Ein wesentliches Instrument im Bereich des quantitativen Handels - FMZ Quant Data Exploration Module

In einem heutigen hart umkämpften Finanzmarkt wird der quantitative Handel als Handelsstrategie, die auf Datenanalyse und algorithmischen Modellen basiert, eine zunehmend bevorzugte Wahl für Anleger und Händler.

In dieser Zeit, in der die datengesteuerte Entscheidungsfindung immer mehr geschätzt wird, ist das FMZ Quant Datenforschungsmodul entstanden. Als eines der wesentlichen Werkzeuge im Bereich des quantitativen Handels ist es nicht nur eine gewöhnliche Datenanalyse-Software, sondern auch eine revolutionäre Innovation, die Anlegern einzigartige Datenanalyse- und Mining-Funktionen bietet, die ihnen helfen, Chancen zu nutzen und Risiken in komplexen und sich ständig verändernden Finanzmärkten zu reduzieren.

FMZ Quant, als professionelle quantitative Handelsplattform, wird von zahlreichen quantitativen Handelstools unterstützt. Derzeit hat das Data Exploration Modul der FMZ Quant Trading Platform die Dienste der Datendatenplattform integriert, was den Benutzern mehr Vorteile bei der multidimensionalen Datenanalyse, dem Abbau visueller Daten, der Erforschung von Handelsstrategien und anderen Aspekten bietet. FMZs selbstentwickelte Datendatenplattform ist eine quantitative Finanzdatenplattform. Mit SQL-Abfragen können wir riesige Datenmengen analysieren und sie über visuelle Schnittstellen konfigurieren, verschiedene für die Datenanalyse geeignete Diagramme generieren und mit dem Team teilen, so dass wir Markttrends leicht erfassen und Investitionsmöglichkeiten nutzen können!

FMZ Quantendatenforschungsmodul

Zunächst einmal machen wir uns mit dem FMZ Quant vertraut.DatenforschungFür jeden Benutzer der FMZ-Plattform müssen wir uns nicht erneut für die Datendatenplattform anmelden und können alle Funktionen der Datendatenplattform direkt nutzen.

• 1. Datenbereiche Die Liste auf der linken Seite zeigt die Dateninhalte, die online unterstützt wurden, derzeit unterstützen K-Line-Daten (OHLC) und Tick-Daten jeder Börse (Plattform). Diese Daten werden kontinuierlich in Echtzeit aktualisiert und ermöglichen es uns, die Marktdynamik stets zu erfassen.

  Wenn wir zum Beispiel wählenOHLCund dann wählenmarket->bitfinex_m1, können wir die Feldnamen in diesem Tabellenobjekt nach dem Klicken auf Erweitern sehen.

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

Die Plattform unterstützt auch das Hochladen Ihrer eigenen Daten, indem Sie auf die Schaltfläche Upload Data am Ende der Liste klicken.

CSV-Dateien von Ihrem Gerät auf den Server hochladen. Die Dateigröße darf 10 MB nicht überschreiten und darf maximal 10.000 Zeilen und 128 Spalten umfassen.

• 2. SQL-Anweisungsbearbeitungsbereich

Hier ist das Bearbeitungsfeld für das Schreiben einer spezifischen Abfrage-Anweisung, wir werden zwei interessante Beispiele später zeigen, lassen Sie uns die anderen Funktionen zuerst verstehen.

Hier gibt es zwei Steuerknöpfe, die erste kann verwendet werden, um die SQL-Anweisung einfach zu formatieren. Die zweite Schaltfläche wird verwendet, um Variablen einzufügen, die in der SQL-Anweisung verwendet werden, ähnlich wie das Hinzufügen eines Parameters zur SQL-Abfrage, die in Echtzeit geändert werden kann (ohne dass einige der Abfragebedingungen in die SQL-Anweisung hard-codiert werden).

Eingabe'1inch_usd'in den Parameter-Test und klicken Sie auf die Execute-Taste auf der rechten Seite, dann können Sie alle Daten der Vielfalt 1inch_usd abfragen. Die abgefragten Daten können auch lokal exportiert und heruntergeladen werden:

Es unterstützt JSON, CSV Format.

Wenn wir die SQL-Abfrage speichern möchten, können wir auf die Schaltfläche Save in der oberen rechten Ecke klicken, um die SQL-Abfrage in der Ressourcenliste des aktuellen FMZ-Kontos s Data Exploration (die Ressourcenliste-Schaltfläche befindet sich auf der linken Seite der Speicher-Schaltfläche) für zukünftige Verwendung zu speichern.

Derzeit ist die Schnittstelle, die wir sehen, einfach und die Funktionen sind einfach, aber im praktischen Gebrauch werden wir die leistungsstarke Verwendung dieses Tools erleben.

Volatilitätsrangliste

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 den Volatilitätsprozentsatz des Handelspaares zu erhalten, das die Kriterien erfüllt, und die Menge nach Volatilitätsprozentsatz zu sortieren und zu begrenzen.

Die Erläuterung dieser SQL ist nachstehend angegeben:

1. Two expressions were used for calculation, one was to replace the '_usdt.swap' in the 'symbol' column with an empty string and convert the result to uppercase, and the other was to calculate (MAX(high) - MIN(low)) / AVG((high+low) / 2).
The first expression uses the REPLACE function to replace strings that meet the criteria, and then uses the UPPER function to convert the result to uppercase.
The second expression calculates the difference between the highest and lowest prices divided by the average of the highest and lowest prices to calculate the percentage of volatility.

2. FROM clause:
The specified data table to be queried is "market.futures.binance_d1".

3. WHERE clause:
Two filter conditions are used: timestamp >= CURRENT_DATE - INTERVAL '{{days}} day' and symbol like '%.swap'.
The first condition filters out data within the last {{days}} days.
The second condition filters out trading pairs where the "symbol" column ends in '.swap'.

4. GROUP BY clause:
Group by the "symbol" column.

5. ORDER BY clause:
Sort by volatility percentage, either ascending (ASC) or descending (DESC), depending on the {{rank}} parameter.

6. LIMIT clause:
Limit the number of output results, which can be set according to the {{limit}} parameter.

Wenn wir die Parameter eingeben: Tage: 10, Rang: DESC, Grenze: 10, klicken Sie auf die Schaltfläche Execute, um die SQL-Anweisung auszuführen und das Ergebnis abzufragen.

Neben der Anzeige von Daten in Form von Tabellen können sie auch in einer Vielzahl von Visualisierungsmöglichkeiten angezeigt werden.

Die erstellte Abfrage kann auch URLs für eine einfache Freigabe generieren, und wir können auch die Parameter ändern, um die Abfrage zu aktualisieren (versuchen Sie, die Parameter zu ändern, um die Abfrage hier im Artikel zu aktualisieren).

Volatilitätsrangliste

In-Depth-Wiederholung

Als nächstes werden wir ein Beispiel für das Studium eines Marktmikroszenarios betrachten, das ein wunderbares Werkzeug für die Untersuchung der Details des Hochfrequenzhandels ist.

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

Verwenden Sie die obige SQL-Anweisung, um die Tick-Level-Tick-Daten für eine bestimmte Art abzufragen.

Die SQL-Abfrage für dieses Beispiel ist sehr einfach, nur die Tick-Daten für eine bestimmte Vielfalt (mit dem Parameter-Symbol angegeben) auf der Binance-Börse abzufragen.

Der Punkt ist, die Daten in Form einer Live-Handelswiederholung auf einer Zeitreihe mit mehreren Diagrammen anzuzeigen:

Ist es praktisch, die Einzelheiten auf dem Markt zu studieren?

Als nächstes schauen wir uns an, wie wir unsere Forschung teilen können.

Diese geteilten Codes, Links, können in FMZ Plattform Community Posts, Artikel eingebettet werden. Sie können in Webseiten eingebettet werden und können in anderen Communities, Foren usw. wieder veröffentlicht werden. Sie können auch direkt an jedermann geteilt werden.

Worauf warten Sie mit diesem mächtigen quantitativen Handelswerkzeug?