Auditerò e convaliderò la tua strategia di trading con backtesting in python
Quantitative Developer: sistemi di trading dalla ricerca alla produzione
Informazioni su questo servizio
Valuto l'affidabilità dei risultati della tua strategia attraverso backtesting in Python, analisi del rischio e test di robustezza.
Posso auditare codice e backtest esistenti o ricostruire la logica in Python, revisionando dati, regole, dimensione delle posizioni e assunzioni di esecuzione, anche per modelli statistici e di machine learning.
A seconda dell'ambito, applico test out-of-sample, analisi walk-forward, simulazioni Monte Carlo, analisi di sensibilità, analisi dei regimi, stress test, resampling e benchmark, considerando costi, slippage e liquidità.
Indago overfitting, bias di look-ahead, perdita di dati, survivorship bias e instabilità dei parametri.
Ricevi codice riproducibile, metriche di rendimento e rischio, analisi delle operazioni, visualizzazioni e un rapporto con risultati, limiti e raccomandazioni tecniche.
I risultati potrebbero indicare che la strategia necessita di revisione o non dovrebbe procedere. Nessuna garanzia di profitto o performance futura.
Accordo di non divulgazione disponibile. Invia le tue regole, dati e risultati esistenti così possiamo concordare su ambito e criteri di valutazione prima di ordinare.
Tecnologia:
Quaderno jupyter
•
PostgreSQL
•
NumPy
•
Altro
Linguaggio di programmazione:
Python
•
SQL
•
Altro
Strumenti:
Altro
FAQ
Traduzione automatica.
Cosa ricevo e come si differenziano i pacchetti?
Tutti includono codice Python riproducibile, metriche, visualizzazioni e rapporto. Il backtest copre dati, regole e costi; la Robustezza aggiunge test out-of-sample, sensibilità e stabilità; l'Advanced estende l'analisi con walk-forward, Monte Carlo, regimi e stress test.
Puoi validare una strategia, codice o backtest esistente?
Sì. Posso auditare codice, riprodurre un backtest o ricostruire la logica in Python partendo da regole documentate. Confronto risultati, verifico discrepanze e valuto dati, assunzioni e metodologia, anche se l'implementazione originale è su un'altra piattaforma.
Cosa devo fornire prima dell'inizio del progetto?
Condividi il mercato, gli strumenti, l'intervallo temporale, le regole di entrata e uscita, la dimensione delle posizioni, i dati, il broker e i vincoli di rischio. Codice, backtest e documentazione aiutano a riprodurre il comportamento atteso. Affrontiamo eventuali lacune e concordiamo i criteri di valutazione prima di iniziare.
Come controlli i bias e riduci il rischio di overfitting?
Definisco il protocollo di valutazione, preservo l'ordine cronologico e verifico quali dati erano disponibili in ogni momento. Indago bias di look-ahead, perdita di dati, survivorship bias e effetti di test multipli. I dati usati per tuning non sono trattati come un set di test indipendente.
Come simuli costi e condizioni di esecuzione?
A seconda dell'ambito e dei dati, modello commissioni, spread, slippage e vincoli di liquidità. Posso includere latenza, riempimenti parziali, margine e finanziamenti. Le assunzioni sono documentate e testate in vari scenari di costo e esecuzione.
Con quali mercati e borse lavori?
Lavoro con crypto, azioni/ETF, CFD, futures, opzioni, materie prime, FX e reddito fisso. Borse e gruppi: NYSE, Nasdaq, LSE, Euronext, Xetra, SIX, JPX, HKEX, ASX, B3, TSX, NSE, SSE, SZSE, KRX, CME Group, Cboe, ICE, Eurex, SGX e TAIFEX, soggetti a disponibilità e accesso ai dati.
Quali broker, piattaforme e infrastrutture di esecuzione puoi integrare?
Posso integrare IBKR, Charles Schwab, TradeStation, tastytrade, Alpaca, OANDA, Webull, Tradier, Public, Binance, Coinbase, Bitfinex, Bybit, Kraken, Deribit, Rithmic, CQG, Bloomberg EMSX, Trading Technologies e SS&C Eze via REST, WebSocket, FIX o SDK, soggetti ad accesso e capacità disponibili.
Quali fonti di dati puoi integrare?
Posso integrare dati da Bloomberg, LSEG, FactSet, S&P Global, ICE Data Services, Databento, Nasdaq Data Link, dxFeed, Cboe DataShop, CME DataMine, OptionMetrics, Macrobond, RavenPack, Kaiko e Coin Metrics, più i tuoi dataset. L'integrazione dipende da accesso e licenze per ogni fonte.
Quale stack tecnologico usi dalla ricerca alla produzione?
A seconda dell'ambito, utilizzo Python, SQL, C++, Pandas, NumPy, SciPy, Polars, statsmodels, scikit-learn, XGBoost e PyTorch. Ricerca: QuantConnect, Jupyter, vectorbt e backtrader. Produzione: FastAPI, PostgreSQL, Docker, Linux, pytest, Git, CI/CD, Prometheus, Grafana, AWS, Azure e Google Cloud.
Come gestisci la comunicazione e la riservatezza?
Prioritizzo chat su Fiverr e documentazione scritta per mantenere la comunicazione chiara e le decisioni tracciabili. Chiamate brevi tramite Fiverr possono aiutare a chiarire requisiti o mostrare risultati. NDA disponibile; la tua strategia, codice, dati, documentazione e risultati rimangono riservati.
