Trading System Entwickler Jobs

Seitentitel geht hier Position Beschreibung Bei MarketAxess ist Technologie unser Produkt. Geschwindigkeit auf dem Markt, Engagement für Exzellenz, Kreativität und Unternehmertum sind für unseren Erfolg unerlässlich. Als Anwendungsentwickler arbeiten Sie bei der Entwicklung unserer Handelsplattform mit Technologen und kundenorientierten Teams zusammen. Zu Ihren Aufgaben gehören unter anderem die Arbeit an neuen Produktangeboten, Systemverbesserungen, Systemarchitekturen und Fehlerbehebungen. In den vergangenen sieben Jahren hat unser Anwendungsentwicklungsteam die führende E-Trading-Plattform für den Kunden-Händlernetzwerk aufgebaut. Zu den jüngsten Projekten gehören die Märkte erste Client-to-Dealer Credit Default Swaps Index Handelssystem und ein Inter-Händler Corporate Bond Handelsplattform. Die Art unserer Plattform erfordert Geschick und Erfahrung in der Arbeit an Echtzeit, hohe Volumen, hoch verfügbare Transaktionssysteme. Wir haben eine Reihe von verschiedenen Teams, die entwickeln: verschiedene Handels-Produkt-Angebote, Händler-und Client-APIs, Marktdaten, Handelsdienste und Anwendungsinfrastruktur. Wir versuchen unseren Entwicklern die Möglichkeit zu geben, an verschiedenen Teams und Projekten zu arbeiten. Obwohl wir ein öffentlich gehandeltes Unternehmen sind, sind wir eine kleine Organisation, wo Sie Exposition gegenüber den meisten Führungskräfte in Technologie und dem Unternehmen haben werden. Unsere Umwelt ist unternehmerisch in der Natur, und wir belohnen Ergebnisse, Kreativität und Initiative. Wir liefern vier große Releases pro Jahr, die gelegentliche lange Stunden und oder Wochenendstunden erfordern, aber unsere Mitarbeiter oft von zu Hause aus arbeiten, wenn diese erweiterten Stunden arbeiten. Wir benötigen die folgenden technischen Fähigkeiten: Ausgezeichnete Java-Kenntnisse einschließlich Swing JMS Enterprise RDBMS (Oracle und / oder Sybase) XML Umfangreiche Erfahrung mit schnellen, hochvolumigen Transaktionssystemen. Gute Kenntnisse der objektorientierten Entwurfsmuster Umfangreiche Erfahrung in der Multi-Threaded-Programmierung UNIX (Sun Solaris) NT TCP IP Erfahrung in den folgenden technischen Fähigkeiten bevorzugt, nicht erforderlich: JFC JNI JDBC Weitere Anforderungen: Der ideale Kandidat hat 7 Jahre Erfahrung im Finanzdienstleistungsbereich Solide Kenntnisse des Wertpapierhandels Starke verbale und schriftliche Kommunikationsfähigkeiten sowie organisatorische und Problemlösungsfähigkeiten Starke Teamarbeit und interpersonelle Fähigkeiten Fähigkeit, sich mit wechselnden Prioritäten auseinanderzusetzen Bevorzugte Attribute: Quantitative formale Bildung (zB Mathematik, Physik, Ingenieurwissenschaften, Informatik etc .) Entschädigung wird entsprechend Erfahrung sein und schließt eine wettbewerbsfähige Bargeld - und Nutzenpaket ein. Führung zu Handelssystementwicklung Die fortwährende Entwicklung der technischen Analyse-Software hat die Erzeugung der computer-automatisierten Handelssysteme vereinfacht. Einige Systeme generieren nur die Signale für den Händler zu folgen, während andere die Trades auf den Markt setzen im Namen des Händlers. Allerdings ist die Möglichkeit, Ihre Lieblings-Handelsplattform Programm ist nur der Anfang. Sie müssen ein Framework für die Prüfung Ihrer Trading-Theorien, um sicherzustellen, dass profitable Backtests sind nicht nur wegen des Glücks, sondern sind die Ergebnisse der robusten Modellierung eines marketrsquos Verhalten. Diese Reihe von Artikeln wird ein vereinfachtes Konzept für die Entwicklung eines Handelssystems für den Einzelhandel Forex-Markt zu präsentieren. Das System-Entwicklungstool wersquoll wird MetaTrader 4 (MT4) sein, obwohl die vorgestellten Ideen und Verfahren für eine breite Palette von Software-Plattformen gelten. Die Methodik umfasst allgemeine Konzepte für den anfänglichen Systemtrader. Wenn wir Verknüpfungen für Zweckmäßigkeit annehmen, verweisen wersquoll die Leser auf zusätzliche Ressourcen für vertiefende Informationen. Es gibt fünf verschiedene Phasen in der Entwicklung des Handelssystems: Phase 1: Entwicklung des Marktmodells und der grundlegenden automatisierten System mdash das grundlegende automatisierte System implementiert dieses Modell, aber nicht enthalten Stop-Verluste oder Gewinnziele. Das Basissystem dient ausschließlich dem Sammeln von Daten für die in den späteren Entwicklungsphasen verwendete statistische Analyse. Phase 2: Risikomanagement mdash der anfängliche Stopverlust (ISL). Unter Verwendung der in Phase 1 gesammelten Daten und basierend auf der statistischen Analyse dieser Daten fügen wir der Handelsstrategie eine ISL hinzu. Wir verwenden Optimierung, um einen Stop-Loss-Parameter zu finden, der zu unseren Bedürfnissen passt. Wir verwenden eine Walk-Forward-Analyse, um diese Version des Systems zu testen. Phase 3: Profitmanagement mdash das Gewinnziel (PT). Wie in Phase 2 werden wir die statistische Analyse unserer Daten verwenden, um ein Gewinnziel in das System zu integrieren. Wieder werden wir die Optimierung verwenden, um ein geeignetes Gewinnziel zu finden und dann eine Walk-Forward-Analyse zu verwenden, um diese Version des Systems zu testen. Phase 4: Geldverwaltung mdash der Handelsgrößenalgorithmus (TSA). Diese Phase hängt nicht von den Daten ab, die in Phase 1 gesammelt wurden. Stattdessen werden wir die populäre Fixed-Fraction-Trade-Size-Methode einbeziehen, um festzustellen, wie viele Lose jedem Trade zugeordnet sind. Beliebte Fachliteratur ist voll mit Ratschläge, um das Risiko des Handels innerhalb eines Bereichs von 1 bis 3 des Konto-Eigenkapitals zu beschränken. Wir werden unsere Optimierung mit diesen Prozentsätzen ausführen und dann erneut die Walk-Forward-Analyse verwenden, um diese Version des Systems zu testen. Zusammengenommen schließen die Phasen 2 bis 4 die Handelsverwaltung ein, aber es gibt einen weiteren kritischen Schritt: Phase 5: Monte Carlo-Analyse mdash Viele Händler stoppen nach Phase 4. Allerdings ist unsere Prüfung nicht zu diesem Zeitpunkt abgeschlossen und das System ist nicht bereit für (Vorausgesetzt, es ist rentabel). Trotz unserer Walk-Forward-Analyse können wir nicht sicher sein, dass unsere Ergebnisse nicht wegen des Glücks sind. Mit anderen Worten, unser Modell kann nicht beschreiben Marktverhalten genau günstige Ergebnisse können von einem Marktumfeld profitiert haben, dessen Preisaktion gerade zufällig mit unserer Logik übereinstimmt. Monte Carlo-Analyse wird dazu beitragen, festzustellen, ob unser Modell erfolgreich war, weil des Glücks (Zufälligkeit) oder seine Fähigkeit, ein reales Marktmuster zu identifizieren und zu nutzen. Dieser Artikel deckt Phase 1 nachfolgende Artikel werden die Phasen 2 bis 5 abdecken. Über den Autor Neil Rosenthal ist ein pensionierter Zahnarzt, der sein eigenes Konto handelt. Er ist auch ein erfahrener Computerprogrammierer. Er kann bei rightedgetradinggmx erreicht werden.