Alat penting dalam bidang transaksi kuantitatif - Pencipta modul pencarian data kuantitatif

Dalam persaingan yang sengit di pasaran kewangan hari ini, dagangan kuantitatif sebagai strategi dagangan berdasarkan analisis data dan model algoritma menjadi pilihan yang semakin disukai oleh pelabur dan peniaga. Dalam bidang dagangan kuantitatif, nilai data menjadi semakin jelas, dan oleh itu, satu set alat eksplorasi data kuantitatif yang cekap dan boleh dipercayai menjadi salah satu kunci yang sangat diperlukan untuk mencapai dagangan yang berjaya.

Dalam era pengambilan keputusan yang semakin didorong oleh data, inventor harus menggunakan modul penggalian data kuantitatif. Sebagai salah satu alat yang diperlukan dalam bidang perdagangan kuantitatif, ia bukan hanya perisian analisis data biasa, tetapi juga inovasi revolusioner yang memberikan pelabur fungsi analisis dan penggalian data yang unik untuk membantu mereka merebut peluang dan mengurangkan risiko di pasaran kewangan yang kompleks dan berubah-ubah.

FMZ Kuantitatif sebagai platform dagangan kuantitatif profesional, pelbagai alat dagangan kuantitatif disokong. Pada masa ini FMZ Kuantitatif platform "Data Exploration" modul telah mengintegrasikan perkhidmatan platform datadata, pengguna mempunyai kelebihan dalam pelbagai analisis data berdimensi, penggalian; data visual; strategi dagangan eksplorasi dan lain-lain. FMZ Kuantitatif sendiri platform datadata adalah platform data kewangan kuantitatif.

Modul Penjelajahan Data Kuantitatif FMZ

Pertama-tama, anda perlu mengenali FMZ.Penjelajahan dataModul, digunakan seperti pada datadata. Untuk setiap pengguna FMZ platform, kami tidak perlu mendaftar semula platform datadata dan boleh menggunakan semua fungsi platform datadata secara langsung.

• 1. Kawasan data Senarai di sebelah kiri menunjukkan kandungan data yang kini disokong secara dalam talian, yang kini disokong oleh semua bursa (platform) untuk data K-line (OHLC), data Tick; yang seterusnya akan menyokong lebih banyak jenis dan dimensi data. Data ini sentiasa dikemas kini dalam masa nyata untuk memastikan anda sentiasa mengetahui dinamika pasaran.

  Sebagai contoh, kita pilih "OHLC", dan kemudian pilih "OHLC".market->bitfinex_m1Apabila anda mengklik, anda dapat melihat setiap "nama medan" dalam objek ini.

  

  Klik carta borang untuk melihat pratinjau sebahagian data.

  Platform ini juga menyokong untuk memuat naik data anda sendiri dengan mengklik butang "Memuat naik data" di bahagian bawah senarai.

  Mengunggah fail CSV dari peranti anda ke pelayan Saiz fail tidak boleh melebihi 10 MB, maksimum 10000 baris dan 128 baris.

• 2. Pengeditan ayat SQL

  

  Di sini adalah kotak penyuntingan untuk menulis pernyataan pertanyaan tertentu, dan kami akan menunjukkan dua contoh menarik kemudian, sebelum kita mempelajari fungsi lain.

  

  Terdapat dua butang kawalan, yang pertama adalah mudah untuk memformat pernyataan SQL. Butang kedua digunakan untuk memasukkan pembolehubah yang digunakan dalam pernyataan SQL, serupa dengan menambahkan parameter yang boleh diubah dalam masa nyata kepada pertanyaan SQL (tidak perlu membuat beberapa syarat pertanyaan dikodkan keras dalam pernyataan SQL). Contohnya:

  

  Masukkan dalam parameter test'1inch_usd'Kemudian klik butang "Execute" di sebelah kanan untuk mendapatkan semua data jenis 1inch_usd. Data yang dicari juga boleh dieksport dan dimuat turun secara tempatan:

  

  Ia menyokong format JSON, CSV.

  Jika anda ingin menyimpan rekod pertanyaan SQL ini, anda boleh mengklik butang "Simpan" di sudut kanan atas untuk menyimpan pertanyaan SQL ini ke dalam senarai sumber "Penjelasan Data" akaun FMZ semasa (tombol Senarai Sumber di sebelah kiri butang Simpan) untuk kegunaan kemudian.

  Antarmuka yang kita lihat sekarang adalah ringkas, fungsi mudah, tetapi penggunaan sebenar akan mengalami kegunaan yang kuat untuk alat ini. Berikut adalah dua contoh yang agak rumit.

Peringkat bergolak

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}};

Kod SQL ini digunakan untuk mendapatkan peratusan fluktuasi dagangan yang memenuhi syarat dari jadual fluktuasi forex.futures_binance_d1 dan mengurutkan dan mengehadkan jumlah output mengikut peratusan fluktuasi.

Perkataan SQL ini adalah seperti berikut:

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。

Apabila kita masukkan parameter: Hari: 10, rank: DESC, limit: 10 Klik butang "Execute" untuk menjalankan pernyataan SQL dan mendapatkan hasil.

Data boleh dipaparkan dalam pelbagai cara visual selain dalam bentuk jadual, dan dengan menetapkan beberapa tetapan yang berkaitan untuk memvisualisasikannya, data akan dipaparkan dengan cara yang lebih hidup.

Soalan yang dicipta juga boleh menghasilkan sambungan, mudah dikongsi, dan juga boleh mengubah parameter, mengemas kini pertanyaan (dalam artikel ini anda boleh mencuba mengubah parameter untuk mengemas kini pertanyaan). Berikut adalah grafik penjanaan data masa nyata:

Pembaharuan mendalam

Berikut ini kita akan mempelajari contoh kajian pasaran mikroskopik, yang merupakan alat yang sangat baik untuk mengkaji butiran perdagangan frekuensi tinggi.

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

Menggunakan pernyataan SQL di atas untuk menyoal data pasaran peringkat Tick untuk jenis tertentu,

Pertanyaan SQL dalam contoh ini adalah sangat mudah, hanya menanyakan data Tick dari beberapa jenis (menentukan berdasarkan simbol parameter) di bursa binance.

Yang penting, data diputar semula dalam bentuk cakera sebenar, dalam urutan masa, dengan pelbagai carta:

Adakah ia mudah untuk mengkaji butiran dalam piring?

Berikut adalah cara untuk berkongsi hasil kajian kami dengan mengklik ikon berkongsi di bahagian kanan atas.

Kod yang dikongsi, pautan, boleh disematkan dalam jawatan komuniti, artikel, halaman web, boleh ditransfer ke komuniti lain, forum, dan lain-lain.

Apa lagi yang anda tunggu? Cepatlah cuba menggali dan menganalisis data.