Studi Kasus Bahasa Go untuk Perdagangan Algoritmik

• Studi kasus tentang perdagangan algoritmik: menunjukkan pengembangan bot perdagangan ritel otomatis.
• Bot ini dapat memantau seluruh pasar saham secara real time dan membuat keputusan perdagangan dengan cepat.
• Pengembangan bot ini melalui beberapa tahun trial and error serta perbaikan berulang.
• Bot ini dibangun menggunakan Go dan berjalan pada sistem gaming berperforma tinggi dengan 16 core, RAM 128GB, dan penyimpanan NVMe 8TB.
• Tiga komponen dasar bot ini adalah penyedia data (Polygon.io), aplikasi (aplikasi Go), dan broker (Interactive Brokers).
• Aplikasi Go mengumpulkan dan menafsirkan feed data, mengambil keputusan perdagangan, serta mengeksekusi order beli dan jual.
• Bot ini mencakup antarmuka web bawaan untuk eksplorasi struktur data, visualisasi data, dan pemantauan transaksi.
• Pengembangan strategi dan backtesting adalah komponen penting bot ini, dengan fokus pada pembuatan platform untuk menguji dan menjalankan strategi kustom.
• Pseudocode dan contoh kode Go nyata disediakan untuk menjelaskan struktur dan alur bot.
• Pelajaran yang diperoleh dalam memahami abstraksi pasar saham, manajemen order, penanganan situasi pengecualian, dan keacakan dalam strategi perdagangan.
• Menguji fungsi inti sistem perdagangan dengan melakukan 1.000 transaksi per hari pada saham acak selama satu minggu.
• Menggunakan tick bar alih-alih satuan waktu untuk meningkatkan resolusi dan menangkap aktivitas pasar secara akurat.
• Beralih sepenuhnya ke in-memory untuk mengatasi masalah skalabilitas dan memanfaatkan map besar yang menggunakan mutex lock.
• Menyadari pentingnya uninterruptible power supply untuk mencegah kehilangan data.
• Proyek membangun sistem perdagangan adalah pekerjaan yang menantang, memakan waktu, dan bisa terasa sepi.
• Memanfaatkan kekuatan Go dan Python untuk pengembangan sistem perdagangan dan eksplorasi data.
• Memanfaatkan dampak transformatif ChatGPT untuk mengajukan pertanyaan, menghasilkan kode, dan meningkatkan produktivitas.
• Kemampuan mendeteksi anomali pasar dan mengalami langsung peristiwa pasar dengan sistem perdagangan pribadi.
• Materi pembelajaran lanjutan tentang matematika, keuangan, perdagangan algoritmik, dan analisis data.

[GN⁺]

Komentar Hacker News

• Perdagangan algoritmik adalah bidang yang sangat menarik dan kompleks, dengan regulasi yang ketat serta persaingan yang tinggi.
• Dalam perdagangan algoritmik, strategi adalah inti untuk menghasilkan uang di pasar yang kompetitif, sehingga menjadi fokus utama diskusi.
• Pelaku pasar yang beroperasi pada satuan waktu berbeda sulit untuk saling berkomunikasi dan memahami satu sama lain.
• Collective2 adalah platform tempat para engineer membayar biaya langganan dan dapat membagikan sinyal beli/jual mereka, sehingga memberi sedikit gambaran tentang dunia perdagangan algoritmik.
• Pemilihan bahasa pemrograman tidak lebih penting daripada algoritme trading itu sendiri.
• Aspek penting dalam pengembangan sistem trading otomatis mencakup data feed, pembuatan fitur, pembuatan sinyal, dan manajemen order.
• Artikel ini memberi wawasan tentang aspek teknis perdagangan algoritmik dan pipeline umumnya, tetapi kurang detail mengenai penskalaan dan implementasi asinkron.
• Membangun bot trading bisa menjadi upaya yang sepi, dan memiliki tim dapat bermanfaat.
• Artikel ini dikritik karena dianggap tidak bermakna dan clickbait, serta kurang informasi yang substansial.
• Strategi backtesting, termasuk untuk ETF, harus mempertimbangkan dividen dan stock split, dan diperlukan saran mengenai hal ini.