Un outil essentiel dans le domaine du trading quantitatif - FMZ Quant Data Exploration Module

Dans le marché financier très concurrentiel d'aujourd'hui, le trading quantitatif, en tant que stratégie de trading basée sur l'analyse des données et les modèles algorithmiques, devient un choix de plus en plus privilégié pour les investisseurs et les traders.

Dans cette ère où la prise de décision basée sur les données est de plus en plus appréciée, le module d'exploration de données FMZ Quant est apparu.

FMZ Quant, en tant que plate-forme de trading quantitative professionnelle, est prise en charge par de nombreux outils de trading quantitatif. À l'heure actuelle, le module Data Exploration de la plate-forme de trading FMZ Quant a intégré les services de la plate-forme de données, donnant aux utilisateurs plus d'avantages dans l'analyse de données multidimensionnelles, l'extraction de données visuelles, l'exploration de stratégies de trading et d'autres aspects. La plate-forme de données de données auto-développée de FMZ est une plate-forme de données financières quantitatives. Utilisant des requêtes SQL pour analyser de grandes quantités de données et les configurer via des interfaces visuelles, générant divers graphiques adaptés à l'analyse de données et les partageant avec l'équipe, nous permettant de saisir facilement les tendances du marché et de saisir les opportunités d'investissement!

Module d'exploration de données quantiques FMZ

Tout d'abord, nous allons nous familiariser avec le FMZ QuantExploration des donnéesPour chaque utilisateur de la plateforme FMZ, nous n'avons pas besoin de nous inscrire à nouveau à la plateforme de données et nous pouvons utiliser directement toutes les fonctionnalités de la plateforme de données.

• 1. Zones de données La liste sur le côté gauche montre le contenu des données qui a été pris en charge en ligne, actuellement prenant en charge les données K-line (OHLC) et les données Tick de chaque échange (plateforme). Ces données sont continuellement mises à jour en temps réel, ce qui nous permet de saisir toujours la dynamique du marché.

  Par exemple, si nous choisissonsOHLCet sélectionnezmarket->bitfinex_m1, nous pouvons voir les noms de champs dans cet objet de table après avoir cliqué sur Élargir.

Cliquez sur le graphique de table pour prévisualiser certaines des données.

La plateforme prend également en charge le téléchargement de vos propres données en cliquant sur le bouton Upload Data au bas de la liste.

Téléchargement de fichiers CSV depuis votre appareil vers le serveur. La taille du fichier ne doit pas dépasser 10 Mo, avec un maximum de 10 000 lignes et 128 colonnes.

• 2. Zone de modification de l'instruction SQL

Voici la zone d'édition pour écrire une instruction de requête spécifique, nous montrerons deux exemples intéressants plus tard, comprenons d'abord les autres fonctionnalités.

Il y a deux boutons de contrôle ici, le premier peut être utilisé pour formater facilement l'instruction SQL. Le deuxième bouton est utilisé pour insérer des variables utilisées dans l'instruction SQL, similaire à l'ajout d'un paramètre à la requête SQL qui peut être modifié en temps réel (sans avoir à coder certaines des conditions de requête dans l'instruction SQL). Par exemple:

Résultats de l'analyse'1inch_usd'dans le test de paramètres et cliquez sur le bouton Execute sur le côté droit, vous pouvez alors interroger toutes les données de la variété 1inch_usd. Les données interrogées peuvent également être exportées et téléchargées localement:

Il prend en charge le format JSON, CSV.

Si nous voulons enregistrer la requête SQL, nous pouvons cliquer sur le bouton Enregistrer dans le coin supérieur droit pour enregistrer la requête SQL dans la liste des ressources du compte FMZ actuel s Exploration de données (le bouton de liste des ressources se trouve sur le côté gauche du bouton d'enregistrement) pour une utilisation future.

À l'heure actuelle, l'interface que nous voyons est simple et les fonctions sont simples, mais dans l'utilisation pratique, nous allons expérimenter l'utilisation puissante de cet outil.

Classement de la volatilité

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}};

Ce code SQL est utilisé pour obtenir le pourcentage de volatilité de la paire de négociation qui répond aux critères du tableau market.futures_binance_d1 et trier et limiter la quantité de sortie par pourcentage de volatilité.

L'explication de ce SQL est donnée ci-dessous:

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.

Lorsque nous entrons les paramètres: jours: 10, rang: DESC, limite: 10, cliquez sur le bouton Execute pour exécuter l'instruction SQL et interroger le résultat.

En plus d'afficher les données sous forme de tableaux, il peut également être affiché dans une variété de façons de visualisation.

La requête créée peut également générer des URL pour un partage facile, et nous pouvons également modifier les paramètres pour mettre à jour la requête (essayez de modifier les paramètres pour mettre à jour la requête ici dans l'article).

classement de volatilité

Répétition en profondeur

Ensuite, nous allons étudier un exemple d'étude d'un micro-scénario de marché, qui est un excellent outil pour étudier les détails du trading à haute fréquence.

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

Utilisez l'instruction SQL ci-dessus pour interroger les données de niveau de tick pour une espèce particulière.

La requête SQL pour cet exemple est très simple, il suffit de consulter les données Tick pour une certaine variété (spécifiée par le symbole du paramètre) sur l'échange Binance.

Le but est de montrer les données sous la forme d'une répétition de négociation en direct, sur une série chronologique, avec plusieurs graphiques:

Est-il pratique d'étudier les détails du marché?

Nous pouvons cliquer sur l'icône de partage dans le coin supérieur droit.

Ces codes partagés, des liens, peuvent être intégrés dans les messages de la communauté de la plateforme FMZ, des articles. Ils peuvent être intégrés dans des pages Web et peuvent être republiés dans d'autres communautés, forums, etc. Il peut également être partagé directement avec n'importe qui.

Vous attendez quoi avec ce puissant outil de trading quantitatif?