Vou construir sistemas institucionais de trading quantitativo em python

Sim. Posso pesquisar uma hipótese, implementar regras ou revisar dados, modelos e códigos existentes. Compartilhe seu objetivo, mercado, prazo e materiais disponíveis. Juntos, definimos requisitos, restrições de risco, integrações e entregas.

A pesquisa avalia a hipótese e estrutura dados, recursos e um modelo inicial. Validado, constrói o sistema, compara modelos e testa a robustez para paper trading. Produção adiciona validação avançada, execução automatizada, monitoramento de modelos e implantação assistida.

ML/DL pode apoiar previsão, seleção de sinais e detecção de regimes. NLP transforma notícias, relatórios e textos em recursos quantitativos. Reinforcement learning pode ser pesquisado para alocação e execução. Comparo modelos contra baselines simples para avaliar seu valor incremental.

Cripto, ações/ETFs, CFDs, futuros, opções, commodities, FX e renda fixa. Bolsas e grupos: NYSE, Nasdaq, LSE, Euronext, Xetra, SIX, JPX, HKEX, ASX, B3, TSX, NSE, SSE, SZSE, KRX, CME Group, Cboe, ICE, Eurex, SGX e TAIFEX. A cobertura depende dos dados disponíveis e da execução.

IBKR, Charles Schwab, TradeStation, tastytrade, Alpaca, OANDA, Webull, Tradier, Public, Saxo Bank, Binance, Coinbase, Bitfinex, Bybit, OKX, Kraken, Deribit, Rithmic, CQG, Bloomberg EMSX, Trading Technologies, FlexTrade e SS&C Eze. REST, WebSocket, FIX ou SDKs, dependendo do acesso e da plataforma.

Bloomberg, LSEG, FactSet, S&P Global, ICE Data Services, Databento, Nasdaq Data Link, dxFeed, Cboe DataShop, CME DataMine, OptionMetrics, Macrobond, RavenPack, Kaiko, Coin Metrics, MSCI e seus próprios dados. É necessário acesso e licença; custos externos são tratados separadamente.

Dependendo do escopo, uso OOS, walk-forward, Monte Carlo, testes de sensibilidade, regime e estresse, considerando custos, slippage e liquidez. Verifico overfitting, viés de look-ahead e vazamento de dados. Os dados de teste ficam fora do treinamento e da seleção de recursos. Comparo modelos contra baselines simples.

Python, SQL, C++, Pandas, NumPy, SciPy, Polars, statsmodels, scikit-learn, XGBoost, PyTorch, Transformers, MLflow, QuantConnect/LEAN, Jupyter, vectorbt, backtrader, FastAPI, PostgreSQL, Docker, Linux, pytest, Git, CI/CD, Prometheus, Grafana, AWS, Azure e Google Cloud, dependendo do projeto.

Dependendo do escopo, adiciono testes, logs, limites de exposição, reconciliação de ordens e recuperação de falhas. Isso pode incluir versionamento de modelos, monitoramento de mudanças nos dados e critérios de retraining. Forneço instruções de operação; suporte contínuo é acordado separadamente.

Prioritizo o chat do Fiverr e a documentação escrita, com atualizações e decisões rastreáveis. Chamadas curtas no Fiverr podem ajudar no alinhamento e demonstrações. NDA disponível; sua estratégia, código, dados, modelos, documentação e resultados permanecem confidenciais.