Generating a Real-Time Algorithmic Trading System Prototype from Customized UML Models (a case study)
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Real-time algorithmic trading systems are widely used by pension funds, mutual funds, some hedge funds, market makers and other institutional traders, to manage market impact and risk, to provide liquidity to the market. The technologies of real-time information processing and high-performance computing, such as the parallel bridging model - SGL, are essential for such systems. However, many errors can be made with todays tools, for example, the distraction of developers because they must focus both on financial algorithms, parallel computing and coding, or compiler mis-optimization, etc. In this paper, we describe practical results with the software design of a real-time algorithmic trading prototype by undergraduate students within the CoSc 319 software engineering project course at the University of British Columbia's Okanagan campus (Canada) in collaboration with a PhD student from the University Paris-Est (France). The prototype can be modifi ed by end-users on the UML model level and then used with automatic Java code generation and execution within the Eclipse IDE. During the case study an advanced coding environment was developed for providing a visual and declarative approach to trading algorithms development so as to generate directly portable bitcode on Low-Level Virtual Machine (LLVM) from nancial speci cation of trading strategies. During the project, Canadian students collaborated with a research engineer from a hedge fund in Paris.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,000 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle