Modeling-trading-system-performance

Modeling-trading-system-performance

Pilihan-trading-dengan-modal rendah
Template strategi-untuk-dokumen-spesifik
Kd-forex


Www-forex-rates-live Option-trading-tier-1 --- ditutupi Legal-forex-trading-in-malaysia Trading-options-on-questrade Trading-system-source-code Strategi-opsi biner-60-detik

Aturan Sistem Perdagangan Tren Inti Aturan Berikut Ada banyak cara berbeda yang dapat diikuti tren berikut. Tweak minor mungkin memiliki hasil positif namun efeknya biasanya sangat kecil. Jika Anda menghabiskan terlalu banyak waktu untuk melihat variasi kecil peraturan masuk, Anda berisiko kehilangan bagian penting. Yang benar adalah tren yang paling mengikuti peraturan sistem melakukan hal yang sama. Mereka menunjukkan hasil yang sangat mirip hanya karena mereka berusaha mencapai hal yang sama. Dengan segala cara, bermain-main dengan aturan rinci. Pastikan Anda melakukannya setelah Anda telah mencoba strategi dasar. Pahami dari mana asalnya dari awal dan Anda akan menyadari betapa sedikit peraturan masuknya benar-benar berarti. Nilai tren profesional mengikuti strategi berasal dari diversifikasi. Aturan yang disajikan di sini cukup baik untuk mencapai hasil yang setara dengan tren besar mengikuti dana hedging berjangka. Membuat peraturan lebih kompleks tidak membantu kinerja Anda. Kesalahan amatir yang paling umum adalah dengan menghabiskan banyak waktu untuk memasukkan dan keluar dari peraturan dan tidak cukup menganalisis ukuran posisi dan alam semesta investasi. Aturan sederhana yang disajikan di sini cukup bagus untuk meniru kinerja banyak tren nama besar mengikuti hedge fund dengan presisi tinggi dan korelasi. Dalam buku saya, saya merinci beberapa cara untuk lebih ditingkatkan dan diperbaiki. Jangan salah. Aturan sistem perdagangan adalah komponen paling penting dari tren Anda mengikuti strategi trading. Beberapa pasar pada dasarnya lebih tidak stabil daripada yang lain. Untuk memberi posisi pada masing-masing kesempatan yang sama untuk mempengaruhi garis bawah, posisi harus lebih besar untuk pasar yang kurang stabil. Hal ini dapat dicapai dengan berbagai cara. Strategi inti saya menggunakan Average True Range (ATR) untuk tujuan ini. ATR mengukur rata-rata pergerakan harga harian sebuah pasar. Ini bisa menjadi proxy untuk volatilitas. Tetapkan target yang diinginkan setiap hari per posisi. Kemudian hitung berapa banyak kontrak yang Anda butuhkan untuk berdagang untuk mencapainya berdasarkan pada ATR. Ini secara alami mengasumsikan bahwa volatilitas tetap kira-kira sama. Tentu ini tidak selalu terjadi. Ini adalah perkiraan dan karena itu melakukan pekerjaan itu. Untuk strategi inti di situs ini saya menggunakan dampak harian yang diinginkan sebesar 20 basis poin. Posisi long hanya diperbolehkan dibuka jika rata-rata pergerakan 50 hari di atas rata-rata pergerakan 100 hari dan sebaliknya. Ini untuk memastikan bahwa kita tidak menempatkan pada perdagangan bertentangan dengan tren yang dominan. Ini mengurangi jumlah perdagangan dan mengurangi risiko tertangkap di pasar whipsaw. Masukkan posisi panjang di ketinggian baru 50 hari. Begitu juga sebaliknya untuk celana pendek. Pergilah dengan breakout dan naiki trend. Tidak ada lagi. Sinyal dihasilkan pada data penutupan harian dan perdagangan dilakukan pada hari berikutnya. Selip diperhitungkan tentu saja serta biaya perdagangan. Keluar pada tiga rentang rata-rata benar bergerak melawan posisi dari membaca puncaknya. Dengan demikian kita memiliki kerugian teoritis sebesar 60 basis poin. Tidak ada pemberhentian intraday yang digunakan, jadi hampir di luar tiga unit ATR diperlukan agar berhenti dipicu keesokan harinya. Mengikuti tren sistem berikut di pasar tunggal atau hanya sedikit pasar yang berbeda adalah bunuh diri. Mungkin ada periode yang panjang, bahkan bertahun-tahun, di mana tidak ada tren di pasar atau kelas aset tertentu. Gagasan utamanya adalah menukar banyak pasar yang mencakup semua kelas aset pada saat bersamaan. Jika Anda gagal melakukannya, strategi ini tidak akan berhasil. Alam investasi yang Anda pilih akan memiliki dampak yang jauh lebih besar daripada mengutak-atik peraturan jual beli, jadi pilihlah dengan bijak. Anda harus memilih seperangkat pasar yang luas dan menghindari konsentrasi terlalu tinggi di sektor tunggal manapun. Dalam jangka panjang, keseimbangan yang sehat antara semua sektor pasar utama menghasilkan hasil terbaik. Anda dapat mempelajari berbagai pasar di laman Tren Dunia, yang diperbarui setiap hari dengan diagram dan analisis. Saya menemukan RightEdge menjadi salah satu platform terbaik. Kenyataan bahwa barang-barang itu kotor juga tidak baik, tapi bukan alasan utama saya. Dengan menggunakan beberapa platform pialang utama investasi bank8217 yang lebih besar. Saya telah mencoba tersangka yang biasa, GS, JPM, NE, dll. Tidak banyak perbedaan di antara keduanya, meski saya tidak terlalu senang dengan dua bank investasi Swiss. Pilihan broker sangat bergantung pada siapa diri Anda dan apa yang ingin Anda lakukan. Jelas, jauhi ribuan ribu penipu yang tengah bekerja di bisnis pialang8217. Ada banyak dari mereka yang menargetkan pasar ritel, khususnya di ruang FX. Gunakan broker yang sebenarnya, dengan lisensi perbankan yang sebenarnya di negara yang terpercaya. Di segmen yang lebih mudah diakses, saya suka Saxo Switzerland. Andrew, Buku ini tidak membahas penskalaan karena Anda mengatakan bahwa Anda melihatnya sebagai strategi yang terpisah. Sudahkah Anda menulis di manapun tentang strategi inti dengan skala inout, atau meningkatkan faktor risiko pada posisi menang, atau meningkatkan ukuran posisi sambil mempertahankan faktor risiko. Terima kasih, Clay Pertama-tama, terima kasih. Saya sangat terkesan dengan materi di situs Anda, saya berencana membeli buku Anda, dan saya sangat berterima kasih atas informasi yang Anda bagikan. Saya mencari sistem perdagangan akhir hari yang bisa saya ikuti dengan percaya diri dan disiplin. Saya memiliki beberapa tahun pengalaman perdagangan bebas, tapi tidak ada keuntungan yang konsisten. Saya mendukung sistem yang Anda gambarkan di sini, dengan Amibroker. Pasar yang saya gunakan: Tembaga, Emas, Jagung, Natgas, Minyak, Beras, Kedelai, Gandum, AUDUSD, EURUSD, GBPUSD, NZDUSD, USDCAD, USDJPY, SampP500, TNOTES10, Bund. Saya mengujinya dari Januari 2000 sampai Juli 2015, dengan data historis akhir hari untuk semua pasar yang tercantum di atas. Saya ingin mempresentasikan hasil penelitian saya dan saya harap Anda bersedia menjawab tiga pertanyaan saya. Singkatnya, sistem anda menghasilkan uang. Namun, berdasarkan optimasi, nampaknya parameter yang lebih baik untuk pilihan pasar saya adalah EMA 150 dan EMA 350, dan masuk pada 120 hari tinggi atau rendah. (Bukan 50, 150 dan 50 masing-masing). 3 ATR tetap terbaik. Parameter 8220better8221 saya tidak meningkatkan keuntungan, namun mengurangi penarikan sebanyak setengah 1. Bahkan dengan perbaikan saya, CARMDD untuk backtest saya adalah 0,50. Compound Annual Return 8, Max Drawdown 16. Ini dengan ukuran posisi berdasarkan volatilitas, target risiko 2k per transaksi pada akun 100k. Saya memperkirakan penyebaran dan komisi yang cukup konservatif. Apakah ini cukup baik Apakah ini terlihat seperti hasil yang dapat diterima oleh Anda Apa ukuran CARMDD untuk sistem ini di backtest Anda, atau dengan sistem yang benar-benar Anda tradingkan, jika saya bertanya 2. Kurva ekuitas memiliki periode penarikan yang hampir 5 tahun, dari 2009 sampai 2014. Saya tahu ini bukan waktu terbaik untuk mengikuti tren sistem berikut, tapi saya mengantisipasi akan sangat sulit untuk tetap berpegang pada sistem ini jika penarikan baru seperti ini terjadi. Apakah menurut Anda penarikan 5 tahun ini sama sekali dapat diterima Berikut adalah link ke laporan backtesting saya dengan screenshot kurva ekuitas. Silahkan lihat bagan EKUITAS KURVA. 3. Haruskah saya menukar semua pasar dengan menggunakan peraturan umum Saya mengerti bahwa saya seharusnya tidak melengkung sesuai EMA dan saluran dan ATR untuk setiap pasar8230 Saya tahu8230 tapi mungkin ini berlaku untuk memiliki aturan yang terpisah untuk indeks saham dan suku bunga dan terpisah untuk komoditas dan forex Sistem ini, Per backtestst saya, kehilangan uang di SampP, TNOTEs, DAX dan Bunds. Jadi saya mengecualikan pasar ini dari portofolio. (Untuk menghasilkan uang di SampP dibutuhkan EMA yang lebih pendek dan pemberhentian yang lebih luas, seperti 7 ATR, tapi kemudian menghasilkan sedikit uang untuk komoditas dan forex). Haruskah saya menukarkannya dengan komoditas dan forex dengan paramater saya (dan melewatkan SampP, DAX, TNOTE dan BUND) Atau haruskah saya terus mencari sistem yang menghasilkan uang di SEMUA pasar Apakah itu menghasilkan uang di SEMUA pasar di pasar Anda yang paling mudah? Mendengar kabar darimu Thanks a lot di muka PS. Saya mengaktifkan komentar pada file yang saya bagikan abouve, jadi Anda dapat berkomentar saat Anda memeriksanya. Terima kasih sudah lama. Saya benar-benar punya waktu untuk melakukan evaluasi model Anda dengan benar. Perlu diingat bahwa model yang saya gambarkan adalah model demo yang digunakan untuk memperkirakan industri CTA yang telah dilakukan selama beberapa dekade terakhir. Ini tidak dimaksudkan sebagai model super yang direkomendasikan. Ini cukup mudah untuk memperbaikinya, tapi saya ingin tetap sederhana dan menengah dari jalan untuk memastikannya. Sebenarnya, satu-satunya penyesalan saya adalah tidak membuat model dalam buku menjadi lebih sederhana. Jika saya menggunakan model momentum 12 bulan tua yang baik, mungkin titik itu pasti lebih jelas. Penarikan lima tahun tidak dapat diterima. Tapi itu masih bisa terjadi. Anda tidak bisa mempertahankan klien jika Anda menghabiskan lima tahun di bawah air. Ini benar-benar bisa membunuh bisnis Anda, tapi tidak mungkin membuat model yang menjamin hal itu tidak akan pernah terjadi. Saya akan merekomendasikan perdagangan semua pasar dengan aturan yang sama. Itu tentu saja tidak menghalangi Anda membuat peraturan yang sesuai dengan struktur, volatilitas, tren, dll. Membuat peraturan yang mengatakan bahwa parameter untuk Corn8217 ini adalah ide yang buruk. Membuat peraturan yang sesuai dengan karakteristik pasar bisa masuk akal. Anda juga tidak akan pernah menghasilkan uang dari semua pasar. Tapi kau tidak perlu melakukannya. Setiap pasar atau posisi individu tidak relevan. Satu-satunya hal yang penting adalah hasil akhirnya. Karena Anda tidak tahu pasar mana yang akan tampil dan mana yang tidak, Anda pasti harus menukar semuanya. Berharap itu membantu Halo Andreas, membeli dan membaca kedua buku Anda, barang-barang bagus.8217m namun mulai berpikir bahwa saya salah mengerti sesuatu: Saat Anda menulis 8220masing-masing dampak harian 20 basis poin8221. Apakah Anda mengatakan risiko 0,2 dari ekuitas Anda per atr dari sl 0,6 total per posisi untuk pemberhentian 3atr Itulah yang sejauh yang saya pikirkan, tapi saya tidak berpikir demikian juga, ketika kita membicarakan risiko per posisi, lakukan Anda pikir itu harus didasarkan pada hanya jumlah uang tunai di akun saya menemukan bahwa saya sering memiliki keuntungan terbuka yang agak besar sementara kerugian kecil menggerogoti uang tunai, membuat saya memiliki ukuran posisi yang lebih kecil dan lebih kecil. Salam: Bengt Risk tidak ada hubungannya dengan jarak berhenti. Itu adalah kesalahpahaman yang biasanya diabadikan dalam buku perdagangan yang ditulis oleh orang-orang yang sangat memahami keuangan. 20 basis poin adalah atribusi portofolio rata-rata harian. Jika instrumen yang dimaksud mempertahankan volatilitas saat ini (yang merupakan asumsi besar), maka rata-rata akan berpengaruh pada keseluruhan portofolio 0,2 setiap hari. Atas atau bawah. Risiko mutlak perlu diukur pada tingkat portofolio. Jumlah uang yang tersedia tidak relevan dengan perhitungan semacam itu. Sach Sachs pendiri dan CEO Right Line Trading adalah mantan profesor di Jefferson College, Philadelphia, PA. Dia melakukan tesisnya tentang optimalisasi persamaan multi-variabel yang memanfaatkan algoritma pencarian yang dihasilkan komputer. Dia telah menerapkan pengetahuan dan pengalamannya pada pergerakan harga di pasar ekuitas. Harga adalah variabel dependen yang pergerakannya dapat digambarkan dengan persamaan multi multivariabel yang kompleks. Begitu variabel independen terkait dengan pergerakan harga telah dijelaskan, mereka dapat mengoptimalkan penggunaan pemodelan matematika. Pemodelan diterapkan pada masing-masing variabel independen, satu per satu. Proses optimasi tidak pernah berakhir karena kondisi pasar selalu berubah. Inilah sebabnya mengapa sistem Right Line Tradings menghasilkan sinyal masuk selalu tetap kokoh dan selalu memiliki daya prediksi yang luar biasa. Right Line Trading menempatkan ilmu perdagangan di tangan Anda. Setoran Perdagangan yang Kuat Yang Seharusnya Tidak Terjawab DALAM BUKU INI ANDA BELAJAR: Indikator-indikator yang Sama Tidak Bekerja Yang Set-Ups Perdagangan Menghindari Set Dagang yang Paling Kuat untuk Ditingkatkan Meningkatkan presisi trading Anda Produk Unggulan Testimonial FULL RISK PENGUNGKAPAN: Futures dan forex trading mengandung risiko yang besar dan tidak untuk setiap investor. Seorang investor berpotensi kehilangan semua atau lebih dari investasi awal. Modal berisiko adalah uang yang bisa hilang tanpa membahayakan keamanan finansial atau gaya hidup. Hanya modal risiko yang harus digunakan untuk perdagangan dan hanya mereka yang memiliki modal risiko yang cukup harus mempertimbangkan untuk melakukan trading. Kinerja masa lalu tidak selalu menunjukkan hasil di masa depan. Memasukkan inisial Anda dengan sigap Anda SEGALA BULAN DAN SETUJU DENGAN semua Kebijakan, Syarat dan Ketentuan. PELANGGARAN HAK CIPTA DAN KEBIJAKAN DMCA Saat kami meminta orang lain untuk menghormati hak kekayaan intelektual kami, kami menghormati hak kekayaan intelektual orang lain. Jika Anda yakin bahwa materi yang ada di atau yang ditautkan oleh situs web ini melanggar hak cipta Anda, Anda dianjurkan untuk memberi tahu kami sesuai dengan Kebijakan Hak Cipta Digital Millennium (DMCA) Digital Millennium kami. Kami akan menanggapi semua pemberitahuan tersebut, termasuk yang diperlukan atau sesuai dengan menghapus materi yang melanggar atau menonaktifkan semua tautan ke materi yang melanggar. Dalam kasus seorang pengunjung yang mungkin melanggar atau berulang kali melanggar hak cipta atau hak kekayaan intelektual lainnya atau hak orang lain, kami dapat, dalam kebijaksanaan kami, menghentikan atau menolak akses dan penggunaan Situs Web. Dalam hal penghentian tersebut, kami tidak berkewajiban untuk memberikan pengembalian dana dari jumlah yang telah dibayarkan sebelumnya. PEMBERITAHUAN UNTUK KLAIM PELANGGARAN PROPERTI INTELEKTUAL PROSES INI ADALAH UNTUK HAK CIPTA DAN KELOMPOK INTELEKTUAL INTELEKTUAL HANYA. Korespondensi tentang hal-hal lain tidak akan terjawab. Untuk laporan penyalahgunaan dan masalah terkait, lihat tautan di navigasi sebelah kiri. Jika Anda yakin bahwa karya Anda telah disalin dengan cara yang merupakan pelanggaran hak cipta, atau bahwa hak atas kekayaan intelektual Anda telah dilanggar, tolong berikan kami informasi berikut dalam bahasa Inggris (Pemberitahuan Anda): Catatan: Jika Anda menyatakan pelanggaran terhadap Hak kekayaan intelektual selain hak cipta, sebutkan hak kekayaan intelektual yang dipermasalahkan (misalnya merek dagang). Tanda tangan elektronik atau fisik orang yang diberi wewenang untuk bertindak atas nama pemilik hak cipta atau kepentingan kekayaan intelektual lainnya, deskripsi tentang karya berhak cipta atau kekayaan intelektual lainnya yang Anda klaim telah dilanggar deskripsi tentang tempat materi yang Anda klaim Pelanggaran terletak di situs kami, dengan cukup banyak detail yang mungkin kami temukan di situs web (dalam kebanyakan situasi, kami memerlukan URL) alamat, nomor telepon, dan alamat email Anda pernyataan bahwa Anda memiliki keyakinan dengan niat baik bahwa Penggunaan yang disengketakan tidak diizinkan oleh pemilik hak cipta atau intelektual, agennya, atau undang-undang yang menjadi pernyataan oleh Anda, dibuat dengan sumpah palsu, bahwa informasi di atas dalam Pemberitahuan Anda akurat dan bahwa Anda adalah pemilik hak cipta atau intelektual Atau diberi kuasa untuk bertindak atas nama hak cipta atau pemilik hak intelektual. Alamat kami untuk pemberitahuan adalah: PERJANJIAN LALU LINE 9047 SW 161 Teras Miami, Florida 33157 PENGECUALIAN KONSEKUENSIAL DAN KERUGIAN LAIN PERDAGANGAN KANAN BENAR DAN PEMASOKNYA TIDAK AKAN BERTANGGUNG JAWAB KEPADA ANDA ATAU KLAIMAN PIHAK KETIGA UNTUK SETIAP YANG TIDAK LANGSUNG, KHUSUS, HUKUMAN, KONSEKUENSIAL , ATAU KERUGIAN INSIDENTAL, BAIK BERDASARKAN KONTRAK, KELALAIAN, KEWAJIBAN TERHADAP KEWAJIBAN, ATAU PELANGGARAN LAINNYA, PELANGGARAN DARI TAGIHAN, KERUGIAN, KONDISI, ATAU LAINNYA APAPUN, BAHKAN JIKA DIBERITAHU TENTANG KEMUNGKINAN KERUSAKAN TERSEBUT. BEBERAPA NEGARA JANGAN MENGIZINKAN PEMBATASAN ATAU PENGECUALIAN KEWAJIBAN UNTUK KERUSAKAN INSIDENTAL ATAU KONSEKUENSIAL, SEHINGGA PEMBATASAN ATAU PENGECUALIAN DALAM PARAGRAPH INI MUNGKIN TIDAK BERLAKU UNTUK ANDA. Persetujuan ini akan diatur oleh dan ditafsirkan berdasarkan hukum Florida karena undang-undang tersebut berlaku untuk kesepakatan antara penduduk Texas yang masuk dan dilakukan di Texas. PERDAGANGAN KANAN LINE dan pemasoknya tidak bertanggung jawab atas kegagalan yang harus dilakukan berdasarkan hal-hal di bawah ini, seluruhnya atau substansial terhadap unsur-unsur, tindakan Tuhan, perselisihan perburuhan, tindakan terorisme, tindakan otoritas sipil atau militer, kebakaran, banjir, epidemi, Pembatasan karantina, permusuhan bersenjata, kerusuhan dan kejadian tak terhindarkan lainnya yang berada di luar kendali PERDAGANGAN KANAN atau pemasoknya, dan waktu untuk pelaksanaan kewajiban berdasarkan Perjanjian Perdagangan RIGHT LINE atau pemasoknya yang tunduk pada peristiwa tersebut harus diperpanjang selama kejadian tersebut. . Terakhir Direvisi 08.23.2016 Arsitektur Lantai Lantai Arsitektur Arsitektur Ikhtisar Eksekutif Meningkatnya persaingan, volume data pasar yang lebih tinggi, dan tuntutan peraturan baru adalah beberapa kekuatan pendorong di balik perubahan industri. Perusahaan berusaha mempertahankan daya saing mereka dengan terus mengubah strategi trading mereka dan meningkatkan kecepatan trading. Arsitektur yang layak harus menyertakan teknologi terbaru dari domain jaringan dan aplikasi. Ini harus modular untuk menyediakan jalur yang dapat dikelola untuk mengembangkan setiap komponen dengan gangguan minimal pada keseluruhan sistem. Oleh karena itu arsitektur yang diusulkan oleh makalah ini didasarkan pada kerangka layanan. Kami memeriksa layanan seperti pesan latency ultra rendah, pemantauan latency, multicast, komputasi, penyimpanan, data dan virtualisasi aplikasi, ketahanan perdagangan, mobilitas perdagangan, dan thin client. Solusi untuk kebutuhan kompleks dari platform perdagangan generasi berikutnya harus dibangun dengan pola pikir holistik, melintasi batas-batas silo tradisional seperti bisnis dan teknologi atau aplikasi dan jaringan. Tujuan utama dokumen ini adalah untuk memberikan panduan untuk membangun platform perdagangan laten ultra-rendah sambil mengoptimalkan throughput mentah dan tingkat pesan untuk data pasar dan pesanan perdagangan FIX. Untuk mencapai hal ini, kami mengusulkan teknologi pengurangan latency berikut: Konektivitas antar-koneksiInfiniBand atau 10 Gbps berkecepatan tinggi untuk cluster perdagangan Bus olahpesan berkecepatan tinggi Akselerasi aplikasi melalui RDMA tanpa kode ulang aplikasi Pemantauan latency real-time dan pengarahan ulang Lalu lintas perdagangan ke jalur dengan latency minimum Tren Industri dan Tantangan Arsitektur perdagangan generasi mendatang harus merespons tuntutan peningkatan kecepatan, volume, dan efisiensi. Misalnya, volume pilihan data pasar diperkirakan akan berlipat ganda setelah diperkenalkannya opsi penny trading di tahun 2007. Ada juga tuntutan regulasi untuk eksekusi terbaik, yang memerlukan penanganan update harga pada tingkat yang mendekati 1M msgsec. Untuk pertukaran Mereka juga membutuhkan visibilitas terhadap kesegaran data dan bukti bahwa klien mendapatkan eksekusi sebaik mungkin. Dalam jangka pendek, kecepatan perdagangan dan inovasi adalah pembeda utama. Semakin banyak perdagangan ditangani oleh aplikasi perdagangan algoritmik yang ditempatkan sedekat mungkin dengan tempat eksekusi perdagangan. Sebuah tantangan dengan mesin perdagangan quotblack-boxquot ini adalah bahwa mereka menambah kenaikan volume dengan mengeluarkan perintah hanya untuk membatalkannya dan mengirimkannya kembali. Penyebab perilaku ini adalah kurangnya visibilitas ke tempat mana yang menawarkan eksekusi terbaik. Pedagang manusia sekarang menjadi insinyur quotfinancial, mengutip kuquantquot (analis kuantitatif) dengan keahlian pemrograman, yang dapat menyesuaikan model perdagangan dengan cepat. Perusahaan mengembangkan instrumen keuangan baru seperti derivatif cuaca atau perdagangan kelas lintas-aset dan mereka perlu menerapkan aplikasi baru dengan cepat dan dengan cara yang terukur. Dalam jangka panjang, diferensiasi kompetitif harus berasal dari analisis, bukan hanya pengetahuan. Para pedagang bintang di masa depan mengambil risiko, mencapai wawasan klien sejati, dan secara konsisten mengalahkan pasar (sumber IBM: www-935.ibmservicesusimcpdfge510-6270-trader.pdf). Ketahanan bisnis telah menjadi perhatian utama perusahaan perdagangan sejak 11 September 2001. Solusi di bidang ini berkisar dari pusat data yang berlebihan yang berada di geografi yang berbeda dan terhubung ke beberapa tempat perdagangan ke solusi pedagang virtual yang menawarkan kepada para pedagang listrik sebagian besar fungsi lantai perdagangan. Di lokasi terpencil Industri jasa keuangan adalah salah satu yang paling menuntut dalam hal persyaratan TI. Industri ini mengalami pergeseran arsitektur menuju Services-Oriented Architecture (SOA), layanan Web, dan virtualisasi sumber daya TI. SOA mengambil keuntungan dari peningkatan kecepatan jaringan untuk memungkinkan pengikatan dinamis dan virtualisasi komponen perangkat lunak. Hal ini memungkinkan terciptanya aplikasi baru tanpa kehilangan investasi pada sistem dan infrastruktur yang ada. Konsep ini berpotensi merevolusi cara integrasi dilakukan, memungkinkan pengurangan kompleksitas dan biaya integrasi yang signifikan (gigervasidownloadMerrilLynchGigaSpacesWP.pdf). Tren lain adalah konsolidasi server ke server data center server, sementara meja pedagang hanya memiliki ekstensi KVM dan klien ultra tipis (misalnya solusi blade SunRay dan HP). Jaringan Area Metro berkecepatan tinggi memungkinkan data pasar menjadi multicast di antara lokasi yang berbeda, memungkinkan virtualisasi lantai perdagangan. Arsitektur Tingkat Tinggi Gambar 1 menggambarkan arsitektur tingkat tinggi dari lingkungan perdagangan. Pabrik ticker dan mesin perdagangan algoritmik terletak di cluster perdagangan berkinerja tinggi di pusat data perusahaan atau di bursa. Pedagang manusia berada di area aplikasi pengguna akhir. Secara fungsional ada dua komponen aplikasi di lingkungan perdagangan perusahaan, penerbit dan pelanggan. Bus perpesanan menyediakan jalur komunikasi antara penerbit dan pelanggan. Ada dua jenis lalu lintas yang spesifik untuk lingkungan perdagangan: Informasi harga Market DataCarries untuk instrumen keuangan, berita, dan informasi nilai tambah lainnya seperti analisis. Ini searah dan sangat latency sensitif, biasanya disampaikan melalui multicast UDP. Hal ini diukur dalam updatessec. Dan di Mbps. Data pasar mengalir dari satu atau beberapa umpan eksternal, berasal dari penyedia data pasar seperti bursa saham, agregator data, dan ECN. Setiap provider memiliki format data pasar tersendiri. Data tersebut diterima oleh penangan umpan, aplikasi khusus yang menormalkan dan membersihkan data dan kemudian mengirimkannya ke konsumen data, seperti mesin harga, aplikasi perdagangan algoritmik, atau pedagang manusia. Perusahaan sisi penjualan juga mengirim data pasar ke klien mereka, perusahaan sisi beli seperti reksadana, hedge fund, dan manajer aset lainnya. Beberapa perusahaan penjual beli mungkin memilih untuk menerima umpan langsung dari bursa, mengurangi latensi. Gambar 1 Arsitektur Perdagangan untuk Side Side Side Beli Tidak ada standar industri untuk format data pasar. Setiap pertukaran memiliki format kepemilikan mereka. Penyedia konten keuangan seperti Reuters dan Bloomberg mengumpulkan beragam sumber data pasar, menormalisasi, dan menambahkan berita atau analisis. Contoh feed konsolidasi adalah RDF (Reuters Data Feed), RWF (Reuters Wire Format), dan Bloomberg Professional Services Data. Untuk memberikan data pasar latensi yang lebih rendah, kedua vendor tersebut telah merilis umpan data pasar real-time yang kurang diproses dan kurang memiliki analisis: B-PipeWith Bloomberg B-Pipe, Bloomberg mengganti data pasar mereka dari platform distribusi mereka karena sebuah terminal Bloomberg Tidak diperlukan untuk mendapatkan B-Pipe. Wombat dan Reuters Feed Handlers telah mengumumkan dukungan untuk B-Pipe. Perusahaan mungkin memutuskan untuk menerima umpan langsung dari pertukaran untuk mengurangi latensi. Keuntungan dalam kecepatan transmisi bisa berkisar antara 150 milidetik hingga 500 milidetik. Umpan ini lebih kompleks dan lebih mahal dan perusahaan harus membangun dan memelihara tanaman ticker mereka sendiri (financetechfeaturedshowArticle.jhtmlarticleID60404306). Orders Perdagangan Trafik jenis ini membawa perdagangan yang sebenarnya. Ini bersifat bi-directional dan sangat latency sensitive. Hal ini diukur dalam messagessec. Dan Mbps. Perintah berasal dari sisi beli atau sisi menjual perusahaan dan dikirim ke tempat perdagangan seperti Exchange atau ECN untuk eksekusi. Format yang paling umum untuk transportasi pesanan adalah FIX (Financial Information eXchangefixprotocol.org). Aplikasi yang menangani pesan FIX disebut mesin FIX dan mereka berinteraksi dengan sistem manajemen pesanan (OMS). Pengoptimalan ke FIX disebut FAST (Fix Adapted for Streaming), yang menggunakan skema kompresi untuk mengurangi panjang pesan dan, pada dasarnya, mengurangi latensi. FAST ditargetkan lebih pada penyampaian data pasar dan berpotensi menjadi standar. FAST juga bisa digunakan sebagai skema kompresi untuk format data pasar proprietary. Untuk mengurangi latensi, perusahaan dapat memilih untuk menetapkan Direct Market Access (DMA). DMA adalah proses otomatis untuk merutekan pesanan sekuritas secara langsung ke tempat eksekusi, oleh karena itu hindari intervensi oleh pihak ketiga (towergroupresearchcontentglossary.jsppage1ampglossaryId383). DMA membutuhkan koneksi langsung ke tempat eksekusi. Bus perpesanan adalah perangkat lunak middleware dari vendor seperti Tibco, 29West, Reuters RMDS, atau platform open source seperti AMQP. Bus perpesanan menggunakan mekanisme yang andal untuk menyampaikan pesan. Transportasi dapat dilakukan melalui TCPIP (TibcoEMS, 29West, RMDS, dan AMQP) atau UDPmulticast (TibcoRV, 29West, dan RMDS). Salah satu konsep penting dalam distribusi pesan adalah aliran kuotopik, quot yang merupakan subkumpulan data pasar yang ditentukan oleh kriteria seperti simbol ticker, industri, atau sekumpulan instrumen keuangan tertentu. Pelanggan bergabung dengan grup topik yang dipetakan ke satu atau beberapa sub-topik untuk hanya menerima informasi yang relevan. Dulu, semua pedagang menerima semua data pasar. Pada arus lalu lintas saat ini, ini akan kurang optimal. Jaringan memainkan peran penting dalam lingkungan perdagangan. Data pasar dibawa ke lantai perdagangan dimana pedagang manusia berada melalui jaringan berkecepatan tinggi Kampus atau Metro Area. Ketersediaan tinggi dan latensi rendah, serta throughput yang tinggi, adalah metrik yang paling penting. Lingkungan perdagangan berperforma tinggi memiliki sebagian besar komponennya di peternakan server Data Center. Untuk meminimalkan latency, mesin perdagangan algoritmik perlu ditempatkan di dekat penangan umpan, mesin FIX, dan sistem manajemen pesanan. Model penyebaran alternatif memiliki sistem perdagangan algoritmik yang berada pada pertukaran atau penyedia layanan dengan konektivitas cepat ke banyak pertukaran. Model Deployment Ada dua model penyebaran untuk platform perdagangan berperforma tinggi. Perusahaan dapat memilih untuk memiliki perpaduan keduanya: Pusat Data perusahaan perdagangan (Gambar 2) Ini adalah model tradisional, di mana platform perdagangan penuh dikembangkan dan dikelola oleh perusahaan dengan tautan komunikasi ke semua tempat perdagangan. Latency bervariasi dengan kecepatan link dan jumlah hop antara perusahaan dan tempat-tempat. Gambar 2 Model Penerapan Deployment Tradisional di tempat perdagangan (pertukaran, penyedia layanan keuangan (FSP)) (Gambar 3) Perusahaan perdagangan menyebarkan platform perdagangan otomatis sedekat mungkin ke tempat eksekusi untuk meminimalkan latensi. Gambar 3 Hosted Deployment Model Services-Oriented Trading Architecture Kami mengusulkan kerangka kerja yang berorientasi pada layanan untuk membangun arsitektur perdagangan generasi berikutnya. Pendekatan ini memberikan kerangka konseptual dan jalur implementasi berdasarkan modularisasi dan minimisasi antar-dependensi. Kerangka kerja ini memberi perusahaan metodologi untuk: Mengevaluasi keadaan mereka saat ini dalam hal layanan Memprioritaskan layanan berdasarkan nilai mereka ke bisnis Mengembangkan platform perdagangan ke negara yang diinginkan dengan menggunakan pendekatan modular Arsitektur perdagangan berperforma tinggi bergantung pada layanan berikut, sebagai Didefinisikan oleh kerangka arsitektur layanan yang ditunjukkan pada Gambar 4. Kerangka Kerja Arsitektur Layanan untuk Layanan Pesan Ultra-Low Latency High Performance Trading Layanan ini disediakan oleh bus perpesanan, yang merupakan sistem perangkat lunak yang memecahkan masalah menghubungkan banyak-ke- Banyak aplikasi Sistem terdiri dari: Kumpulan skema pesan yang telah ditentukan sebelumnya Sekumpulan pesan perintah umum Infrastruktur aplikasi bersama untuk mengirim pesan ke penerima. Infrastruktur bersama dapat didasarkan pada broker pesan atau pada model penerbitan langganan. Persyaratan utama untuk bus perpesanan generasi berikutnya adalah (sumber 29West): Terendah kemungkinan latensi (misalnya kurang dari 100 mikrodetik) Stabilitas di bawah beban berat (misalnya lebih dari 1,4 juta pesan.) Kontrol dan fleksibilitas (kontrol tingkat dan transportasi yang dapat dikonfigurasi) Ada Adalah upaya di industri untuk menstandardisasi bus pesan. Advanced Message Queuing Protocol (AMQP) adalah contoh standar terbuka yang diperjuangkan oleh J.P. Morgan Chase dan didukung oleh sekelompok vendor seperti Cisco, Envoy Technologies, Red Hat, TWIST Process Innovations, Iona, 29West, dan iMatix. Dua dari tujuan utama adalah untuk menyediakan jalur yang lebih sederhana untuk interoperabilitas untuk aplikasi yang ditulis pada platform dan modularitas yang berbeda sehingga middleware dapat dengan mudah berevolusi. Dalam istilah yang sangat umum, server AMQP analog dengan server E-mail dengan setiap pertukaran bertindak sebagai agen transfer pesan dan setiap antrian pesan sebagai kotak surat. Bindings menentukan tabel routing di setiap agen transfer. Penerbit mengirim pesan ke agen transfer individual, yang kemudian mengarahkan pesan ke dalam kotak pesan. Konsumen mengambil pesan dari kotak pesan, yang menciptakan model yang kuat dan fleksibel yang sederhana (sumber: amqp.orgtikiwikitiki-index.phppageOpenApproachWhyAMQP). Layanan Pemantauan Latensi Persyaratan utama untuk layanan ini adalah: Keragaman sub-milidetik pengukuran Visibilitas jarak dekat-nyata tanpa menambahkan latency ke lalu lintas perdagangan Kemampuan untuk membedakan latency pemrosesan aplikasi dari latency transit jaringan Kemampuan untuk menangani tingkat pesan yang tinggi Menyediakan antarmuka program untuk Aplikasi perdagangan untuk menerima data latensi, sehingga memungkinkan mesin perdagangan algoritmik untuk menyesuaikan diri dengan perubahan kondisi. Mengaitkan aktivitas jaringan dengan peristiwa aplikasi untuk tujuan pemecahan masalah Latensi dapat didefinisikan sebagai interval waktu antara saat pesanan perdagangan dikirim dan kapan pesanan dan akta yang sama dikenali. Oleh pihak penerima. Mengatasi masalah latensi adalah masalah yang kompleks, memerlukan pendekatan holistik yang mengidentifikasi semua sumber latensi dan menerapkan teknologi yang berbeda pada berbagai lapisan sistem. Gambar 5 menggambarkan berbagai komponen yang dapat mengenalkan latency pada setiap lapisan tumpukan OSI. Ini juga memetakan setiap sumber latensi dengan solusi yang mungkin dan solusi pemantauan. Pendekatan berlapis ini dapat memberi perusahaan cara yang lebih terstruktur untuk menyerang masalah latensi, di mana setiap komponen dapat dianggap sebagai layanan dan diperlakukan secara konsisten di seluruh perusahaan. Mempertahankan ukuran akurat dari keadaan dinamis dari interval waktu ini melintasi rute alternatif dan tujuan dapat sangat membantu dalam keputusan perdagangan taktis. Kemampuan untuk mengidentifikasi lokasi penundaan yang tepat, baik di jaringan tepi pelanggan, pusat pemrosesan pusat, atau tingkat aplikasi transaksi, secara signifikan menentukan kemampuan penyedia layanan untuk memenuhi perjanjian tingkat layanan perdagangan mereka (SLA). Untuk sisi beli dan sisi penjualan, juga untuk sindikator pasar data, identifikasi cepat dan penghapusan kemacetan diterjemahkan langsung ke dalam peluang dan pendapatan perdagangan yang disempurnakan. Gambar 5 Arsitektur Manajemen Latency Peralatan Pemrograman Cisco Latent Latency Alat pemantau jaringan tradisional beroperasi dengan granulasi menit atau detik. Platform perdagangan generasi berikutnya, terutama yang mendukung perdagangan algoritmik, memerlukan latensi kurang dari 5 ms dan tingkat packet loss yang sangat rendah. 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 (quotthe victimsquot) and the traffic that caused the performance degradation (quotthe culpritsquot). 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 BQMs 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 Mbitss. The dark blue plot shows the 5ms microburst activity reaching between 75 Mbitss and 100 Mbitss, 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 serviceand which intermediary, market, or counterpartyto 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 2600280037003800 routers AON Blade for the Cisco Catalyst 6500 series AON 8340 Appliance Trading Metrics MampA 2.0 software, which provides the monitoring and alerting application, displays latency graphs on a dashboard, and issues alerts when slowdowns occur (tradingmetricsTMbrochure.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 (ciscogoipsla ). Two key concepts are the source of the generated traffic and the target. Both of these run an IP SLA quotresponder,quot 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 quotjust under one millisecondquot 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 igrave seconds. 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 processingAt 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 IO acceleration inteltechnologyioacceleration306517.pdf ). Intermediate buffer copyingIn 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 inteltechnologyioacceleration306517.pdf ). Context switchingEvery 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 TCPIP 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): ciscoapplicationpdfenusguestnetsolns500c643cdccont0900aecd804c35cb.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 Synapses GridServer, applications can migrate, using pre-configured policies, to under-utilized servers in a supply-matches-demand process (wwwworkworldsupp2005ndc1022105virtual.htmlpage2 ). 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 quothead roomquot 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 (gridtoday030210101061.html ). This is called a data grid and is the first step in the process of creating what Gartner calls Extreme Transaction Processing (XTP) (gartnerDisplayDocumentrefgsearchampid500947 ). 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. Todays data grids are localized in data centers connected by Metro Area Networks (MAN). This is mainly because the applications themselves have limitsthey 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 serversone 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 brokerages 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 GroupsChannels 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 returnsthere 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: This approach allows for straight forward networkapplication 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.
Jual-opsi saham-strategi
Kaya-oleh-forex