Die Market-Maker-Sicht
Liquidität bereitstellen und Market Making betreiben: Unsere Orders warten auf beiden Seiten des Preises in der Warteschlange, und andere handeln gegen sie.
Nova Group · algorithmische Forschung seit 2020
Der Preis ist
eine Folge des
Orderflows.
Wir sammeln die Trades und Orders in der Markttiefe auf Level 1 bis 3, simulieren die Ausführungs-Engine des Handelsplatzes präzise und entwickeln und testen darauf Handelsalgorithmen.
Verzögerung
Größe
Preis
Probieren Sie es selbst: Wählen Sie Größe und Orderart und senden Sie die Order ab.
Ausgeführt
Ø-Preis
Preisbewegung
Slippage
-
Hintergrund
Seit 2020
Finanzmärkte untersuchen und Handelsalgorithmen entwickeln, von damals bis heute.
-
Daten
Preise, Trades, Orderbuch
PricePreisTradesTradesBookOrders in der Markttiefe
-
Märkte
Drei Arten von Märkten
CMEChicagoer Futures & OptionenCryptoZentral & dezentralTSETMCTeheraner Aktien & Optionen
-
Methoden
Data Science & Modelle
DSData Science & StatistikML·DLML und Deep LearningRLReinforcement Learning
Unsere Methode
Drei Schichten, von unten nach oben
Jedes Projekt ist auf diesen drei Schichten aufgebaut. Die obere Schicht existiert nicht ohne die Schicht darunter.
-
Fundament
Eine unabhängige Plattform, je Projekt eigens gebaut
Jedes Projekt erhält seine eigene Daten- und Ausführungsplattform, von Grund auf gebaut und unabhängig von jedem fertigen Werkzeug.
-
Engine
Ein detailgetreuer Simulator der Orderausführung
Wir bilden die Ausführungs-Engine des Handelsplatzes nach: Orders reihen sich in die Warteschlange ein, warten, bis sie an der Reihe sind, und werden teilweise ausgeführt.
-
Intelligenz
Analysen, Charts und Prognosemodelle
Vom Fluss der Trades und Orders über Statistik und Modelltraining zu einem Prognosealgorithmus.
Zwei Wege
Wir stellen Liquidität und wir nehmen sie
Beide Wege schöpfen aus demselben Verständnis des Orderflows, und jeder hat seine eigenen Projekte.
Die Taker-Sicht
Liquidität entnehmen und Trades eingehen: Unsere Order überquert den Spread und nimmt die wartenden Orders vom Anfang der Warteschlange.
Projekte
Woran wir arbeiten
Im Test
CME Market Maker
Ein Market-Making-Algorithmus auf Basis von Deep Learning für den Chicagoer Futures-Markt, auf dem Weg zu einem automatisierten Market-Making-Desk
Mehrere Jahre der Chicagoer Börse, Order für Order zusammengetragen. Aus diesen Daten sind wir zu einem Market-Making-Algorithmus gelangt, der in einer getreuen Nachbildung der Börse selbst getestet wird.
Simulatorbericht zum Download
Zum Projekt
- Mehrere JahreHistorie, Order für Order
- Deep LearningMethode
- Python · C# · RustTechnologie
Im Test
Fast Scalp
Ein ML-basierter Algorithmus für kurzfristigen Handel am Chicagoer Futures-Markt, auf dem Weg zu einem automatisierten Trading-Desk
Mehrere Jahre der Chicagoer Börse, Order für Order zusammengetragen. Aus diesen Daten sind wir zu einem Algorithmus für kurzfristigen Handel gelangt, der in einer getreuen Nachbildung der Börse selbst getestet wird.
Simulatorbericht zum Download
Zum Projekt
- Mehrere JahreHistorie, Order für Order
- Maschinelles LernenMethode
- Python · C# · RustTechnologie
Datendienst in Betrieb
BlockTrade
Verhaltensanalyse der Blocktrades am Chicagoer Futures-Markt, auf dem Weg zu Handels- und Anlagealgorithmen, die auf der Spur des großen Geldes aufbauen
Unser Server empfängt und verarbeitet ohne Unterbrechung die Blocktrades jedes Produkts der Chicagoer Börse und liefert sie auf den Chart des Traders. Ihre Historie baut sich Tag für Tag auf.
Kein Simulatorbericht veröffentlicht
Zum Projekt
- 36 SekundenMedian des Eintreffens jedes Blocks nach der Meldung der Börse
- 24 FormenKlassifizierung der Blöcke
- Python · C#Technologie
In Entwicklung
TSETMC
Orderflow-Analyse der Teheraner Börse, auf dem Weg zu einem algorithmischen Vermögensverwaltungsfonds
Elf Jahre des iranischen Kapitalmarkts, Trade für Trade und Order für Order zusammengetragen und nachgebildet. Auf dieser Historie entwickeln und testen wir unsere Modelle.
Kein Simulatorbericht veröffentlicht
Zum Projekt
- 11 JahreMarkthistorie
- 1.148Symbole
- Python · C#Technologie
Im Test
Gold ETF Arbitrage
Ein Algorithmus, der Kapital zwischen den Goldfonds der Teheraner Börse umschichtet, auf dem Weg zu einem automatisierten Goldportfolio, das darauf abzielt, mehr zu erzielen als das Halten von Gold
Die Goldfonds der Teheraner Börse, Order für Order aufgezeichnet und an einem Maßstab gemessen. Den Wechsel zwischen ihnen testen wir in einer getreuen Nachbildung der Börse, im Vergleich zum bloßen Halten von Gold.
Simulatorbericht zum Download
Zum Projekt
- 21 Goldfondsan einem Maßstab gemessen
- 395 Handelstageim Simulator abgespielt
- PythonTechnologie
In Untersuchung
DeFi LP
Ein Algorithmus zur Vermögensverwaltung für die Liquiditätspools dezentraler Börsen, auf dem Weg zu einem automatisierten Fonds
Die vollständige Historie von 136 Pools auf vier Blockchain-Netzwerken, ab dem ersten Tag jedes Pools und Ereignis für Ereignis zusammengetragen. Wir simulieren, wie Kapital in einem Pool liegt und zwischen Pools wechselt, in einer getreuen Nachbildung des Marktes selbst.
Kein Simulatorbericht veröffentlicht
Zum Projekt
- 136 Poolsvollständige Historie, Ereignis für Ereignis
- 4 NetzwerkeBlockchain
- Python · C#Technologie
In Entwicklung
Crypto Market Maker
Dateninfrastruktur und ein Market-Making-Algorithmus für den Kryptomarkt, auf dem Weg zu einem automatisierten Market-Making-Desk
Der Markt von 22 stark gehandelten Kryptowährungen an 16 globalen Börsen, Trade für Trade und Order für Order zusammengetragen. Vor dem Schreiben des Algorithmus haben wir diesen gesamten Markt aufgezeichnet, und wir zeichnen ihn weiter auf.
Kein Simulatorbericht veröffentlicht
Zum Projekt
- 22 Kryptowährungenan 16 globalen Börsen
- 60 TerabyteUmfang der Rohdaten
- Rust · C#Technologie