيجيات التداول خوارزمية عالية التردد.

مجلة التجار. إنفوريتش يحصل التجار الذهاب عالية السرعة بسرعة.

إنفوريتش يريد أن يعطي المحلات التجارية الصغيرة الأدوات ليكون التجار عالية التردد.

السلكية. التحقيق: أعمال تجارية عالية التردد.

إنفوريتش، وهي شركة متخصصة في تكنولوجيا التداول، لديها منصات قادرة على التعامل مع أكثر من 10K أوامر في الثانية الواحدة.

Marketsmedia. دعم التجار تسعى منصات مرنة.

وقد صممت إنفوريتش تقنيتها ليتم تنفيذها بسرعة وبأقصى قدر من المرونة.

تجارة عالية التردد.

أصبح التداول عالي التردد (هفت) المعروف أيضا باسم التداول الخوارزمي وظيفة هامة في الأسواق المالية العالمية. حجم التداول في ارتفاع و هفت هي أكبر مساهم. السرعة هي أهم تفريق في هفت. ولذلك، من الأهمية بمكان تحديد أدنى كمون ممكن بين بيئات المعالجة.

وقد زاد الطلب على خوادم التداول منخفضة الكمون بشكل هائل منذ ظهور التداول الخوارزمية. يتم تحديد ميزة تنافسية الآن من قبل نانو ثانية وميكروثانية. السرعة مهمة للمشاركين في السوق المتطورة لأنها تؤثر على ربحية استراتيجيات التداول المبتكرة.

كما أن القدرة على التفوق على المنافسين خلال فترات الذروة من النشاط السوقي. وتتطلب هذه السمات بنية تحتية رشيقة وعالية الأداء تدعم تطبيقات برمجيات أفضل تنفيذ اليوم وتعالج الأحجام الهائلة والعوامل الهائلة لبيانات السوق المرتبطة بفترات التقلبات العالية.

خوادم التداول عالية التردد.

زينون لديها سجل حافل من توفير خوادم التداول 1U موثوق بها للغاية وحلول الكمون المنخفض لشركات هفت الرائدة في الأسواق المالية العالمية. هذه الحلول هي:

مصممة خصيصا للتداول المنخفض الكمون ويتم تحقيق ذلك عن طريق اختيار أفضل من مكونات سلالة لدينا 1U هفت خوادم مصممة لأقصى قدر من الأداء بسبب وحدة المعالجة المركزية والذاكرة تجاوز الحضور عن بعد اختبارها على نطاق واسع لقوة التحمل لضمان 24 × 7 وقت التشغيل بنية قابلة للتطوير مع يمكن التنبؤ بها الأداء الذي يضبط لتلبية متطلبات العمل مجهزة للتعامل مع فترات متقلبة للغاية من النشاط السوق دون التوقف 24 × 7 العالمي دعم الضمان في الموقع.

لتحميل إكسينتري إكستريم هفت خوادم ورقة البيانات الرجاء الضغط على الروابط التالية:

• زينون هفت خوادم & أمب؛ منتجات الكمون المنخفض.

وصف.

دلائل الميزات.

رادون سولو 1U RX890i (4Cores)

وقد تم تصميم هذا الجهاز الرائع مع التكنولوجيا المتطورة التي تعمل على تشغيل 4Cores بسرعة تصل الى 5.2 جيجاهيرتز للمساعدة في تقليل وقت الاستجابة ودفع المعلومات بسرعة لا تصدق.

ما يصل إلى 5.2GHz مع 4Cores نشط واحد إنتل ® كور ™ i7-7700K زيادة الأداء زيادة زيادة التوسع عن بعد المسلسل عبر لان إكفم الإدارة.

رادون سولو 1U RX881i (4Cores)

يسلم أداء لا مثيل لها للتجارة عالية التردد تتطلب 4 نوى المعالج تعمل في ما يصل إلى 4.8GHz.

ما يصل إلى 4.8 جيجاهرتز مع 4Cores نشط واحد إنتل ® كور ™ i7-4790K تعزيز الأداء بنسبة 18٪ المتكاملة من الفرقة إدارة إيبي قوة زائدة & أمبير؛ تبريد.

رادون سولو 1U RX981i (8Cores)

مثالية للتطبيقات التي تتطلب 8 النوى المعالج تعمل في ما يصل إلى 4.6GHz. عامل شكل 1U المدمجة التي تمكن العملاء من كومة تصل إلى خوادم 40X في رف 42U القياسية.

تصل إلى 4.6GHz مع 8Cores نشط إنتل واحد ® كور ™ i7-5960X زيادة التوسع قوة زائدة & أمبير؛ تبريد.

رادون سولو 1U RX981x (8Cores)

خادم جديد للتداول عالي التردد مصمم لأداء الذروة.

ما يصل إلى 4.6GHz مع 8Cores نشط إنتل واحد ® زيون ™ E5-1680v3 زيادة التوسع قوة زائدة & أمبير؛ تبريد.

رادون سولو 1U RX982i (10Cores)

مصممة لتلبية الاحتياجات الحرجة، الكمون، و غضب من التمويل العالمي، وانخفاض الكمون و هفت الصناعة.

ما يصل إلى 4.4 غيغاهرتز مع 10Cores نشط واحد إنتل ® كور ™ i7-6950X 43٪ تعزيز الأداء المتكاملة من الفرقة إيبي إدارة الطاقة الزائدة & أمبير؛ تبريد.

رادون ديو 1U RX1882v3 (20Cores)

الرائدة حافة تكنولوجيا الخادم 1U مصممة صراحة لتلبية احتياجات الكمون المنخفض من هفت وتجار الفوركس. مجهزة لاستيعاب جميع الاحتياجات الخاصة بك عندما يتعلق الأمر فبغا، وحدات معالجة الرسومات وبطاقات الشبكات.

ما يصل إلى 3.79 جيجاهرتز مع 10Cores النشطة المزدوج إنتل ® زيون ® E5-2689v4 ما يصل إلى 40٪ تعزيز الأداء دعم دعم نفم سد قوة زائدة & أمبير؛ تبريد.

شينون حزمة التقاط الأجهزة.

زينون التقاط الحزمة هو فقدان حزمة صفر في الوقت الحقيقي التقاط وتخزين حل للتداول، ميفيد الثاني الامتثال، وتحليل البيانات الكبيرة، ورصد أداء الشبكة، والاحتفاظ بالبيانات. مع نيك القياسية، وخوادم لديها مشكلة في مواكبة شبكات 10GBE و 40GBE. يتم فقدان الحزم حتما مما يجعل من المستحيل إجراء تحليل دقيق 100٪ والتخزين ختمها الوقت.

زينون التقاط الحزمة يدمج كل من الأجهزة والبرمجيات لالتقاط الوقت ختمها موثوق بها وتخزين البيانات من مجموعة متنوعة من الشبكات عالية السرعة. وتشمل التطبيقات استكشاف الأخطاء وإصلاحها، والامتثال التنظيمي، ومراقبة اتفاقات مستوى الخدمة، والتحليلات الأمنية، والطب الشرعي الشبكة، وحفظ السجلات، ورصد الأداء وضبط.

يوفر زينون التقاط حزمة 100٪ ضياع التقاط ما يصل إلى 40GbE إلى جانب بنية مفتوحة لتطبيقات طرف ثالث والتصدير إلى فرضية ونظم التخزين السحابية.

لمزيد من المعلومات يرجى الاتصال شينون.

شينون حزمة التقاط الأجهزة.

حلول إيثرنت سولارفلار.

تقدم سولارفلار للعملاء أدنى حلول التواصل الكمون للتجارة الإلكترونية / عالية التردد وتطبيقات الخدمات المالية الأخرى مع محولات الخادم عالية الأداء 10GbE و أوبنونلواد ® تطبيق الوسيطة التسارع. وتمكن هذه المنتجات العملاء من الاستفادة من البنى التحتية القائمة على الإيثرنت والبروتوكول إب، مع تحقيق الحد الأدنى المطلق من الكمون دون الحاجة إلى تعديل التطبيقات.

انقر هنا للحصول على مجموعة كاملة من المنتجات والمواصفات.

حلول إيرينت إيثرنت.

منصات أريستا الحائزة على جوائز، والتي تتراوح في سرعات إيثرنت من 10 إلى 100 غيغابايت في الثانية الواحدة، وإعادة تعريف قابلية، وخفة الحركة والمرونة. وقد شحنت أريستا أكثر من خمسة ملايين منافذ الشبكات السحابية في جميع أنحاء العالم مع كلودفيسيون و يوس، وهو نظام تشغيل الشبكة المتقدمة. ملتزمة بفتح المعايير، أريستا هو عضو مؤسس في 25 / 50GbE كونسورتيوم. أريستا يسلم منصات 10Gb إيثرنت الأكثر كفاءة وأفضل أداء.

و أريستا عالية التردد تجارة العمارة يمكن أن تساعد العملاء زيادة ميزة تنافسية من خلال:

خفض الكمون على تطبيقات التداول رسائل الإرسال المتعدد القابلة للتحديد والحتمية الشراكة مع قادة الصناعة على واجهة الشبكة، تغذية بيانات السوق، وتطبيقات التداول.

انقر هنا للحصول على مجموعة كاملة من المنتجات والمواصفات.

مفاتيح ميتاماكو.

إن إستعادة إشارة ميتاكونكت عالية الأداء وتجديدها يجعل من الممكن استخدام مجموعة من وحدات سفب / سفب + من طرف ثالث منخفضة التكلفة (راجع الأسئلة الشائعة). أنت غير مقفل إلى مورد واحد. ويعني حالة ميتاكونكت لدائرة سلامة إشارة الفن أنه يمكن أن يستخدم تقريبا أي سفب / سفب + بما في ذلك وضع متعدد المدى طويل المدى (لرم) وكذلك الكابلات النحاسية النحاسية المباشرة والنشطة التي يمكن أن تحقق وفورات كبيرة في التكاليف.

انقر هنا للحصول على مجموعة كاملة من المنتجات والمواصفات.

حلول إيكسنيت إيكسنيت.

إكسابلاز هو مورد مخصص لمفاتيح الكمون المنخفض وبطاقات واجهة الشبكة. تتكون محفظة إكسابلاز & # 8217؛ s من مفاتيح الطبقة 2 (مع إكسالينك فيوجن الجديد) وبطاقات واجهة الشبكة (مجموعة إكسانيك). جميع المنتجات هي وحدات و أوب-غرادابل، وبالتالي تأمين الاستثمار الحالي والمستقبلي التكنولوجيا.

تبدأ أصول إكسابلاز & # 8217 من السوق المالية، وعلى وجه التحديد قطاع السوق هفت، بيئة حيث متطلبات الكمون هي صارمة. ويمكن اليوم العثور على مفاتيح إكسابليز و نيك & # 8217؛ s في مجموعة متنوعة من قطاعات السوق التي تتطلب أداء الكمون المنخفض مثل الاتصالات السلكية واللاسلكية، والحوسبة عالية الأداء والبيانات الكبيرة والحوسبة السحابية.

انقر هنا للحصول على مجموعة كاملة من المنتجات والمواصفات.

ميلانوكس محولات للبرمجة.

تقدم محولات ميلانوكس وبرامج التسارع هذا الأداء على الحلول الرئيسية المفتوحة المصدر وتوفر تزامن زمني دقيق جدا دون الثانية، مما يتيح للشركات المالية تحقيق أقصى قدر من الكفاءة والعائد على الاستثمار.

ميلانوكس هي المزود الرائد عالميا في مجال حلول إيثرنت عالية السرعة، مع بطاقات محول 10 / 40GbE، والآن أول 25/50 / 100GbE بطاقات محول، والأداء تعزيز برامج مسرع الرسائل وملتزمة ضمان أن حلولها تلبي أعلى معايير قابلية التشغيل البيني والانفتاح.

انقر هنا للحصول على مجموعة كاملة من المنتجات والمواصفات.

مرف الاتصالات - تعدد الإرسال & حلول دون.

تعتبر شركة اتصالات للاتصالات مورد عالمي لحلول الرزم والبصريات التي تعمل على تشغيل أكبر شبكات العالم. منتجاتنا تجمع بين الأجهزة المبتكرة مع البرمجيات الذكية لجعل الشبكات أكثر ذكاء وأسرع وأكثر كفاءة. مر فيبر دريفر أومزب يعيد تعريف فائقة الكمون المنخفض، والنقل البصري عالية السعة لشبكات التداول عالية التردد. توفير الحلول التقليدية ليس فقط، حلول إضافية فائقة الكمون سائق الألياف هي أسرع بشكل اسرع وتحتل مساحة أقل وتستهلك طاقة أقل لكل جيجابت من أي منصة النقل الأخرى.

كل هذه الفوائد تأتي دون التخلي عن الأداء، وربط التكرار أو الإدارة المتقدمة. وبفضل المقاييس الفريدة والمتواصلة لرصد الأداء وأدوات ضمان سلا المضمنة، يقوم برنامج تشغيل الألياف التابع لمرف بتعيين المعيار من خلال تقديم أداء عالي وفائق الكمون المنخفض في نفس منصة النقل.

انقر هنا للمزيد من المعلومات.

اتصل ب شينون للمحفظة الكاملة للمواصفات والمواصفات.

سبيكتركوم نيتورك تايم سيرفر.

يجمع جهاز سكوريسينك ® بين تقنية ساعة سبيكتركوم الدقيقة على مدار الساعة ونهج آمن يركز على الشبكة مع تصميم أجهزة وحدات مدمجة في هيكل 1RU لتجلب لك خادم وقت قوي وقابل للتطوير ومرن. وهو يدعم مجموعة واسعة من تزامن الشبكة وبروتوكولات الإدارة.

سكوريسينك هو جهاز شبكة تصلب الأمن مصممة لتلبية معايير أمن الشبكات الصارمة وأفضل الممارسات. فإنه يضمن إدارة واقية من العبث وقطع الأشجار واسعة النطاق. وتستخدم بروتوكولات شبكة قوية للسماح للتكوين سهلة ولكنها آمنة.

انقر هنا للحصول على مواصفات المنتج الكاملة.

ملقمات أوبنبور لك من عب.

الحصول على المرونة التي تحتاجها لمركز البيانات السلس والتكامل سحابة مع تحقيق رؤى جديدة بشكل أسرع من خلال التسارع. خوادم أوبنبور مختلفة من تصميم - هندستها في كل مستوى لتكون أكثر قوة وفتح من أي شيء آخر يمكنك الحصول عليها. لست مضطرا إلى مزق واستبدال البنية التحتية الموجودة لديك لتحويل عملك، فقط وضعت معظم البيانات الخاصة بك تحليلات العمل مكثفة على الملقمات التي ولدت لتشغيلها.

الخوادم المولدة لتشغيل أعباء العمل التحليلية المكثفة للبيانات:

حل التحديات التجارية كثيفة البيانات.

رؤى أسرع لنشر البيانات كثيفة البيانات مثل تحسين سلسلة التوريد، وإدارة الأصول الرشيقة، ومنع الاحتيال وإدارة بيانات المؤسسة.

محرك كفاءة مركز البيانات.

متوافق مع مركز البيانات الخاص بك والسعر المتفوق الأداء لأعباء العمل تحليلات البيانات.

تسريع الابتكار.

احصل على الأفكار المتسارعة التي تحتاجها لتعطيل نشاطك التجاري دون تعطيل نشاطك التجاري.

QuantStart.

الانضمام إلى كوانتكاديمي بوابة العضوية الخاصة التي تلبي احتياجات التجزئة المتزايد بسرعة المجتمع تاجر الكمي. سوف تجد مجموعة من ذوي الخبرة مثل التفكير من التجار الكميون على استعداد للرد على أسئلة التداول الكمي الأكثر إلحاحا.

تحقق من بلدي يبوك على التداول الكمي حيث أنا يعلمك كيفية بناء مربحة استراتيجيات التداول المنهجي مع أدوات بايثون، من الصفر.

نلقي نظرة على بلدي الكتاب الاليكتروني الجديد على استراتيجيات التداول المتقدمة باستخدام تحليل سلسلة زمنية، والتعلم الآلي والإحصاءات بايزي، مع بيثون و R.

من قبل مايكل هالز مور في 26 يوليو، 2018.

واحدة من الأسئلة الأكثر تواترا التي تلقيتها في كيس البريد قس هو "ما هي أفضل لغة البرمجة للتجارة الخوارزمية؟". الجواب القصير هو أنه لا توجد لغة "أفضل". يجب النظر في معايير الاستراتيجية، والأداء، نمطية، والتنمية، والمرونة والتكلفة. سوف توضح هذه المقالة المكونات الضرورية لهيكل نظام التداول الخوارزمي وكيف تؤثر القرارات المتعلقة بالتنفيذ على اختيار اللغة.

أولا، سيتم النظر في المكونات الرئيسية لنظام التداول الخوارزمي، مثل أدوات البحث، ومحفظة المحفظة، ومدير المخاطر ومحرك التنفيذ. وفي وقت لاحق، سيتم دراسة استراتيجيات التداول المختلفة وكيفية تأثيرها على تصميم النظام. على وجه الخصوص وتيرة التداول وحجم التداول المحتمل على حد سواء سيتم مناقشتها.

مرة واحدة وقد تم اختيار استراتيجية التداول، فمن الضروري لمهندس النظام بأكمله. وهذا يشمل اختيار الأجهزة، ونظام التشغيل (ق) ومرونة النظام ضد الأحداث النادرة، التي يحتمل أن تكون كارثية. وبينما يجري النظر في العمارة، يجب إيلاء الاعتبار الواجب للأداء - سواء لأدوات البحث أو لبيئة التنفيذ المباشر.

ما هو نظام التداول في محاولة القيام به؟

قبل اتخاذ قرار بشأن "أفضل" اللغة التي لكتابة نظام التداول الآلي من الضروري تحديد المتطلبات. هل سيكون النظام قائما على التنفيذ فقط؟ هل يتطلب النظام إدارة مخاطر أو وحدة بناء محفظة؟ سوف يتطلب النظام باكتستر عالية الأداء؟ بالنسبة لمعظم الاستراتيجيات نظام التداول يمكن تقسيمها إلى فئتين: البحوث وتوليد إشارة.

وتتعلق البحوث بتقييم أداء الاستراتيجية على البيانات التاريخية. إن عملية تقييم إستراتيجية التداول على بيانات السوق السابقة تعرف ب "الاختبار المسبق". وسيكون حجم البيانات والتعقيد الخوارزمي لها تأثير كبير على كثافة الحسابية من باكتستر. سرعة وحدة المعالجة المركزية والتزامن غالبا ما تكون العوامل المحددة في تحسين سرعة تنفيذ البحث.

ويتعلق توليد الإشارة بتوليد مجموعة من إشارات التداول من خوارزمية وإرسال هذه الأوامر إلى السوق، وعادة عن طريق الوساطة. بالنسبة لبعض الإستراتیجیات، یلزم وجود مستوى عال من الأداء. قضايا الإدخال / الإخراج مثل عرض النطاق الترددي للشبكة والكمون غالبا ما تكون العامل المحدد في تحسين أنظمة التنفيذ. وبالتالي فإن اختيار اللغات لكل مكون من مكونات النظام بأكمله قد يكون مختلفا تماما.

نوع، وتيرة وحجم الاستراتيجية.

وسيكون لنوع الاستراتيجية الخوارزمية المستخدمة أثر كبير على تصميم النظام. وسوف يكون من الضروري النظر في الأسواق التي يجري تداولها، والاتصال ببائعي البيانات الخارجية، وتواتر وحجم الاستراتيجية، والمفاضلة بين سهولة التنمية وتحسين الأداء، فضلا عن أي أجهزة مخصصة، بما في ذلك العرف المشترك والخوادم، وحدات معالجة الرسومات أو فبغا التي قد تكون ضرورية.

خيارات التكنولوجيا لاستراتيجية منخفضة الأسهم الأسهم الولايات المتحدة سوف تختلف اختلافا كبيرا عن تلك التي من استراتيجية عالية التردد التحكيم الإحصائية التداول في سوق العقود الآجلة. قبل اختيار اللغة يجب تقييم العديد من بائعي البيانات التي تتعلق باستراتيجية في متناول اليد.

سيكون من الضروري النظر في الاتصال بالمورد، وهيكل أي من واجهات برمجة التطبيقات، وتوقيت البيانات، ومتطلبات التخزين والمرونة في مواجهة البائع الذي يعمل دون اتصال. ومن الحكمة أيضا أن تمتلك إمكانية الوصول السريع إلى العديد من البائعين! ولجميع الأدوات المختلفة مخزونات تخزين خاصة بها، ومن الأمثلة على ذلك رموز شريط متعددة للأسهم وتاريخ انتهاء الصلاحية للعقود الآجلة (ناهيك عن أي بيانات أوتك محددة). ويتعين مراعاة ذلك في تصميم المنصة.

ومن المرجح أن يكون تكرار الاستراتيجية واحدا من أكبر العوامل الدافعة لكيفية تحديد كومة التكنولوجيا. الاستراتيجيات التي تستخدم بيانات أكثر تواترا من الحانات بدقة أو الثانية تتطلب اهتماما كبيرا فيما يتعلق بالأداء.

وتؤدي الاستراتيجية التي تتجاوز الحدود الثانية (أي بيانات القراد) إلى تصميم مدعوم بالأداء باعتباره الشرط الأساسي. وبالنسبة للاستراتيجيات ذات التردد العالي، سيلزم تخزين كمية كبيرة من بيانات السوق وتقييمها. برامج مثل HDF5 أو كدب + تستخدم عادة لهذه الأدوار.

من أجل معالجة كميات واسعة من البيانات اللازمة لتطبيقات هفت، يجب أن تستخدم على نطاق واسع باكتستر ونظام التنفيذ. C / C ++ (ربما مع بعض المجمع) من المرجح أن أقوى مرشح اللغة. وسوف تتطلب استراتيجيات فائقة التردد تقريبا تقريبا الأجهزة المخصصة مثل فبغاس، وتبادل المشاركة في الموقع وضبط شبكة النواة / شبكة.

نظم البحوث.

نظم البحوث عادة ما تنطوي على مزيج من التنمية التفاعلية والنصوص الآلي. وغالبا ما يحدث الأول داخل إيد مثل فيسوال ستوديو، ماتلاب أو R ستوديو. ويشمل هذا الأخير حسابات عددية واسعة النطاق على العديد من المعلمات ونقاط البيانات. وهذا يؤدي إلى اختيار اللغة توفير بيئة مباشرة لاختبار التعليمات البرمجية، ولكن أيضا يوفر أداء كافيا لتقييم الاستراتيجيات على أبعاد متعددة المعلمة.

تتضمن إيد النموذجية في هذه المساحة ميكروسوفت فيسوال C ++ / C #، الذي يحتوي على أدوات مساعدة التصحيح واسعة، قدرات اكتمال التعليمات البرمجية (عبر "إنتليسنز") ومحات عامة مباشرة من كومة المشروع بأكمله (عبر قاعدة البيانات أورم، لينق)؛ ماتلاب، الذي صمم لالجبر العددي واسعة النطاق وعمليات فيكتوريسد، ولكن بطريقة وحدة التحكم التفاعلية؛ R ستوديو، الذي يلتف وحدة تحكم اللغة الإحصائية R في إيد كاملة؛ إكليبس إيد لينوكس جافا و C ++؛ و إيدس شبه الملكية مثل إينوهت الستارة لبيثون، والتي تشمل مكتبات تحليل البيانات مثل نومبي، سسيبي، سكيكيت التعلم والباندا في بيئة تفاعلية واحدة (وحدة التحكم).

ل باكتستينغ العددية، جميع اللغات المذكورة أعلاه هي مناسبة، على الرغم من أنه ليس من الضروري استخدام واجهة المستخدم الرسومية / إيد كما سيتم تنفيذ التعليمات البرمجية "في الخلفية". الاعتبار الرئيسي في هذه المرحلة هو سرعة التنفيذ. غالبا ما تكون اللغة المترجمة (مثل C ++) مفيدة إذا كانت أبعاد معلمة باكتستينغ كبيرة. تذكر أنه من الضروري أن نكون حذرين من هذه الأنظمة إذا كان هذا هو الحال!

وغالبا ما تستفيد اللغات المفترضة مثل بيثون من المكتبات عالية الأداء مثل نومبي / بانداس لخطوة الاختبار المسبق، من أجل الحفاظ على درجة معقولة من القدرة التنافسية مع معادلات مجمعة. في نهاية المطاف سيتم تحديد اللغة المختارة لل باكتستينغ من قبل الاحتياجات الخوارزمية محددة وكذلك مجموعة من المكتبات المتاحة في اللغة (أكثر على ذلك أدناه). ومع ذلك، فإن اللغة المستخدمة لباكتستر والبيئات البحثية يمكن أن تكون مستقلة تماما عن تلك المستخدمة في بناء محفظة، وإدارة المخاطر ومكونات التنفيذ، كما سيتبين.

إدارة المحفظة وإدارة المخاطر.

وغالبا ما يتم تجاهل مكونات بناء المحفظة وإدارة المخاطر من قبل تجار التجزئة الخوارزمية. هذا هو دائما تقريبا خطأ. وتوفر هذه الأدوات الآلية التي سيتم من خلالها الحفاظ على رأس المال. فهي لا تحاول فقط التخفيف من عدد الرهانات "المحفوفة بالمخاطر"، بل إنها تقلل أيضا من تقلبات الصفقات نفسها، مما يقلل من تكاليف المعاملات.

يمكن أن يكون للإصدارات المتطورة من هذه المكونات تأثير كبير على جودة وانسجام الربحية. فمن السهل إنشاء استراتيجيات مستقرة حيث يمكن بسهولة تعديل آلية بناء المحفظة ومدير المخاطر للتعامل مع أنظمة متعددة. ومن ثم ينبغي اعتبارها عناصر أساسية في بداية تصميم نظام تجاري حسابي.

وظيفة نظام بناء محفظة هو اتخاذ مجموعة من الصفقات المطلوبة وإنتاج مجموعة من الصفقات الفعلية التي تقلل من زبد، والحفاظ على التعرض لعوامل مختلفة (مثل القطاعات وفئات الأصول والتقلب وغيرها) وتحسين تخصيص رأس المال لمختلف استراتيجيات في محفظة.

غالبا ما يقلل بناء الحافظة من مشكلة الجبر الخطي (مثل معامل المصفوفة)، وبالتالي يعتمد الأداء بشكل كبير على فعالية تنفيذ الجبر الخطي العددي المتوفر. وتشمل المكتبات الشائعة أوبلاس، لاباك و ناغ ل C ++. ماتلاب تمتلك أيضا عمليات مصفوفة الأمثل على نطاق واسع. يستخدم بيثون نومبي / سسيبي لمثل هذه الحسابات. وستتطلب المحفظة التي تمت إعادة توازنها بشكل متكرر مكتبة مصفوفة مجمعة (ومثبتة بشكل جيد!) لتنفيذ هذه الخطوة، حتى لا تعيق نظام التداول.

إدارة المخاطر جزء آخر مهم للغاية من نظام التداول الخوارزمي. يمكن أن تأتي المخاطر في أشكال عديدة: زيادة التقلبات (على الرغم من أن هذا قد يكون مرغوبا فيه لاستراتيجيات معينة!)، وزيادة الارتباطات بين فئات الأصول، والتخلف عن الطرف المقابل، وانقطاعات الخادم، وأحداث "البجعة السوداء"، والبق غير المكتشفة في قانون التداول، على سبيل المثال لا الحصر.

وتسعى مكونات إدارة المخاطر إلى التنبؤ بآثار التقلبات المفرطة والروابط بين فئات األصول وتأثيرها الالحق على رأس المال المتداول. في كثير من الأحيان هذا يقلل إلى مجموعة من الحسابات الإحصائية مثل مونت كارلو "اختبارات الإجهاد". وهذا يشبه إلى حد كبير الاحتياجات الحسابية لمحرك تسعير المشتقات وعلى هذا النحو سوف تكون مرتبطة بو. هذه المحاكاة هي موازية للغاية (انظر أدناه)، وإلى حد ما، فمن الممكن "رمي الأجهزة في المشكلة".

أنظمة التنفيذ.

وتتمثل مهمة نظام التنفيذ في تلقي إشارات تجارية مصفاة من مكونات بناء المحفظة وإدارة المخاطر وإرسالها إلى وساطة أو أي وسيلة أخرى للوصول إلى الأسواق. بالنسبة لمعظم استراتيجيات التداول خوارزمية التجزئة وهذا ينطوي على اتصال أبي أو فيكس إلى الوساطة مثل وسطاء التفاعلية. الاعتبارات الأساسية عند اتخاذ قرار بشأن لغة تشمل جودة أبي، توفر اللغة المجمع ل أبي، وتيرة التنفيذ والانزلاق المتوقع.

تشير "جودة" واجهة برمجة التطبيقات إلى مدى توثيقها بشكل جيد، ونوع الأداء الذي توفره، وما إذا كانت تحتاج إلى برنامج مستقل يمكن الوصول إليه أو ما إذا كان يمكن إنشاء بوابة بطريقة بدون رأس (أي واجهة المستخدم الرسومية). في حالة الوسطاء التفاعليين، يجب أن تعمل أداة ترادر ​​وركستاتيون في بيئة واجهة المستخدم الرسومية من أجل الوصول إلى واجهة برمجة التطبيقات الخاصة بهم. كان لي مرة واحدة لتثبيت طبعة سطح المكتب أوبونتو على خادم سحابة الأمازون للوصول إلى وسطاء التفاعلية عن بعد، بحتة لهذا السبب!

توفر معظم واجهات برمجة التطبيقات واجهة C ++ و / أو جافا. وعادة ما يصل إلى المجتمع لتطوير مغلفات لغة محددة ل C #، بايثون، R، إكسل وماتلاب. لاحظ أنه مع كل الإضافات الإضافية المستخدمة (وخاصة أبي مغلفات) هناك مجال للخلل لزحف إلى النظام. دائما اختبار الإضافات من هذا النوع وضمان الحفاظ عليها بنشاط. مقياس جدير بالاهتمام هو معرفة عدد التحديثات الجديدة التي تم إجراؤها على كودباس في الأشهر الأخيرة.

تردد التنفيذ هو في غاية الأهمية في خوارزمية التنفيذ. لاحظ أن المئات من الطلبات قد يتم إرسالها كل دقيقة، وعلى هذا النحو أمر بالغ الأهمية. سوف يتم تكبد الانزلاق من خلال نظام التنفيذ سيئة الأداء وهذا سيكون له تأثير كبير على الربحية.

تعتبر اللغات التي تمت كتابتها إحصائيا (انظر أدناه) مثل C ++ / جافا بشكل عام مثالية للتنفيذ ولكن هناك مفاضلة في وقت التطوير والاختبار وسهولة الصيانة. اللغات التي يتم كتابتها ديناميكيا، مثل بيثون و بيرل هي الآن بشكل عام "سريع بما فيه الكفاية". تأكد دائما من تصميم المكونات بطريقة نمطية (انظر أدناه) بحيث يمكن "تبديلها" خارجا كما موازين النظام.

التخطيط المعماري وعملية التنمية.

وقد نوقشت أعلاه مكونات نظام تجاري، ومتطلباته من حيث التردد والحجم، غير أنه لم يتم بعد تغطية الهياكل الأساسية للنظام. أولئك الذين يعملون كمتاجر التجزئة أو يعملون في صندوق صغير من المرجح أن "يرتدي قبعات كثيرة". وسوف يكون من الضروري أن تغطي نموذج ألفا، وإدارة المخاطر والتنفيذ المعلمات، وأيضا التنفيذ النهائي للنظام. قبل مناقشة لغات محددة، سيتم مناقشة تصميم بنية النظام الأمثل.

فصل الشواغل.

ومن أهم القرارات التي يجب اتخاذها في البداية كيفية "فصل الشواغل" عن نظام تجاري. في تطوير البرمجيات، وهذا يعني أساسا كيفية تفريق مختلف جوانب النظام التجاري إلى مكونات وحدات منفصلة.

من خلال تعريض الواجهات في كل من المكونات من السهل مبادلة أجزاء من النظام للنسخ الأخرى التي تساعد على الأداء، والموثوقية أو الصيانة، دون تعديل أي رمز التبعية الخارجية. وهذه هي "أفضل الممارسات" لهذه النظم. وبالنسبة للاستراتيجيات في الترددات المنخفضة، ينصح بهذه الممارسات. فبالنسبة لتداول الترددات العالية جدا، قد يكون من الضروري تجاهل قاعدة البيانات على حساب التغيير والتبديل في النظام للحصول على المزيد من الأداء. قد يكون من المرغوب فيه نظام أكثر إحكاما.

إن إنشاء خريطة مكونة لنظام التداول الخوارزمي يستحق مقالا في حد ذاته. ومع ذلك، فإن النهج الأمثل هو التأكد من وجود مكونات منفصلة للمدخلات بيانات السوق التاريخية والحقيقية، وتخزين البيانات، أبي الوصول إلى البيانات، باكتستر، معايير الاستراتيجية، بناء محفظة وإدارة المخاطر وأنظمة التنفيذ الآلي.

على سبيل المثال، إذا كان مخزن البيانات قيد الاستخدام حاليا ضعيفا، حتى عند مستويات كبيرة من التحسين، يمكن تبديله مع الحد الأدنى من إعادة الكتابة إلى ابتلاع البيانات أو أبي الوصول إلى البيانات. بقدر ما باكتستر والمكونات اللاحقة المعنية، ليس هناك فرق.

فائدة أخرى من المكونات فصل هو أنه يسمح لمجموعة متنوعة من لغات البرمجة لاستخدامها في النظام العام. ليست هناك حاجة إلى أن تقتصر على لغة واحدة إذا كانت طريقة الاتصال من مكونات اللغة مستقلة. وسوف يكون هذا هو الحال إذا كانوا التواصل عبر تكب / إب، زيرومق أو بعض بروتوكول آخر اللغة مستقلة.

وكمثال ملموس، يجب النظر في حالة نظام باكتستينغ الذي كتب في C ++ لأداء "طحن عدد"، في حين تتم كتابة مدير محفظة ونظم التنفيذ في بيثون باستخدام سسيبي و إبي.

اعتبارات الأداء.

الأداء هو اعتبار كبير لمعظم استراتيجيات التداول. لاستراتيجيات تردد أعلى هو العامل الأكثر أهمية. "الأداء" يغطي مجموعة واسعة من القضايا، مثل سرعة التنفيذ الخوارزمية، الكمون الشبكة، عرض النطاق الترددي، I / O البيانات، التزامن / التوازي والتحجيم. كل من هذه المجالات هي التي تغطيها بشكل فردي الكتب المدرسية الكبيرة، لذلك هذه المادة سوف تخدش فقط سطح كل موضوع. سيتم الآن مناقشة الهندسة المعمارية واختيار اللغة من حيث آثارها على الأداء.

الحكمة السائدة كما ذكر دونالد نوث، أحد آباء علوم الحاسوب، هو أن "التحسين المبكر هو جذر كل الشر". هذا هو الحال دائما تقريبا - إلا عند بناء خوارزمية التداول عالية التردد! بالنسبة لأولئك الذين يرغبون في استراتيجيات التردد المنخفض، نهج مشترك هو بناء نظام في أبسط طريقة ممكنة وتحسين فقط كما تبدأ الاختناقات في الظهور.

وتستخدم أدوات التنميط لتحديد أين تنشأ الاختناقات. يمكن أن تكون ملامح لجميع العوامل المذكورة أعلاه، إما في بيئة ويندوز أو لينوكس. هناك العديد من أنظمة التشغيل وأدوات اللغة المتاحة للقيام بذلك، فضلا عن المرافق طرف ثالث. وسيتم الآن مناقشة اختيار اللغة في سياق الأداء.

C ++ و جافا و بيثون و R و ماتلاب كلها تحتوي على مكتبات عالية الأداء (إما كجزء من معيارها أو خارجيا) لبنية البيانات الأساسية والعمل الخوارزمي. C ++ السفن مع مكتبة قالب قياسي، في حين يحتوي بيثون نومبي / سسيبي. المهام الرياضية المشتركة هي التي يمكن العثور عليها في هذه المكتبات ونادرا ما تكون مفيدة لكتابة تنفيذ جديد.

ويتمثل أحد الاستثناءات في ما إذا كانت معمارية الأجهزة عالية التخصيص مطلوبة وأن الخوارزمية تستخدم استخداما مكثفا للإضافات الخاصة (مثل مخابئ مخصصة). ومع ذلك، في كثير من الأحيان "إعادة اختراع العجلة" الوقت النفايات التي يمكن أن تنفق بشكل أفضل تطوير وتحسين أجزاء أخرى من البنية التحتية التجارية. وقت التطوير ثمين للغاية وخاصة في سياق المطورين الوحيد.

وكثيرا ما يكون الكمون مشكلة في نظام التنفيذ حيث أن أدوات البحث عادة ما تكون موجودة على نفس الجهاز. بالنسبة إلى السابق، يمكن أن يحدث الكمون عند نقاط متعددة على طول مسار التنفيذ. يجب استشارة قواعد البيانات (زمن الاستجابة للقرص / الشبكة)، يجب إنشاء إشارات (التشغيل المؤقت، زمن استجابة الرسائل)، وإشارات التجارة المرسلة (زمن استجابة نيك) والأوامر المعالجة (زمن الاستجابة الداخلي للتبادل).

لعمليات تردد أعلى من الضروري أن تصبح مألوفة على نحو وثيق مع التحسين الأمثل، فضلا عن الأمثل لنقل الشبكة. هذا هو منطقة عميقة و هو إلى حد كبير خارج نطاق هذه المادة ولكن إذا كان المطلوب خوارزمية أوفت ثم يكون على بينة من عمق المعرفة المطلوبة!

التخزين المؤقت مفيد جدا في مجموعة أدوات مطور التداول الكمي. التخزين المؤقت يشير إلى مفهوم تخزين البيانات التي يتم الوصول إليها بشكل متكرر بطريقة تسمح بالوصول إلى الأداء العالي، على حساب احتمال عدم دقة البيانات. تحدث حالة الاستخدام الشائعة في تطوير الويب عند أخذ البيانات من قاعدة بيانات علائقية تدعمها الأقراص ووضعها في الذاكرة. أي طلبات لاحقة للبيانات لا تضطر إلى "ضرب قاعدة البيانات" وبالتالي مكاسب الأداء يمكن أن تكون كبيرة.

للتداول حالات التخزين المؤقت يمكن أن تكون مفيدة للغاية. على سبيل المثال، يمكن تخزين الحالة الحالية لمحفظة إستراتيجية في ذاكرة التخزين المؤقت حتى يتم إعادة توازنها، بحيث لا تحتاج القائمة إلى إعادة توليدها عند كل حلقة من خوارزمية التداول. من المرجح أن يكون هذا التجميع وحدة المعالجة المركزية عالية أو القرص I / O العملية.

ومع ذلك، التخزين المؤقت لا يخلو من القضايا الخاصة بها. تجديد بيانات ذاكرة التخزين المؤقت في كل مرة، ويرجع ذلك إلى طبيعة فوليلي تخزين ذاكرة التخزين المؤقت، يمكن أن تضع طلبا كبيرا على البنية التحتية. وثمة مسألة أخرى هي تكديس الكلاب، حيث يتم تنفيذ أجيال متعددة من نسخة مخبأ جديدة تحت حمولة عالية للغاية، الأمر الذي يؤدي إلى فشل سلسلة.

تخصيص الذاكرة الديناميكية عملية مكلفة في تنفيذ البرامج. وبالتالي فإنه من الضروري لتطبيقات التداول أداء أعلى أن تكون على بينة جيدا كيف يتم تخصيص الذاكرة وإزالة ديالوكاتد خلال تدفق البرنامج. معايير اللغة الأحدث مثل جافا و C # و بيثون جميعها تؤدي إلى جمع القمامة التلقائي، الذي يشير إلى إلغاء تخصيص الذاكرة التي يتم تخصيصها ديناميكيا عندما تخرج الكائنات من النطاق.

Garbage collection is extremely useful during development as it reduces errors and aids readability. However, it is often sub-optimal for certain high frequency trading strategies. Custom garbage collection is often desired for these cases. In Java, for instance, by tuning the garbage collector and heap configuration, it is possible to obtain high performance for HFT strategies.

C++ doesn't provide a native garbage collector and so it is necessary to handle all memory allocation/deallocation as part of an object's implementation. While potentially error prone (potentially leading to dangling pointers) it is extremely useful to have fine-grained control of how objects appear on the heap for certain applications. When choosing a language make sure to study how the garbage collector works and whether it can be modified to optimise for a particular use case.

Many operations in algorithmic trading systems are amenable to parallelisation . This refers to the concept of carrying out multiple programmatic operations at the same time, i. e in "parallel". So-called "embarassingly parallel" algorithms include steps that can be computed fully independently of other steps. Certain statistical operations, such as Monte Carlo simulations, are a good example of embarassingly parallel algorithms as each random draw and subsequent path operation can be computed without knowledge of other paths.

Other algorithms are only partially parallelisable. Fluid dynamics simulations are such an example, where the domain of computation can be subdivided, but ultimately these domains must communicate with each other and thus the operations are partially sequential. Parallelisable algorithms are subject to Amdahl's Law, which provides a theoretical upper limit to the performance increase of a parallelised algorithm when subject to $N$ separate processes (e. g. on a CPU core or thread ).

Parallelisation has become increasingly important as a means of optimisation since processor clock-speeds have stagnated, as newer processors contain many cores with which to perform parallel calculations. The rise of consumer graphics hardware (predominently for video games) has lead to the development of Graphical Processing Units (GPUs), which contain hundreds of "cores" for highly concurrent operations. Such GPUs are now very affordable. High-level frameworks, such as Nvidia's CUDA have lead to widespread adoption in academia and finance.

Such GPU hardware is generally only suitable for the research aspect of quantitative finance, whereas other more specialised hardware (including Field-Programmable Gate Arrays - FPGAs) are used for (U)HFT. Nowadays, most modern langauges support a degree of concurrency/multithreading. Thus it is straightforward to optimise a backtester, since all calculations are generally independent of the others.

Scaling in software engineering and operations refers to the ability of the system to handle consistently increasing loads in the form of greater requests, higher processor usage and more memory allocation. In algorithmic trading a strategy is able to scale if it can accept larger quantities of capital and still produce consistent returns. The trading technology stack scales if it can endure larger trade volumes and increased latency, without bottlenecking .

While systems must be designed to scale, it is often hard to predict beforehand where a bottleneck will occur. Rigourous logging, testing, profiling and monitoring will aid greatly in allowing a system to scale. Languages themselves are often described as "unscalable". This is usually the result of misinformation, rather than hard fact. It is the total technology stack that should be ascertained for scalability, not the language. Clearly certain languages have greater performance than others in particular use cases, but one language is never "better" than another in every sense.

One means of managing scale is to separate concerns, as stated above. In order to further introduce the ability to handle "spikes" in the system (i. e. sudden volatility which triggers a raft of trades), it is useful to create a "message queuing architecture". This simply means placing a message queue system between components so that orders are "stacked up" if a certain component is unable to process many requests.

Rather than requests being lost they are simply kept in a stack until the message is handled. This is particularly useful for sending trades to an execution engine. If the engine is suffering under heavy latency then it will back up trades. A queue between the trade signal generator and the execution API will alleviate this issue at the expense of potential trade slippage. A well-respected open source message queue broker is RabbitMQ.

Hardware and Operating Systems.

The hardware running your strategy can have a significant impact on the profitability of your algorithm. This is not an issue restricted to high frequency traders either. A poor choice in hardware and operating system can lead to a machine crash or reboot at the most inopportune moment. Thus it is necessary to consider where your application will reside. The choice is generally between a personal desktop machine, a remote server, a "cloud" provider or an exchange co-located server.

Desktop machines are simple to install and administer, especially with newer user friendly operating systems such as Windows 7/8, Mac OSX and Ubuntu. Desktop systems do possess some significant drawbacks, however. The foremost is that the versions of operating systems designed for desktop machines are likely to require reboots/patching (and often at the worst of times!). They also use up more computational resources by the virtue of requiring a graphical user interface (GUI).

Utilising hardware in a home (or local office) environment can lead to internet connectivity and power uptime problems. The main benefit of a desktop system is that significant computational horsepower can be purchased for the fraction of the cost of a remote dedicated server (or cloud based system) of comparable speed.

A dedicated server or cloud-based machine, while often more expensive than a desktop option, allows for more significant redundancy infrastructure, such as automated data backups, the ability to more straightforwardly ensure uptime and remote monitoring. They are harder to administer since they require the ability to use remote login capabilities of the operating system.

In Windows this is generally via the GUI Remote Desktop Protocol (RDP). In Unix-based systems the command-line Secure SHell (SSH) is used. Unix-based server infrastructure is almost always command-line based which immediately renders GUI-based programming tools (such as MatLab or Excel) to be unusable.

A co-located server, as the phrase is used in the capital markets, is simply a dedicated server that resides within an exchange in order to reduce latency of the trading algorithm. This is absolutely necessary for certain high frequency trading strategies, which rely on low latency in order to generate alpha.

The final aspect to hardware choice and the choice of programming language is platform-independence. Is there a need for the code to run across multiple different operating systems? Is the code designed to be run on a particular type of processor architecture, such as the Intel x86/x64 or will it be possible to execute on RISC processors such as those manufactured by ARM? These issues will be highly dependent upon the frequency and type of strategy being implemented.

Resilience and Testing.

One of the best ways to lose a lot of money on algorithmic trading is to create a system with no resiliency . This refers to the durability of the sytem when subject to rare events, such as brokerage bankruptcies, sudden excess volatility, region-wide downtime for a cloud server provider or the accidental deletion of an entire trading database. Years of profits can be eliminated within seconds with a poorly-designed architecture. It is absolutely essential to consider issues such as debuggng, testing, logging, backups, high-availability and monitoring as core components of your system.

It is likely that in any reasonably complicated custom quantitative trading application at least 50% of development time will be spent on debugging, testing and maintenance.

Nearly all programming languages either ship with an associated debugger or possess well-respected third-party alternatives. In essence, a debugger allows execution of a program with insertion of arbitrary break points in the code path, which temporarily halt execution in order to investigate the state of the system. The main benefit of debugging is that it is possible to investigate the behaviour of code prior to a known crash point .

Debugging is an essential component in the toolbox for analysing programming errors. However, they are more widely used in compiled languages such as C++ or Java, as interpreted languages such as Python are often easier to debug due to fewer LOC and less verbose statements. Despite this tendency Python does ship with the pdb, which is a sophisticated debugging tool. The Microsoft Visual C++ IDE possesses extensive GUI debugging utilities, while for the command line Linux C++ programmer, the gdb debugger exists.

Testing in software development refers to the process of applying known parameters and results to specific functions, methods and objects within a codebase, in order to simulate behaviour and evaluate multiple code-paths, helping to ensure that a system behaves as it should. A more recent paradigm is known as Test Driven Development (TDD), where test code is developed against a specified interface with no implementation. Prior to the completion of the actual codebase all tests will fail. As code is written to "fill in the blanks", the tests will eventually all pass, at which point development should cease.

TDD requires extensive upfront specification design as well as a healthy degree of discipline in order to carry out successfully. In C++, Boost provides a unit testing framework. In Java, the JUnit library exists to fulfill the same purpose. Python also has the unittest module as part of the standard library. Many other languages possess unit testing frameworks and often there are multiple options.

In a production environment, sophisticated logging is absolutely essential. Logging refers to the process of outputting messages, with various degrees of severity, regarding execution behaviour of a system to a flat file or database. Logs are a "first line of attack" when hunting for unexpected program runtime behaviour. Unfortunately the shortcomings of a logging system tend only to be discovered after the fact! As with backups discussed below, a logging system should be given due consideration BEFORE a system is designed.

Both Microsoft Windows and Linux come with extensive system logging capability and programming languages tend to ship with standard logging libraries that cover most use cases. It is often wise to centralise logging information in order to analyse it at a later date, since it can often lead to ideas about improving performance or error reduction, which will almost certainly have a positive impact on your trading returns.

While logging of a system will provide information about what has transpired in the past, monitoring of an application will provide insight into what is happening right now . All aspects of the system should be considered for monitoring. System level metrics such as disk usage, available memory, network bandwidth and CPU usage provide basic load information.

Trading metrics such as abnormal prices/volume, sudden rapid drawdowns and account exposure for different sectors/markets should also be continuously monitored. Further, a threshold system should be instigated that provides notification when certain metrics are breached, elevating the notification method (email, SMS, automated phone call) depending upon the severity of the metric.

System monitoring is often the domain of the system administrator or operations manager. However, as a sole trading developer, these metrics must be established as part of the larger design. Many solutions for monitoring exist: proprietary, hosted and open source, which allow extensive customisation of metrics for a particular use case.

Backups and high availability should be prime concerns of a trading system. Consider the following two questions: 1) If an entire production database of market data and trading history was deleted (without backups) how would the research and execution algorithm be affected? 2) If the trading system suffers an outage for an extended period (with open positions) how would account equity and ongoing profitability be affected? The answers to both of these questions are often sobering!

It is imperative to put in place a system for backing up data and also for testing the restoration of such data. Many individuals do not test a restore strategy. If recovery from a crash has not been tested in a safe environment, what guarantees exist that restoration will be available at the worst possible moment?

Similarly, high availability needs to be "baked in from the start". Redundant infrastructure (even at additional expense) must always be considered, as the cost of downtime is likely to far outweigh the ongoing maintenance cost of such systems. I won't delve too deeply into this topic as it is a large area, but make sure it is one of the first considerations given to your trading system.

Choosing a Language.

Considerable detail has now been provided on the various factors that arise when developing a custom high-performance algorithmic trading system. The next stage is to discuss how programming languages are generally categorised.

Type Systems.

When choosing a language for a trading stack it is necessary to consider the type system . The languages which are of interest for algorithmic trading are either statically - or dynamically-typed . A statically-typed language performs checks of the types (e. g. integers, floats, custom classes etc) during the compilation process. Such languages include C++ and Java. A dynamically-typed language performs the majority of its type-checking at runtime. Such languages include Python, Perl and JavaScript.

For a highly numerical system such as an algorithmic trading engine, type-checking at compile time can be extremely beneficial, as it can eliminate many bugs that would otherwise lead to numerical errors. However, type-checking doesn't catch everything, and this is where exception handling comes in due to the necessity of having to handle unexpected operations. 'Dynamic' languages (i. e. those that are dynamically-typed) can often lead to run-time errors that would otherwise be caught with a compilation-time type-check. For this reason, the concept of TDD (see above) and unit testing arose which, when carried out correctly, often provides more safety than compile-time checking alone.

Another benefit of statically-typed languages is that the compiler is able to make many optimisations that are otherwise unavailable to the dynamically - typed language, simply because the type (and thus memory requirements) are known at compile-time. In fact, part of the inefficiency of many dynamically-typed languages stems from the fact that certain objects must be type-inspected at run-time and this carries a performance hit. Libraries for dynamic languages, such as NumPy/SciPy alleviate this issue due to enforcing a type within arrays.

Open Source or Proprietary?

One of the biggest choices available to an algorithmic trading developer is whether to use proprietary (commercial) or open source technologies. There are advantages and disadvantages to both approaches. It is necessary to consider how well a language is supported, the activity of the community surrounding a language, ease of installation and maintenance, quality of the documentation and any licensing/maintenance costs.

The Microsoft stack (including Visual C++, Visual C#) and MathWorks' MatLab are two of the larger proprietary choices for developing custom algorithmic trading software. Both tools have had significant "battle testing" in the financial space, with the former making up the predominant software stack for investment banking trading infrastructure and the latter being heavily used for quantitative trading research within investment funds.

Microsoft and MathWorks both provide extensive high quality documentation for their products. Further, the communities surrounding each tool are very large with active web forums for both. The software allows cohesive integration with multiple languages such as C++, C# and VB, as well as easy linkage to other Microsoft products such as the SQL Server database via LINQ. MatLab also has many plugins/libraries (some free, some commercial) for nearly any quantitative research domain.

There are also drawbacks. With either piece of software the costs are not insignificant for a lone trader (although Microsoft does provide entry-level version of Visual Studio for free). Microsoft tools "play well" with each other, but integrate less well with external code. Visual Studio must also be executed on Microsoft Windows, which is arguably far less performant than an equivalent Linux server which is optimally tuned.

MatLab also lacks a few key plugins such as a good wrapper around the Interactive Brokers API, one of the few brokers amenable to high-performance algorithmic trading. The main issue with proprietary products is the lack of availability of the source code. This means that if ultra performance is truly required, both of these tools will be far less attractive.

Open source tools have been industry grade for sometime. Much of the alternative asset space makes extensive use of open-source Linux, MySQL/PostgreSQL, Python, R, C++ and Java in high-performance production roles. However, they are far from restricted to this domain. Python and R, in particular, contain a wealth of extensive numerical libraries for performing nearly any type of data analysis imaginable, often at execution speeds comparable to compiled languages, with certain caveats.

The main benefit of using interpreted languages is the speed of development time. Python and R require far fewer lines of code (LOC) to achieve similar functionality, principally due to the extensive libraries. وعلاوة على ذلك، فإنها غالبا ما تسمح تطوير وحدة التحكم التفاعلية القائمة، والحد بسرعة من عملية التنمية التكرارية.

Given that time as a developer is extremely valuable, and execution speed often less so (unless in the HFT space), it is worth giving extensive consideration to an open source technology stack. Python and R possess significant development communities and are extremely well supported, due to their popularity. Documentation is excellent and bugs (at least for core libraries) remain scarce.

Open source tools often suffer from a lack of a dedicated commercial support contract and run optimally on systems with less-forgiving user interfaces. A typical Linux server (such as Ubuntu) will often be fully command-line oriented. In addition, Python and R can be slow for certain execution tasks. There are mechanisms for integrating with C++ in order to improve execution speeds, but it requires some experience in multi-language programming.

While proprietary software is not immune from dependency/versioning issues it is far less common to have to deal with incorrect library versions in such environments. أنظمة التشغيل مفتوحة المصدر مثل لينكس يمكن أن تكون أكثر صعوبة لإدارة.

I will venture my personal opinion here and state that I build all of my trading tools with open source technologies. In particular I use: Ubuntu, MySQL, Python, C++ and R. The maturity, community size, ability to "dig deep" if problems occur and lower total cost ownership (TCO) far outweigh the simplicity of proprietary GUIs and easier installations. Having said that, Microsoft Visual Studio (especially for C++) is a fantastic Integrated Development Environment (IDE) which I would also highly recommend.

Batteries Included?

The header of this section refers to the "out of the box" capabilities of the language - what libraries does it contain and how good are they? This is where mature languages have an advantage over newer variants. C++, Java and Python all now possess extensive libraries for network programming, HTTP, operating system interaction, GUIs, regular expressions (regex), iteration and basic algorithms.

C++ is famed for its Standard Template Library (STL) which contains a wealth of high performance data structures and algorithms "for free". Python is known for being able to communicate with nearly any other type of system/protocol (especially the web), mostly through its own standard library. R has a wealth of statistical and econometric tools built in, while MatLab is extremely optimised for any numerical linear algebra code (which can be found in portfolio optimisation and derivatives pricing, for instance).

Outside of the standard libraries, C++ makes use of the Boost library, which fills in the "missing parts" of the standard library. In fact, many parts of Boost made it into the TR1 standard and subsequently are available in the C++11 spec, including native support for lambda expressions and concurrency.

Python has the high performance NumPy/SciPy/Pandas data analysis library combination, which has gained widespread acceptance for algorithmic trading research. Further, high-performance plugins exist for access to the main relational databases, such as MySQL++ (MySQL/C++), JDBC (Java/MatLab), MySQLdb (MySQL/Python) and psychopg2 (PostgreSQL/Python). Python can even communicate with R via the RPy plugin!

An often overlooked aspect of a trading system while in the initial research and design stage is the connectivity to a broker API. Most APIs natively support C++ and Java, but some also support C# and Python, either directly or with community-provided wrapper code to the C++ APIs. In particular, Interactive Brokers can be connected to via the IBPy plugin. If high-performance is required, brokerages will support the FIX protocol.

استنتاج.

As is now evident, the choice of programming language(s) for an algorithmic trading system is not straightforward and requires deep thought. The main considerations are performance, ease of development, resiliency and testing, separation of concerns, familiarity, maintenance, source code availability, licensing costs and maturity of libraries.

فائدة الهندسة المعمارية المنفصلة هي أنه يسمح لللغات بأن تكون "موصولة" لمختلف جوانب كومة التداول، وعندما تتغير المتطلبات. A trading system is an evolving tool and it is likely that any language choices will evolve along with it.

مجرد بدء مع التداول الكمي؟

3 أسباب الاشتراك في قائمة البريد الإلكتروني كوانتستارت:

1. دروس التداول الكمي.

سوف تحصل على إمكانية الوصول الفوري إلى دورة مجانية 10-البريد الإلكتروني معبأة مع تلميحات ونصائح لمساعدتك على البدء في التداول الكمي!

2. جميع أحدث المحتوى.

كل أسبوع سوف نرسل لك التفاف جميع الأنشطة على كوانتستارت لذلك عليك أن لا يفوتون وظيفة مرة أخرى.

ريال مدريد، وقابلة للتنفيذ نصائح التداول الكمي مع أي هراء.

Trading Floor Architecture.

Available Languages.

Download Options.

View with Adobe Reader on a variety of devices.

جدول المحتويات.

Trading Floor Architecture.

Executive Overview.

Increased competition, higher market data volume, and new regulatory demands are some of the driving forces behind industry changes. Firms are trying to maintain their competitive edge by constantly changing their trading strategies and increasing the speed of trading.

A viable architecture has to include the latest technologies from both network and application domains. It has to be modular to provide a manageable path to evolve each component with minimal disruption to the overall system. Therefore the architecture proposed by this paper is based on a services framework. We examine services such as ultra-low latency messaging, latency monitoring, multicast, computing, storage, data and application virtualization, trading resiliency, trading mobility, and thin client.

The solution to the complex requirements of the next-generation trading platform must be built with a holistic mindset, crossing the boundaries of traditional silos like business and technology or applications and networking.

This document's main goal is to provide guidelines for building an ultra-low latency trading platform while optimizing the raw throughput and message rate for both market data and FIX trading orders.

To achieve this, we are proposing the following latency reduction technologies:

• High speed inter-connect—InfiniBand or 10 Gbps connectivity for the trading cluster.

• High-speed messaging bus.

• Application acceleration via RDMA without application re-code.

• Real-time latency monitoring and re-direction of trading traffic to the path with minimum latency.

Industry Trends and Challenges.

Next-generation trading architectures have to respond to increased demands for speed, volume, and efficiency. For example, the volume of options market data is expected to double after the introduction of options penny trading in 2007. There are also regulatory demands for best execution, which require handling price updates at rates that approach 1M msg/sec. for exchanges. They also require visibility into the freshness of the data and proof that the client got the best possible execution.

In the short term, speed of trading and innovation are key differentiators. An increasing number of trades are handled by algorithmic trading applications placed as close as possible to the trade execution venue. A challenge with these "black-box" trading engines is that they compound the volume increase by issuing orders only to cancel them and re-submit them. The cause of this behavior is lack of visibility into which venue offers best execution. The human trader is now a "financial engineer," a "quant" (quantitative analyst) with programming skills, who can adjust trading models on the fly. Firms develop new financial instruments like weather derivatives or cross-asset class trades and they need to deploy the new applications quickly and in a scalable fashion.

In the long term, competitive differentiation should come from analysis, not just knowledge. The star traders of tomorrow assume risk, achieve true client insight, and consistently beat the market (source IBM: www-935.ibm/services/us/imc/pdf/ge510-6270-trader. pdf).

Business resilience has been one main concern of trading firms since September 11, 2001. Solutions in this area range from redundant data centers situated in different geographies and connected to multiple trading venues to virtual trader solutions offering power traders most of the functionality of a trading floor in a remote location.

The financial services industry is one of the most demanding in terms of IT requirements. The industry is experiencing an architectural shift towards Services-Oriented Architecture (SOA), Web services, and virtualization of IT resources. SOA takes advantage of the increase in network speed to enable dynamic binding and virtualization of software components. This allows the creation of new applications without losing the investment in existing systems and infrastructure. The concept has the potential to revolutionize the way integration is done, enabling significant reductions in the complexity and cost of such integration (gigaspaces/download/MerrilLynchGigaSpacesWP. pdf).

Another trend is the consolidation of servers into data center server farms, while trader desks have only KVM extensions and ultra-thin clients (e. g., SunRay and HP blade solutions). High-speed Metro Area Networks enable market data to be multicast between different locations, enabling the virtualization of the trading floor.

High-Level Architecture.

Figure 1 depicts the high-level architecture of a trading environment. The ticker plant and the algorithmic trading engines are located in the high performance trading cluster in the firm's data center or at the exchange. The human traders are located in the end-user applications area.

Functionally there are two application components in the enterprise trading environment, publishers and subscribers. The messaging bus provides the communication path between publishers and subscribers.

There are two types of traffic specific to a trading environment:

• Market Data—Carries pricing information for financial instruments, news, and other value-added information such as analytics. It is unidirectional and very latency sensitive, typically delivered over UDP multicast. It is measured in updates/sec. and in Mbps. Market data flows from one or multiple external feeds, coming from market data providers like stock exchanges, data aggregators, and ECNs. Each provider has their own market data format. The data is received by feed handlers, specialized applications which normalize and clean the data and then send it to data consumers, such as pricing engines, algorithmic trading applications, or human traders. Sell-side firms also send the market data to their clients, buy-side firms such as mutual funds, hedge funds, and other asset managers. Some buy-side firms may opt to receive direct feeds from exchanges, reducing latency.

Figure 1 Trading Architecture for a Buy Side/Sell Side Firm.

There is no industry standard for market data formats. Each exchange has their proprietary format. Financial content providers such as Reuters and Bloomberg aggregate different sources of market data, normalize it, and add news or analytics. Examples of consolidated feeds are RDF (Reuters Data Feed), RWF (Reuters Wire Format), and Bloomberg Professional Services Data.

To deliver lower latency market data, both vendors have released real-time market data feeds which are less processed and have less analytics:

– Bloomberg B-Pipe—With B-Pipe, Bloomberg de-couples their market data feed from their distribution platform because a Bloomberg terminal is not required for get B-Pipe. Wombat and Reuters Feed Handlers have announced support for B-Pipe.

A firm may decide to receive feeds directly from an exchange to reduce latency. The gains in transmission speed can be between 150 milliseconds to 500 milliseconds. These feeds are more complex and more expensive and the firm has to build and maintain their own ticker plant (financetech/featured/showArticle. jhtml? articleID=60404306).

• Trading Orders—This type of traffic carries the actual trades. It is bi-directional and very latency sensitive. It is measured in messages/sec. and Mbps. The orders originate from a buy side or sell side firm and are sent to trading venues like an Exchange or ECN for execution. The most common format for order transport is FIX (Financial Information eXchange—fixprotocol/). The applications which handle FIX messages are called FIX engines and they interface with order management systems (OMS).

An optimization to FIX is called FAST (Fix Adapted for Streaming), which uses a compression schema to reduce message length and, in effect, reduce latency. FAST is targeted more to the delivery of market data and has the potential to become a standard. FAST can also be used as a compression schema for proprietary market data formats.

To reduce latency, firms may opt to establish Direct Market Access (DMA).

DMA is the automated process of routing a securities order directly to an execution venue, therefore avoiding the intervention by a third-party (towergroup/research/content/glossary. jsp? page=1&glossaryId=383). DMA requires a direct connection to the execution venue.

The messaging bus is middleware software from vendors such as Tibco, 29West, Reuters RMDS, or an open source platform such as AMQP. The messaging bus uses a reliable mechanism to deliver messages. The transport can be done over TCP/IP (TibcoEMS, 29West, RMDS, and AMQP) or UDP/multicast (TibcoRV, 29West, and RMDS). One important concept in message distribution is the "topic stream," which is a subset of market data defined by criteria such as ticker symbol, industry, or a certain basket of financial instruments. Subscribers join topic groups mapped to one or multiple sub-topics in order to receive only the relevant information. In the past, all traders received all market data. At the current volumes of traffic, this would be sub-optimal.

The network plays a critical role in the trading environment. Market data is carried to the trading floor where the human traders are located via a Campus or Metro Area high-speed network. High availability and low latency, as well as high throughput, are the most important metrics.

The high performance trading environment has most of its components in the Data Center server farm. To minimize latency, the algorithmic trading engines need to be located in the proximity of the feed handlers, FIX engines, and order management systems. An alternate deployment model has the algorithmic trading systems located at an exchange or a service provider with fast connectivity to multiple exchanges.

Deployment Models.

There are two deployment models for a high performance trading platform. Firms may chose to have a mix of the two:

• Data Center of the trading firm (Figure 2)—This is the traditional model, where a full-fledged trading platform is developed and maintained by the firm with communication links to all the trading venues. Latency varies with the speed of the links and the number of hops between the firm and the venues.

Figure 2 Traditional Deployment Model.

• Co-location at the trading venue (exchanges, financial service providers (FSP)) (Figure 3)

The trading firm deploys its automated trading platform as close as possible to the execution venues to minimize latency.

Figure 3 Hosted Deployment Model.

Services-Oriented Trading Architecture.

We are proposing a services-oriented framework for building the next-generation trading architecture. This approach provides a conceptual framework and an implementation path based on modularization and minimization of inter-dependencies.

This framework provides firms with a methodology to:

• Evaluate their current state in terms of services.

• Prioritize services based on their value to the business.

• Evolve the trading platform to the desired state using a modular approach.

The high performance trading architecture relies on the following services, as defined by the services architecture framework represented in Figure 4.

Figure 4 Service Architecture Framework for High Performance Trading.

Table 1 Service Descriptions and Technologies.

Ultra-low latency messaging.

Instrumentation—appliances, software agents, and router modules.

OS and I/O virtualization, Remote Direct Memory Access (RDMA), TCP Offload Engines (TOE)

Middleware which parallelizes application processing.

Middleware which speeds-up data access for applications, e. g., in-memory caching.

Hardware-assisted multicast replication through-out the network; multicast Layer 2 and Layer 3 optimizations.

Virtualization of storage hardware (VSANs), data replication, remote backup, and file virtualization.

Trading resilience and mobility.

Local and site load balancing and high availability campus networks.

Wide Area application services.

Acceleration of applications over a WAN connection for traders residing off-campus.

Thin client service.

De-coupling of the computing resources from the end-user facing terminals.

Ultra-Low Latency Messaging Service.

This service is provided by the messaging bus, which is a software system that solves the problem of connecting many-to-many applications. The system consists of:

• A set of pre-defined message schemas.

• A set of common command messages.

• A shared application infrastructure for sending the messages to recipients. The shared infrastructure can be based on a message broker or on a publish/subscribe model.

The key requirements for the next-generation messaging bus are (source 29West):

• Lowest possible latency (e. g., less than 100 microseconds)

• Stability under heavy load (e. g., more than 1.4 million msg/sec.)

• Control and flexibility (rate control and configurable transports)

There are efforts in the industry to standardize the messaging bus. Advanced Message Queueing Protocol (AMQP) is an example of an open standard championed by J. P. Morgan Chase and supported by a group of vendors such as Cisco, Envoy Technologies, Red Hat, TWIST Process Innovations, Iona, 29West, and iMatix. Two of the main goals are to provide a more simple path to inter-operability for applications written on different platforms and modularity so that the middleware can be easily evolved.

In very general terms, an AMQP server is analogous to an E-mail server with each exchange acting as a message transfer agent and each message queue as a mailbox. The bindings define the routing tables in each transfer agent. Publishers send messages to individual transfer agents, which then route the messages into mailboxes. Consumers take messages from mailboxes, which creates a powerful and flexible model that is simple (source: amqp/tikiwiki/tiki-index. php? page=OpenApproach#Why_AMQP_).

Latency Monitoring Service.

The main requirements for this service are:

• Sub-millisecond granularity of measurements.

• Near-real time visibility without adding latency to the trading traffic.

• Ability to differentiate application processing latency from network transit latency.

• Ability to handle high message rates.

• Provide a programmatic interface for trading applications to receive latency data, thus enabling algorithmic trading engines to adapt to changing conditions.

• Correlate network events with application events for troubleshooting purposes.

Latency can be defined as the time interval between when a trade order is sent and when the same order is acknowledged and acted upon by the receiving party.

Addressing the latency issue is a complex problem, requiring a holistic approach that identifies all sources of latency and applies different technologies at different layers of the system.

Figure 5 depicts the variety of components that can introduce latency at each layer of the OSI stack. It also maps each source of latency with a possible solution and a monitoring solution. This layered approach can give firms a more structured way of attacking the latency issue, whereby each component can be thought of as a service and treated consistently across the firm.

Maintaining an accurate measure of the dynamic state of this time interval across alternative routes and destinations can be of great assistance in tactical trading decisions. The ability to identify the exact location of delays, whether in the customer's edge network, the central processing hub, or the transaction application level, significantly determines the ability of service providers to meet their trading service-level agreements (SLAs). For buy-side and sell-side forms, as well as for market-data syndicators, the quick identification and removal of bottlenecks translates directly into enhanced trade opportunities and revenue.

Figure 5 Latency Management Architecture.

Cisco Low-Latency Monitoring Tools.

Traditional network monitoring tools operate with minutes or seconds granularity. Next-generation trading platforms, especially those supporting algorithmic trading, require latencies less than 5 ms and extremely low levels of packet loss. On a Gigabit LAN, a 100 ms microburst can cause 10,000 transactions to be lost or excessively delayed.

Cisco offers its customers a choice of tools to measure latency in a trading environment:

• Bandwidth Quality Manager (BQM) (OEM from Corvil)

• Cisco AON-based Financial Services Latency Monitoring Solution (FSMS)

Bandwidth Quality Manager.

Bandwidth Quality Manager (BQM) 4.0 is a next-generation network application performance management product that enables customers to monitor and provision their network for controlled levels of latency and loss performance. While BQM is not exclusively targeted at trading networks, its microsecond visibility combined with intelligent bandwidth provisioning features make it ideal for these demanding environments.

Cisco BQM 4.0 implements a broad set of patented and patent-pending traffic measurement and network analysis technologies that give the user unprecedented visibility and understanding of how to optimize the network for maximum application performance.

Cisco BQM is now supported on the product family of Cisco Application Deployment Engine (ADE). The Cisco ADE product family is the platform of choice for Cisco network management applications.

BQM Benefits.

Cisco BQM micro-visibility is the ability to detect, measure, and analyze latency, jitter, and loss inducing traffic events down to microsecond levels of granularity with per packet resolution. This enables Cisco BQM to detect and determine the impact of traffic events on network latency, jitter, and loss. Critical for trading environments is that BQM can support latency, loss, and jitter measurements one-way for both TCP and UDP (multicast) traffic. This means it reports seamlessly for both trading traffic and market data feeds.

BQM allows the user to specify a comprehensive set of thresholds (against microburst activity, latency, loss, jitter, utilization, etc.) on all interfaces. BQM then operates a background rolling packet capture. Whenever a threshold violation or other potential performance degradation event occurs, it triggers Cisco BQM to store the packet capture to disk for later analysis. This allows the user to examine in full detail both the application traffic that was affected by performance degradation ("the victims") and the traffic that caused the performance degradation ("the culprits"). This can significantly reduce the time spent diagnosing and resolving network performance issues.

BQM is also able to provide detailed bandwidth and quality of service (QoS) policy provisioning recommendations, which the user can directly apply to achieve desired network performance.

BQM Measurements Illustrated.

To understand the difference between some of the more conventional measurement techniques and the visibility provided by BQM, we can look at some comparison graphs. In the first set of graphs (Figure 6 and Figure 7), we see the difference between the latency measured by BQM's Passive Network Quality Monitor (PNQM) and the latency measured by injecting ping packets every 1 second into the traffic stream.

In Figure 6, we see the latency reported by 1-second ICMP ping packets for real network traffic (it is divided by 2 to give an estimate for the one-way delay). It shows the delay comfortably below about 5ms for almost all of the time.

Figure 6 Latency Reported by 1-Second ICMP Ping Packets for Real Network Traffic.

In Figure 7, we see the latency reported by PNQM for the same traffic at the same time. Here we see that by measuring the one-way latency of the actual application packets, we get a radically different picture. Here the latency is seen to be hovering around 20 ms, with occasional bursts far higher. The explanation is that because ping is sending packets only every second, it is completely missing most of the application traffic latency. In fact, ping results typically only indicate round trip propagation delay rather than realistic application latency across the network.

Figure 7 Latency Reported by PNQM for Real Network Traffic.

In the second example (Figure 8), we see the difference in reported link load or saturation levels between a 5-minute average view and a 5 ms microburst view (BQM can report on microbursts down to about 10-100 nanosecond accuracy). The green line shows the average utilization at 5-minute averages to be low, maybe up to 5 Mbits/s. The dark blue plot shows the 5ms microburst activity reaching between 75 Mbits/s and 100 Mbits/s, the LAN speed effectively. BQM shows this level of granularity for all applications and it also gives clear provisioning rules to enable the user to control or neutralize these microbursts.

Figure 8 Difference in Reported Link Load Between a 5-Minute Average View and a 5 ms Microburst View.

BQM Deployment in the Trading Network.

Figure 9 shows a typical BQM deployment in a trading network.

Figure 9 Typical BQM Deployment in a Trading Network.

BQM can then be used to answer these types of questions:

• Are any of my Gigabit LAN core links saturated for more than X milliseconds? Is this causing loss? Which links would most benefit from an upgrade to Etherchannel or 10 Gigabit speeds?

• What application traffic is causing the saturation of my 1 Gigabit links?

• Is any of the market data experiencing end-to-end loss?

• How much additional latency does the failover data center experience? Is this link sized correctly to deal with microbursts?

• Are my traders getting low latency updates from the market data distribution layer? Are they seeing any delays greater than X milliseconds?

Being able to answer these questions simply and effectively saves time and money in running the trading network.

BQM is an essential tool for gaining visibility in market data and trading environments. It provides granular end-to-end latency measurements in complex infrastructures that experience high-volume data movement. Effectively detecting microbursts in sub-millisecond levels and receiving expert analysis on a particular event is invaluable to trading floor architects. Smart bandwidth provisioning recommendations, such as sizing and what-if analysis, provide greater agility to respond to volatile market conditions. As the explosion of algorithmic trading and increasing message rates continues, BQM, combined with its QoS tool, provides the capability of implementing QoS policies that can protect critical trading applications.

Cisco Financial Services Latency Monitoring Solution.

Cisco and Trading Metrics have collaborated on latency monitoring solutions for FIX order flow and market data monitoring. Cisco AON technology is the foundation for a new class of network-embedded products and solutions that help merge intelligent networks with application infrastructure, based on either service-oriented or traditional architectures. Trading Metrics is a leading provider of analytics software for network infrastructure and application latency monitoring purposes (tradingmetrics/).

The Cisco AON Financial Services Latency Monitoring Solution (FSMS) correlated two kinds of events at the point of observation:

• Network events correlated directly with coincident application message handling.

• Trade order flow and matching market update events.

Using time stamps asserted at the point of capture in the 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 service—and which intermediary, market, or counterparty—to 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 2600/2800/3700/3800 routers.

– AON Blade for the Cisco Catalyst 6500 series.

– AON 8340 Appliance.

• Trading Metrics M&A 2.0 software, which provides the monitoring and alerting application, displays latency graphs on a dashboard, and issues alerts when slowdowns occur (tradingmetrics/TM_brochure. 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 (cisco/go/ipsla).

Two key concepts are the source of the generated traffic and the target. Both of these run an IP SLA "responder," 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 "just under one millisecond" 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 ì ثواني.

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 processing—At 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 I/O acceleration intel/technology/ioacceleration/306517.pdf).

• Intermediate buffer copying—In 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 intel/technology/ioacceleration/306517.pdf).

• Context switching—Every 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 TCP/IP 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): cisco/application/pdf/en/us/guest/netsol/ns500/c643/cdccont_0900aecd804c35cb. 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 Synapse's GridServer, applications can migrate, using pre-configured policies, to under-utilized servers in a supply-matches-demand process (networkworld/supp/2005/ndc1/022105virtual. html? page=2).

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 "head room" 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 (gridtoday/03/0210/101061.html).

This is called a data grid and is the first step in the process of creating what Gartner calls Extreme Transaction Processing (XTP) (gartner/DisplayDocument? ref=g_search&id=500947). 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. Today's data grids are localized in data centers connected by Metro Area Networks (MAN). This is mainly because the applications themselves have limits—they 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 servers—one 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 brokerage's 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 Groups/Channels 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 returns—there 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:

Another example is the Nasdaq Totalview service, broken up this way:

This approach allows for straight forward network/application 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.

Details of Anycast RP can be found in:

The classic high availability design for Tibco in the brokerage network is documented in:

Bidirectional PIM.

PIM-Bidir is an optimization of PIM Sparse Mode for many-to-many applications. It has several key advantages over a PIM-SM deployment:

• Better support for intermittent sources.

• No data-triggered events.

One of the weaknesses of PIM-SM is that the network continually needs to react to active data flows. This can cause non-deterministic behavior that may be hard to troubleshoot. PIM-Bidir has the following major protocol differences over PIM-SM:

– No source registration.

Source traffic is automatically sent to the RP and then down to the interested receivers. There is no unicast encapsulation, PIM joins from the RP to the first hop router and then registration stop messages.

All PIM-Bidir traffic is forwarded on a *,G forwarding entry. The router does not have to monitor the traffic flow on a *,G and then send joins when the traffic passes a threshold.

– No need for an actual RP.

The RP does not have an actual protocol function in PIM-Bidir. The RP acts as a routing vector in which all the traffic converges. The RP can be configured as an address that is not assigned to any particular device. This is called a Phantom RP.

– No need for MSDP.

MSDP provides source information between RPs in a PIM-SM network. PIM-Bidir does not use the active source information for any forwarding decisions and therefore MSDP is not required.

Bidirectional PIM is ideally suited for the brokerage network in the data center of the exchange. In this environment there are many sources sending to a relatively few set of groups in a many-to-many traffic pattern.

The key components of the PIM-Bidir implementation are:

Further details about Phantom RP and basic PIM-Bidir design are documented in:

Source Specific Multicast.

PIM-SSM is an optimization of PIM Sparse Mode for one-to-many applications. In certain environments it can offer several distinct advantages over PIM-SM. Like PIM-Bidir, PIM-SSM does not rely on any data-triggered events. Furthermore, PIM-SSM does not require an RP at all—there is no such concept in PIM-SSM. The forwarding information in the network is completely controlled by the interest of the receivers.

Source Specific Multicast is ideally suited for market data delivery in the financial service provider. The FSP can receive the feeds from the exchanges and then route them to the end of their network.

Many FSPs are also implementing MPLS and Multicast VPNs in their core. PIM-SSM is the preferred method for transporting traffic in VRFs.

When PIM-SSM is deployed all the way to the end user, the receiver indicates his interest in a particular S, G with IGMPv3. Even though IGMPv3 was defined by RFC 2236 back in October, 2002, it still has not been implemented by all edge devices. This creates a challenge for deploying an end-to-end PIM-SSM service. A transitional solution has been developed by Cisco to enable an edge device that supports IGMPv2 to participate in an PIM-SSM service. This feature is called SSM Mapping and is documented in:

Storage Services.

The service provides storage capabilities into the market data and trading environments. Trading applications access backend storage to connect to different databases and other repositories consisting of portfolios, trade settlements, compliance data, management applications, Enterprise Service Bus (ESB), and other critical applications where reliability and security is critical to the success of the business. The main requirements for the service are:

Storage virtualization is an enabling technology that simplifies management of complex infrastructures, enables non-disruptive operations, and facilitates critical elements of a proactive information lifecycle management (ILM) strategy. EMC Invista running on the Cisco MDS 9000 enables heterogeneous storage pooling and dynamic storage provisioning, allowing allocation of any storage to any application. High availability is increased with seamless data migration. Appropriate class of storage is allocated to point-in-time copies (clones). Storage virtualization is also leveraged through the use of Virtual Storage Area Networks (VSANs), which enable the consolidation of multiple isolated SANs onto a single physical SAN infrastructure, while still partitioning them as completely separate logical entities. VSANs provide all the security and fabric services of traditional SANs, yet give organizations the flexibility to easily move resources from one VSAN to another. This results in increased disk and network utilization while driving down the cost of management. Integrated Inter VSAN Routing (IVR) enables sharing of common resources across VSANs.

Figure 18 High Performance Computing Storage.

Replication of data to a secondary and tertiary data center is crucial for business continuance. Replication offsite over Fiber Channel over IP (FCIP) coupled with write acceleration and tape acceleration provides improved performance over long distance. Continuous Data Replication (CDP) is another mechanism which is gaining popularity in the industry. It refers to backup of computer data by automatically saving a copy of every change made to that data, essentially capturing every version of the data that the user saves. It allows the user or administrator to restore data to any point in time. Solutions from EMC and Incipient utilize the SANTap protocol on the Storage Services Module (SSM) in the MDS platform to provide CDP functionality. The SSM uses the SANTap service to intercept and redirect a copy of a write between a given initiator and target. The appliance does not reside in the data path—it is completely passive. The CDP solutions typically leverage a history journal that tracks all changes and bookmarks that identify application-specific events. This ensures that data at any point in time is fully self-consistent and is recoverable instantly in the event of a site failure.

Backup procedure reliability and performance are extremely important when storing critical financial data to a SAN. The use of expensive media servers to move data from disk to tape devices can be cumbersome. Network-accelerated serverless backup (NASB) helps you back up increased amounts of data in shorter backup time frames by shifting the data movement from multiple backup servers to Cisco MDS 9000 Series multilayer switches. This technology decreases impact on application servers because the MDS offloads the application and backup servers. It also reduces the number of backup and media servers required, thus reducing CAPEX and OPEX. The flexibility of the backup environment increases because storage and tape drives can reside anywhere on the SAN.

Trading Resilience and Mobility.

The main requirements for this service are to provide the virtual trader:

• Fully scalable and redundant campus trading environment.

• Resilient server load balancing and high availability in analytic server farms.

• Global site load balancing that provide the capability to continue participating in the market venues of closest proximity.

A highly-available campus environment is capable of sustaining multiple failures (i. e., links, switches, modules, etc.), which provides non-disruptive access to trading systems for traders and market data feeds. Fine-tuned routing protocol timers, in conjunction with mechanisms such as NSF/SSO, provide subsecond recovery from any failure.

The high-speed interconnect between data centers can be DWDM/dark fiber, which provides business continuance in case of a site failure. Each site is 100km-200km apart, allowing synchronous data replication. Usually the distance for synchronous data replication is 100km, but with Read/Write Acceleration it can stretch to 200km. A tertiary data center can be greater than 200km away, which would replicate data in an asynchronous fashion.

Figure 19 Trading Resilience.

A robust server load balancing solution is required for order routing, algorithmic trading, risk analysis, and other services to offer continuous access to clients regardless of a server failure. Multiple servers encompass a "farm" and these hosts can added/removed without disruption since they reside behind a virtual IP (VIP) address which is announced in the network.

A global site load balancing solution provides remote traders the resiliency to access trading environments which are closer to their location. This minimizes latency for execution times since requests are always routed to the nearest venue.

Figure 20 Virtualization of Trading Environment.

A trading environment can be virtualized to provide segmentation and resiliency in complex architectures. Figure 20 illustrates a high-level topology depicting multiple market data feeds entering the environment, whereby each vendor is assigned its own Virtual Routing and Forwarding (VRF) instance. The market data is transferred to a high-speed InfiniBand low-latency compute fabric where feed handlers, order routing systems, and algorithmic trading systems reside. All storage is accessed via a SAN and is also virtualized with VSANs, allowing further security and segmentation. The normalized data from the compute fabric is transferred to the campus trading environment where the trading desks reside.

Wide Area Application Services.

This service provides application acceleration and optimization capabilities for traders who are located outside of the core trading floor facility/data center and working from a remote office. To consolidate servers and increase security in remote offices, file servers, NAS filers, storage arrays, and tape drives are moved to a corporate data center to increase security and regulatory compliance and facilitate centralized storage and archival management. As the traditional trading floor is becoming more virtual, wide area application services technology is being utilized to provide a "LAN-like" experience to remote traders when they access resources at the corporate site. Traders often utilize Microsoft Office applications, especially Excel in addition to Sharepoint and Exchange. Excel is used heavily for modeling and permutations where sometime only small portions of the file are changed. CIFS protocol is notoriously known to be "chatty," where several message normally traverse the WAN for a simple file operation and it is addressed by Wide Area Application Service (WAAS) technology. Bloomberg and Reuters applications are also very popular financial tools which access a centralized SAN or NAS filer to retrieve critical data which is fused together before represented to a trader's screen.

Figure 21 Wide Area Optimization.

A pair of Wide Area Application Engines (WAEs) that reside in the remote office and the data center provide local object caching to increase application performance. The remote office WAEs can be a module in the ISR router or a stand-alone appliance. The data center WAE devices are load balanced behind an Application Control Engine module installed in a pair of Catalyst 6500 series switches at the aggregation layer. The WAE appliance farm is represented by a virtual IP address. The local router in each site utilizes Web Cache Communication Protocol version 2 (WCCP v2) to redirect traffic to the WAE that intercepts the traffic and determines if there is a cache hit or miss. The content is served locally from the engine if it resides in cache; otherwise the request is sent across the WAN the initial time to retrieve the object. This methodology optimizes the trader experience by removing application latency and shielding the individual from any congestion in the WAN.

WAAS uses the following technologies to provide application acceleration:

• Data Redundancy Elimination (DRE) is an advanced form of network compression which allows the WAE to maintain a history of previously-seen TCP message traffic for the purposes of reducing redundancy found in network traffic. This combined with the Lempel-Ziv (LZ) compression algorithm reduces the number of redundant packets that traverse the WAN, which improves application transaction performance and conserves bandwidth.

• Transport Flow Optimization (TFO) employs a robust TCP proxy to safely optimize TCP at the WAE device by applying TCP-compliant optimizations to shield the clients and servers from poor TCP behavior because of WAN conditions. By running a TCP proxy between the devices and leveraging an optimized TCP stack between the devices, many of the problems that occur in the WAN are completely blocked from propagating back to trader desktops. The traders experience LAN-like TCP response times and behavior because the WAE is terminating TCP locally. TFO improves reliability and throughput through increases in TCP window scaling and sizing enhancements in addition to superior congestion management.

Thin Client Service.

This service provides a "thin" advanced trading desktop which delivers significant advantages to demanding trading floor environments requiring continuous growth in compute power. As financial institutions race to provide the best trade executions for their clients, traders are utilizing several simultaneous critical applications that facilitate complex transactions. It is not uncommon to find three or more workstations and monitors at a trader's desk which provide visibility into market liquidity, trading venues, news, analysis of complex portfolio simulations, and other financial tools. In addition, market dynamics continue to evolve with Direct Market Access (DMA), ECNs, alternative trading volumes, and upcoming regulation changes with Regulation National Market System (RegNMS) in the US and Markets in Financial Instruments Directive (MiFID) in Europe. At the same time, business seeks greater control, improved ROI, and additional flexibility, which creates greater demands on trading floor infrastructures.

Traders no longer require multiple workstations at their desk. Thin clients consist of keyboard, mouse, and multi-displays which provide a total trader desktop solution without compromising security. Hewlett Packard, Citrix, Desktone, Wyse, and other vendors provide thin client solutions to capitalize on the virtual desktop paradigm. Thin clients de-couple the user-facing hardware from the processing hardware, thus enabling IT to grow the processing power without changing anything on the end user side. The workstation computing power is stored in the data center on blade workstations, which provide greater scalability, increased data security, improved business continuance across multiple sites, and reduction in OPEX by removing the need to manage individual workstations on the trading floor. One blade workstation can be dedicated to a trader or shared among multiple traders depending on the requirements for computer power.

The "thin client" solution is optimized to work in a campus LAN environment, but can also extend the benefits to traders in remote locations. Latency is always a concern when there is a WAN interconnecting the blade workstation and thin client devices. The network connection needs to be sized accordingly so traffic is not dropped if saturation points exist in the WAN topology. WAN Quality of Service (QoS) should prioritize sensitive traffic. There are some guidelines which should be followed to allow for an optimized user experience. A typical highly-interactive desktop experience requires a client-to-blade round trip latency of <20ms for a 2Kb packet size. There may be a slight lag in display if network latency is between 20ms to 40ms. A typical trader desk with a four multi-display terminal requires 2-3Mbps bandwidth consumption with seamless communication with blade workstation(s) in the data center. Streaming video (800x600 at 24fps/full color) requires 9 Mbps bandwidth usage.

Figure 22 Thin Client Architecture.

Management of a large thin client environment is simplified since a centralized IT staff manages all of the blade workstations dispersed across multiple data centers. A trader is redirected to the most available environment in the enterprise in the event of a particular site failure. High availability is a key concern in critical financial environments and the Blade Workstation design provides rapid provisioning of another blade workstation in the data center. This resiliency provides greater uptime, increases in productivity, and OpEx reduction.

Advanced Encryption Standard.

Advanced Message Queueing Protocol.

Application Oriented Networking.

The Archipelago® Integrated Web book gives investors the unique opportunity to view the entire ArcaEx and ArcaEdge books in addition to books made available by other market participants.

ECN Order Book feed available via NASDAQ.

شيكاغو مجلس التجارة.

Class-Based Weighted Fair Queueing.

Continuous Data Replication.

Chicago Mercantile Exchange is engaged in trading of futures contracts and derivatives.

Central Processing Unit.

Distributed Defect Tracking System.

الوصول المباشر إلى السوق.

Data Redundancy Elimination.

Dense Wavelength Division Multiplexing.

Electronic Communication Network.

Enterprise Service Bus.

Enterprise Solutions Engineering.

FIX Adapted for Streaming.

Fibre Channel over IP.

Financial Information Exchange.

Financial Services Latency Monitoring Solution.

Financial Service Provider.

Information Lifecycle Management.

Instinet Island Book.

Internetworking Operating System.

Keyboard Video Mouse.

Low Latency Queueing.

Metro Area Network.

Multilayer Director Switch.

Markets in Financial Instruments Directive.

Message Passing Interface is an industry standard specifying a library of functions to enable the passing of messages between nodes within a parallel computing environment.

Network Attached Storage.

Network Accelerated Serverless Backup.

Network Interface Card.

Nasdaq Quotation Dissemination Service.

نظام إدارة النظام.

Open Systems Interconnection.

Protocol Independent Multicast.

PIM-Source Specific Multicast.

جودة الخدمة.

Random Access Memory.

Reuters Data Feed.

Reuters Data Feed Direct.

Remote Direct Memory Access.

Regulation National Market System.

Remote Graphics Software.

Reuters Market Data System.

RTP Control Protocol.

Real Time Protocol.

Reuters Wire Format.

Storage Area Network.

Small Computer System Interface.

Sockets Direct Protocol—Given that many modern applications are written using the sockets API, SDP can intercept the sockets at the kernel level and map these socket calls to an InfiniBand transport service that uses RDMA operations to offload data movement from the CPU to the HCA hardware.

Server Fabric Switch.

Secure Financial Transaction Infrastructure network developed to provide firms with excellent communication paths to NYSE Group, AMEX, Chicago Stock Exchange, NASDAQ, and other exchanges. It is often used for order routing.