|
Projekt: Entwicklung eines professionellen Backtesting- und Orderflow-Analyse-Systems (NASDAQ Futures / NQ)
Beschreibung Ich suche einen erfahrenen Python-Entwickler (m/w/d) mit starkem Hintergrund in quantitativer Datenanalyse oder algorithmischem Trading,
um ein Hedgefonds-ähnliches Research- und Backtesting-System für den Nasdaq-100-Futures-Markt (NQ) zu entwickeln. Das System soll: historische Tick- und Orderbuchdaten (CME / dxFeed / Rithmic) einlesen, anhand definierter Regeln Orderflow-Ereignisse („Tags“) erkennen – z. B. institutionelle Aggression, Dealer-Absorption, Retail-Momentum, daraus automatisch Trades simulieren (Entry / Stop / Exit), über bis zu 10 Jahre Backtests durchführen, und die Ergebnisse (Winrate, Drawdown, Profit Factor etc.) in einem interaktiven Dashboard visualisieren. Anforderungen Sehr gute Python-Kenntnisse (Pandas, NumPy, OOP) Erfahrung mit Backtesting-Frameworks (Backtrader, VectorBT, QuantConnect LEAN o. ä.) Kenntnisse im Umgang mit Tick-/Level-2-Daten Verständnis für Market Microstructure (Bid/Ask, Delta, VWAP, Orderflow) Erfahrung mit Visualisierung / Dashboards (Plotly, Streamlit, Dash) Saubere Code-Struktur, Dokumentation & Versionskontrolle (Git) Nice to have:
Kenntnisse in Cloud-Infrastruktur (AWS / Docker), Machine Learning (Scikit-Learn, TensorFlow) oder C++/Rust für High-Performance-Parsing. Aufgaben Daten-Import und -Speicherung (Parquet/HDF5, ggf. AWS S3) Entwicklung der Tagging-Logik (regelbasiert, modular) Backtesting-Engine mit Entry-/Stop-Simulation Performance-Reporting & Dashboard Live-Feed-Modul für Echtzeit-Simulation ⏱️ Zeitrahmen Gesamtlaufzeit: ca. 10 – 14 Wochen, modular umsetzbar. Rahmen Pro Cloud-Setup + ML-Tagging + Realtime-Feed Bitte im Angebot angeben Kurzbeschreibung der relevanten Erfahrung (Quant/Algo/Data Engineering) Referenzen oder Screenshots ähnlicher Systeme GitHub- oder Portfolio-Link Geschätzte Kosten + verfügbare Kapazität |
