Ich entwickle quantitative Trading-Systeme in Python für QuantConnect
Quantitativer Entwickler: Forschung, Backtesting und Einsatz von Handelssystemen
Level 2
Hat hohe Leistungskriterien erfüllt und verfügt über eine nachgewiesene Erfolgsbilanz bei der Erfüllung von Kundenerwartungen.
Über diesen Service
Ich verwandle Markt-Hypothesen, discretionary Strategien und bestehende Algorithmen in professionelle quantitative Systeme auf QuantConnect, die mit Forschungsgenauigkeit, robuster Architektur und produktionsorientierter Technik entwickelt werden.
Ich programmiere in Python und dem LEAN Engine und decke den gesamten Zyklus ab: Forschung, Validierung, Engineering, Deployment und Monitoring.
Der Umfang kann Datenaufbereitung, Signal- und Faktor-Recherche, Feature Engineering, statistische Modellierung, maschinelles Lernen, Portfolioaufbau, realistisches Backtesting, Out-of-Sample-Validierung, Walk-Forward-Analyse, Monte Carlo, Sensitivitätsanalyse, Marktregime, Kosten, Slippage, Risikokontrolle und Ausführungslogik umfassen.
Auf der Produktionsseite kann ich modulare Architektur, Broker-, Daten- und API-Integrationen, Konfiguration, Tests, Logging, Fehlerbehandlung, Deployment-Workflows, Paper- oder Live-Trading-Bereitschaft sowie technische Dokumentation bereitstellen.
Mein Prozess legt Wert auf sauberen Code, überprüfbare Annahmen, Reproduzierbarkeit und die Vermeidung von Overfitting, Look-Ahead-Bias und Data Leakage.
Ich verspreche keine finanziellen Ergebnisse. Ich liefere gründliche Forschung, professionelle Technik und transparente Nachweise.
Plattform:
Individuell
•
Binance
•
Andere
Entwicklungstechnologie:
Python
•
Cpp
•
Andere
FAQ
Automatische Übersetzung
Was kannst du auf QuantConnect bauen?
Ich kann alles entwickeln, von einer ersten LEAN-Strategie bis hin zu einem vollständigen quantitativen System, inklusive Forschung, Backtesting, Validierung, Risiko, Ausführung, Tests, Dokumentation und je nach Umfang auch Paper Trading und Deployment.
Was ist der Unterschied zwischen den Paketen?
Grundlage: LEAN-Strategie mit angewandter Forschung, erstem Backtest und Bericht. Validiert: modulare Architektur, robuste Validierung, Risiko und Paper Trading. Produktion: fortgeschrittene Validierung, Automatisierung, Beobachtbarkeit und unterstütztes Deployment. Ich bestätige den Umfang vor der Bestellung.
Kannst du eine Strategie aus einer Idee entwickeln oder eine bestehende verbessern?
Ja. Ich kann eine Markt-Hypothese oder einen discretionary Ansatz in testbare Regeln umwandeln oder bestehende QuantConnect-Algorithmen, Python-Modelle und Notebooks überprüfen, umgestalten und erweitern. Der Umfang kann Forschung, Validierung, Architektur, Implementierung und Produktion umfassen.
Wie machst du Backtests realistischer und robuster?
Ich modellieren Gebühren, Spreads, Slippage, Ausführungen, Liquidität, Kapazität, Ordertypen und Maklerregeln. Je nach Paket wende ich Out-of-Sample-, Walk-Forward-, Monte Carlo-, Sensitivitäts-, Regime- und Stresstests an, um die Performance unter verschiedenen Markt- und Ausführungsbedingungen zu bewerten.
Mit welchen Märkten und Börsen arbeitest du?
Ich arbeite mit US-Aktien/ETFs, Optionen, Futures und Futures-Optionen (NYSE, Nasdaq, Cboe, CME Group und ICE), außerdem Forex, CFDs, Indizes und Krypto über Binance, Bybit, OKX und Coinbase. Festverzinsliche Wertpapiere und andere Börsen hängen vom Dataset, Broker und der Integration ab.
Welche Broker, Infrastruktur und Datenquellen kannst du integrieren?
Je nach Asset und Umgebung integriere ich IBKR, TradeStation, Alpaca, Tradier, Binance, Bybit, OKX, Coinbase, Bloomberg EMSX, Trading Technologies und FIX. Daten: QuantConnect, Databento, Polygon, FactSet auf lokalem LEAN oder eigene Daten/APIs. Externe Lizenzen und Kosten sind nicht inbegriffen.
Was muss ich vor Beginn des Projekts schicken?
Sende Assets, Zeitraum, Hypothese oder Regeln, Datenquelle, Risikolimits, Kosten- und Ausführungsannahmen, Broker und Deployment-Ziel. Füge jeglichen bestehenden Code, Notebooks, Berichte und Ergebnisse bei. Damit bestätige ich das Paket, den Umfang und die Deliverables.
Was ist dein technischer Stack und wie nutzt du AI?
Ich entwickle mit Python, QuantConnect/LEAN, Research Environment, LEAN CLI, Pandas, NumPy, statsmodels, scikit-learn, XGBoost und PyTorch. Produktion: Git, Linux, Docker, SQL, Tests, APIs und CI/CD. Ich nutze ML, Deep Learning oder NLP nur, wenn Daten, Hypothese und Validierung es rechtfertigen.
Garantierst du Gewinne oder Live-Performance?
Nein. Ich garantiere keinen Gewinn, keine Rendite, keine Gewinnrate oder zukünftige Performance. Ich liefere gründliche Forschung, reproduzierbare Backtests, Validierung, Risikokontrollen, technische Umsetzung und transparente Nachweise, um Entwicklungs- und Deployment-Entscheidungen zu unterstützen.
Wie gehst du mit Kommunikation und Vertraulichkeit um?
Kommunikation erfolgt hauptsächlich über Fiverr-Chat und schriftliche Dokumentation, um Genauigkeit, Nachvollziehbarkeit und überprüfbare Entscheidungen zu gewährleisten. Kurze Calls können für Abstimmung oder Demos genutzt werden. Ich kann unter NDA arbeiten; Strategie, Code, Daten, Dokumentation und Ergebnisse bleiben vertraulich.

