Ein wichtiges Werkzeug im Bereich der Quantitative Transaktionen - der Erfinder der Quantitative Data Exploration Module

In der heutigen, hart umkämpften Welt der Finanzmärkte, wird Quantitative Trading als eine Handelsstrategie, die auf Datenanalyse und algorithmischen Modellen basiert, von Investoren und Händlern immer beliebter. In der Welt der Quantitative Trading wird der Wert von Daten immer mehr hervorgehoben, so dass ein effizientes und zuverlässiges Quantitative Data Exploration Tool zu einem der unentbehrlichen Schlüssel für erfolgreiche Trades wird.

In einer Zeit, in der es immer wichtiger wird, datengetriebene Entscheidungen zu treffen, ist das Quantitative Data Exploration Module für Erfinder wichtig. Als eines der unentbehrlichen Werkzeuge im Bereich der Quantitative Transaktionen ist es nicht nur eine normale Datenanalyse-Software, sondern auch eine revolutionäre Innovation, die Anlegern einzigartige Datenanalyse- und Mining-Funktionen bietet, die ihnen helfen, Chancen zu ergreifen und Risiken zu reduzieren, die in den komplexen und wechselnden Finanzmärkten bestehen.

FMZ Quantized ist eine professionelle Quantitative-Trading-Plattform, die zahlreiche Quantitative-Trading-Tools unterstützt. Derzeit haben die "Data Exploration" -Module der FMZ-Quantifizierungsplattform die Dienste der Datadata-Plattform integriert, die den Benutzern mehr Vorteile in Bezug auf multidimensionale Datenanalyse, Mining, Visualisierung von Daten, Explorations-Trading-Strategien usw. bieten.

FMZ Quantitative Datenforschung

Zuerst einmal mit der FMZ-Quantifizierung vertraut.DatenforschungDie Module werden wie bei Datadata verwendet. Für jeden FMZ-Nutzer müssen wir uns nicht erneut bei der Datadata-Plattform anmelden und können die Funktionen der Datadata-Plattform direkt nutzen.

• 1 Datenbereich Die Liste auf der linken Seite zeigt die Daten, die bereits online unterstützt werden, und die derzeit von den verschiedenen Börsen (Plattformen) unterstützten K-Line-Daten (OHLC) und Tick-Daten. In Zukunft werden mehr Datentypen und -Dimensionen unterstützt. Die Daten werden in Echtzeit aktualisiert, so dass Sie immer über Marktdynamiken informiert sind.

  Wir wählen zum Beispiel "OHLC" und dann "OHLC".market->bitfinex_m1Wenn Sie auf "Feldnamen" klicken, sehen Sie alle "Feldnamen" in diesem Tabellenobjekt.

  

  Klicken Sie auf das Diagramm der Tabelle, um einige Daten zu sehen.

  Die Plattform unterstützt auch das Hochladen eigener Daten, die auf der Unterseite der Liste mit dem Klick auf den "Upload Data"-Button hochgeladen werden können.

  CSV-Dateien von Ihrem Gerät auf den Server hochladen Die Dateigröße sollte nicht größer als 10 MB und maximal 10000 Zeilen und 128 Spalten sein.

• 2. SQL-Satzbearbeitungsbereich

  

  Hier ist der Editor, in dem man spezifische Anfragen schreiben kann, und wir werden später zwei interessante Beispiele zeigen, bevor wir die anderen Funktionen erfahren.

  

  Hier gibt es zwei Buttons, von denen der erste eine einfache Formatierung von SQL-Statements ermöglicht. Der zweite Buttons ist für die Einfügung von Variablen in SQL-Statements verwendet, ähnlich dem Hinzufügen einer in Echtzeit modifizierbaren Parameter zu einer SQL-Abfrage (ohne dass einige Abfragebedingungen in SQL-Staten hardcoded werden müssen).

  

  Eingabe in den Parametertest'1inch_usd'Dann klicken Sie auf die "Ausführen"-Taste auf der rechten Seite, um alle Daten zu dieser Sorte 1inch_usd abzufragen. Die abgerufenen Daten können auch exportiert und lokal heruntergeladen werden:

  

  Es unterstützt JSON, CSV.

  Wenn Sie diese SQL-Abfrage speichern möchten, klicken Sie auf die "Speichern"-Schaltfläche in der oberen rechten Ecke, um diese SQL-Abfrage in die Ressourcenliste des aktuellen FMZ-Kontos "Datenforschung" zu speichern (die Ressourcenliste-Schaltfläche befindet sich links von der Speicher-Schaltfläche) für spätere Verwendung).

  Wir sehen eine einfache Benutzeroberfläche und einfache Funktionen, aber wir werden die großen Vorteile des Tools in der Praxis erleben.

Schwankende Reihenfolge

SELECT 
    UPPER(REPLACE(symbol, '_usdt.swap', '')) as symbol,
    ((MAX(high) - MIN(low)) / AVG((high + low) / 2)) AS volatility_percentage
FROM 
    market.futures_binance_d1
WHERE 
    timestamp >= CURRENT_DATE - INTERVAL '{{days}} day' and symbol like '%.swap'
GROUP BY 
    symbol
ORDER BY 
    volatility_percentage {{rank}}
LIMIT 
    {{limit}};

Dieser SQL-Code wird verwendet, um aus der Tabelle market.futures_binance_d1 das Volumen von qualifizierten Tranchen zu erfassen und nach dem Volumen der Volatilität zu sortieren und zu begrenzen.

Die Erklärung für diesen SQL-Prozess lautet:

1、使用了两个表达式进行计算，一个是将 "symbol" 列中的 '_usdt.swap' 替换为空字符串，并将结果转换为大写，另一个是计算 (MAX(high) - MIN(low)) / AVG((high + low) / 2)。
第一个表达式使用了 REPLACE 函数将符合条件的字符串进行替换，然后使用 UPPER 函数将结果转换为大写。
第二个表达式计算了最高价与最低价的差值除以最高价与最低价的平均值，以计算波动率百分比。

2、FROM 子句：
指定了要查询的数据表为 "market.futures_binance_d1"。

3、WHERE 子句：
使用了两个筛选条件：timestamp >= CURRENT_DATE - INTERVAL '{{days}} day' 和 symbol like '%.swap'。
第一个条件筛选出最近 {{days}} 天内的数据。
第二个条件筛选出 "symbol" 列以 '.swap' 结尾的交易对。

4、GROUP BY 子句：
根据 "symbol" 列进行分组。

5、ORDER BY 子句：
根据波动率百分比进行排序，可以选择升序（ASC）或降序（DESC），根据 {{rank}} 参数而定。

6、LIMIT 子句：
限制输出结果的数量，可以根据 {{limit}} 参数进行设置。

Wenn wir die Parameter eingeben: days: 10, rank: DESC, limit: 10 Klicken Sie auf die "Execute"-Schaltfläche, um SQL-Statements auszuführen und die Ergebnisse abzufragen.

Daten können nicht nur als Tabelle dargestellt werden, sondern auch in einer Vielzahl von Visualisierungsmöglichkeiten, die die Daten in einer reichhaltigeren und lebendigeren Weise darstellen, wenn einige der entsprechenden Einstellungen für die Visualisierung eingerichtet werden.

Die erstellten Anfragen können auch Verbindungen erzeugen, um sie einfach zu teilen, und sie können auch Parameter ändern, die Anfragen aktualisieren (hier können Sie versuchen, die Parameter zu ändern).

Tiefe Wiedergabe

Im Folgenden werden wir ein Beispiel von einem Marktmikroszenario untersuchen, das ein hervorragendes Instrument ist, um die Details von Hochfrequenz-Handelsgeschäften zu untersuchen.

select * from market.binance where symbol = lower('{{symbol}}') order by timestamp desc limit 2000

Mit den oben genannten SQL-Statements können Sie Marktdaten auf Tick-Ebene für eine bestimmte Sorte abfragen.

Die SQL-Abfrage in diesem Beispiel ist sehr einfach, indem man einfach Tick-Daten in einer bestimmten Sorte (nach dem Parameter-Symbol angegeben) auf der Binance-Börse abfragt.

Die Schwerpunkte liegen darin, die Daten in realen Datenträgern in einer Zeitreihenfolge in mehreren Diagrammen darzustellen:

Es ist nicht einfach, die Details auf dem Teller zu erforschen.

Als nächstes sehen wir, wie wir unsere Forschung teilen können, indem wir auf das Sharing-Symbol oben rechts klicken.

Diese geteilten Codes und Links können in Community-Posts und -Artikel auf der FMZ-Plattform eingebettet werden. Sie können in Webseiten eingebettet werden, sie können in andere Communities, Foren usw. übertragen werden. Sie können auch direkt mit jedem geteilt werden.

Was wartet ihr noch auf dieses mächtige quantitative Handelswerkzeug?