Como a Optiver constrói software para operar mercados
A engenharia da Optiver combina baixa latência, inteligência artificial, hardware próprio e responsabilidade integral sobre sistemas críticos.
Uma empresa de trading proprietário opera em um ambiente diferente da maioria das startups e companhias de tecnologia. Na Optiver, não existem clientes externos usando diretamente o produto. O próprio negócio é o cliente, e os sistemas desenvolvidos pelos engenheiros participam diretamente das operações financeiras da empresa. Um erro grave de software pode gerar perdas capazes de comprometer o negócio inteiro.
A Optiver completou 40 anos em março de 2026. A empresa começou em 1986, na European Options Exchange, e seu nome é uma combinação das palavras inglesas relacionadas a opções e negociação. Atualmente, possui 11 escritórios, em Amsterdã, Chicago, Austin, Nova York, Londres, Sydney, Xangai, Hong Kong, Singapura, Taipei e Mumbai. A operação executa mais de 10 milhões de negociações por dia, distribuídas por cerca de 100 bolsas.
O negócio é o próprio cliente
Em empresas tradicionais, a engenharia costuma equilibrar necessidades de consumidores, clientes corporativos, áreas comerciais e suporte. Na Optiver, os engenheiros trabalham diretamente com traders e especialistas de mercado para definir os problemas que precisam ser resolvidos.
Essa proximidade muda a forma de trabalhar. O engenheiro não recebe apenas uma especificação pronta para implementar. Ele participa da definição do problema, entende o impacto financeiro e acompanha o resultado em produção. A equipe é responsável por projetar, construir, testar, publicar e monitorar a solução.
A empresa promove uma cultura de ownership. A expectativa é que os profissionais tratem seus projetos como se fossem responsáveis por uma empresa inteira, cuidando das decisões técnicas, da implementação, da implantação, da operação e do suporte. Não há uma separação rígida em que o desenvolvimento entrega o código para uma equipe de qualidade ou operações e deixa de acompanhar o resultado.
Responsabilidade desde o início
Novos funcionários e estagiários recebem um projeto real desde os primeiros dias, com apoio de pessoas mais experientes. Alterações em código de produção fazem parte da expectativa para quem está começando.
A progressão também é rápida. Segundo o artigo, em aproximadamente um ano uma nova pessoa pode se tornar a referência em seu domínio e começar a preparar o próximo engenheiro. Essa autonomia é reforçada durante o processo seletivo, que avalia resolução de problemas, capacidade de explicar decisões, análise de trade offs e implementação.
O modelo exige maturidade. Ter autonomia não significa trabalhar sem orientação, mas assumir responsabilidade pelo resultado e saber buscar ajuda quando necessário. Em um ambiente em que software pode causar perdas financeiras imediatas, conhecimento superficial e transferência de responsabilidade são riscos operacionais.
Latência deixou de ser o único diferencial
Durante muito tempo, empresas de trading proprietário competiram principalmente para reduzir a latência. Ter uma infraestrutura mais rápida que a concorrência podia criar oportunidades de arbitragem e gerar vantagem direta.
O cenário mudou. A baixa latência continua sendo requisito básico, mas deixou de ser, sozinha, um diferencial suficiente. O artigo resume essa mudança dizendo que a latência passou a ser o piso, enquanto modelos de inteligência artificial se tornam cada vez mais importantes para diferenciar a operação.
Isso desloca parte do foco da engenharia. Além de processar dados e enviar ordens rapidamente, as equipes precisam desenvolver modelos melhores, alimentar esses modelos com dados de qualidade, medir resultados e integrar as previsões ao sistema de negociação. A vantagem depende da combinação entre pesquisa, dados, software, infraestrutura e conhecimento de mercado.
Engenharia de software e hardware
A Optiver trabalha com uma pilha tecnológica que cobre várias camadas, desde aplicações e serviços até componentes de infraestrutura extremamente especializados. O ambiente inclui linguagens e ferramentas para desenvolvimento de sistemas, integração e entrega contínuas, processamento de dados e operação em produção.
A empresa também investe em engenharia de hardware, FPGAs e silício próprio. Em vez de depender apenas de componentes genéricos e serviços de nuvem, uma empresa de trading pode justificar o desenvolvimento de hardware customizado quando pequenas melhorias de desempenho têm impacto financeiro relevante.
Essa capacidade ajuda a explicar por que laboratórios de inteligência artificial buscam profissionais vindos de empresas de trading. Essas organizações acumularam décadas de experiência operando data centers próprios, instalando equipamentos em locais de colocation e construindo sistemas de alto desempenho. Também desenvolveram hardware especializado e camadas de kernel capazes de atingir latências muito baixas.
A experiência é transferível para inteligência artificial porque treinar e executar modelos em escala exige infraestrutura eficiente, controle de dados, otimização de hardware e conhecimento profundo sobre o caminho completo entre aplicação, sistema operacional, rede e processamento.
Velocidade com controle de risco
A engenharia precisa equilibrar velocidade de entrega e risco operacional. Entregar rapidamente é importante, mas uma alteração incorreta pode afetar negociações reais e produzir perdas financeiras.
Por isso, qualidade não é tratada como uma etapa posterior ou como responsabilidade exclusiva de uma equipe de testes. A cultura descrita no artigo inclui testes, monitoramento, detecção de incidentes e gestão de risco como partes do trabalho de engenharia.
O objetivo não é eliminar todo risco, algo impossível, mas tornar os riscos visíveis, limitar o impacto de falhas e detectar problemas rapidamente. Isso exige sistemas observáveis, mecanismos de proteção, procedimentos de resposta e capacidade de interromper ou reduzir uma operação quando os sinais indicam comportamento anormal.
A colaboração entre traders e engenheiros também é essencial. Os especialistas de mercado conhecem o problema econômico e suas consequências, enquanto os engenheiros transformam esse conhecimento em sistemas que podem ser testados, publicados e monitorados. A qualidade da solução depende das duas perspectivas.
Uma cultura de compartilhamento
A autonomia não elimina a necessidade de conhecimento compartilhado. Pelo contrário, em uma organização com sistemas críticos e domínios altamente especializados, depender de uma única pessoa cria um risco importante.
A expectativa de que novos engenheiros se tornem referências e preparem outras pessoas incentiva a documentação, a comunicação técnica e a transferência contínua de conhecimento. Esse modelo reduz a concentração de conhecimento e ajuda a empresa a crescer sem transformar cada especialista em um ponto único de falha.
A combinação entre ownership, colaboração com o negócio, testes e observabilidade forma um modelo de engenharia diferente do encontrado em muitas empresas de software. A equipe não otimiza apenas métricas técnicas, como tempo de resposta ou quantidade de entregas. Ela precisa conectar cada decisão ao risco e ao resultado financeiro.
O que esse modelo ensina
A experiência da Optiver mostra que sistemas críticos exigem responsabilidade de ponta a ponta. Desenvolver uma funcionalidade não é suficiente. É preciso entender o problema, escolher os trade offs, validar o comportamento, publicar com segurança, observar a operação e responder quando algo sair do esperado.
Também mostra que desempenho não é uma característica isolada. Baixa latência, modelos de inteligência artificial, dados, hardware, ferramentas de desenvolvimento e conhecimento de domínio funcionam como um sistema integrado.
Para profissionais de software, a principal lição é que especialização técnica tem mais valor quando está ligada a resultados concretos. Para empresas, a lição é que ownership só funciona quando vem acompanhado de contexto, acesso às informações, colaboração entre áreas, testes e mecanismos claros de controle de risco.
Como isso pode ser útil para você
No trabalho, esse modelo pode ser aplicado criando equipes responsáveis pelo ciclo completo de cada serviço, incluindo testes, implantação, métricas, alertas e resposta a incidentes. Em projetos pessoais, vale escolher um sistema real para praticar observabilidade, testes de falha e otimização de desempenho, em vez de medir apenas se o código funciona no ambiente local.
Também existe uma oportunidade de renda em consultoria ou treinamento para pequenas empresas que precisam reduzir falhas operacionais. Um serviço baseado em revisão de arquitetura, monitoramento, automação de testes e análise de incidentes pode transformar práticas comuns em uma oferta concreta, especialmente para sistemas financeiros, integrações críticas e produtos que dependem de dados.