— 01 · Challenge
Researcher schrieben Strategien in Jupyter, dann wurden sie in C++ neu implementiert für die Produktion. Jede Übersetzung brachte subtile Bugs. Backtest-Ergebnisse passten selten zur Live-Performance.
Client
Quant-Trading-Firma
Role
Engineering
Year
2023
Timeline
20 Wochen
What moved
12% → 2%
Backtest-Drift
Wochen → Stunden
Deploy-Zeit
23
Strategien live
— 02 · Approach
Wir bauten eine typisierte Strategie-DSL, ein Research-Notebook darauf und einen Runner, der dieselbe DSL in die Produktion bringt. Eine einzige Source of Truth. Jeder Backtest ist ein Production-Run mit historischen Daten.
— 03 · Outcome
Drift zwischen Backtest und Live fiel von ca. 12 % auf unter 2 %. Time-to-Deploy einer neuen Strategie sank von Wochen auf Stunden. Researcher duplizieren sich nicht mehr in C++.
Stack
- TypeScript
- Python
- Rust
- PostgreSQL
- Apache Arrow
- Grafana