Цифровой актив ETF вышел на рынок Гонконга, временная база данных помогает в анализе приложений для учреждений
Гонконгский цифровой актив ETF официально запущен 15 апреля, что придает сильный импульс рынку цифровых активов и открывает новые инвестиционные возможности для инвесторов. В качестве инвестиционного продукта цифровые активы быстро развиваются по всему миру с неоспоримой силой.
За последний месяц основные цифровые активы, такие как BTC и ETH, пережили значительные колебания, что ознаменовало начало нового бычьего рынка. Это не только привлекло внимание множества инвесторов, но и предъявило более высокие требования к технологиям торговых платформ.
Проблемы хранения и обработки данных
Рынок торговли цифровыми валютами имеет свои особенности:
7*24 часов непрерывной торговли, ежедневно генерируется более 10 ТБ рыночных данных, и это число продолжает расти
Данные о行情 различных валют крайне неравномерно распределены, основные активы занимают подавляющую часть.
Разница в глубине рынка огромна, от десятков до тысяч уровней.
Цены колеблются резко, требования к задержке системы очень высоки
Путь к прорыву в временных базах данных
С учетом вышеуказанных вызовов, временная база данных становится идеальным решением:
Специально разработан для обработки временных рядов данных, эффективно хранит и запрашивает огромные объемы данных
Быстрая обработка больших объемов данных и запросов на запись и чтение, удовлетворяющая требованиям реального времени
Эффективное сжатие временных рядов данных, снижение затрат на хранение
Эффективный поиск исторических данных, поддержка сложного анализа временных рядов
Широко используется в традиционных финансовых учреждениях, обеспечивая основу для стабильной работы системы
8 популярных технических индикаторов анализа
1. Скользящая средняя цена ( MA )
Скользящая средняя цена используется для определения точек разворота тренда, уровней поддержки и сопротивления. Следующий код позволяет быстро вычислить этот индикатор:
SQL
выберите время торговли, код как пара, цена
, tmavg(datetime(tradeTime),цена,10s) как movingAvg10Sec
, tmavg(время(времяТорговли),цена,30с) как среднееЗначение30Сек
, tmavg(дата и время(время торговли), цена, 45s) как movingAvg45Sec
из (select * из aggTradeStream10 где код =BTCUSDT ордер по id asc) где
tradeTime > temporalAdd(now(),-485m)
2. Свечной график
Свечи являются одним из самых важных технических индикаторов. Следующий код позволяет осуществлять实时计算 свечей:
SQL
выберите первый(цену) как открытие, последнюю(цену) как закрытие, минимальную(цену) как низкую, максимальную(цену) как высокую,
sum(количество) как объем
из aggTradeStream10
где temporalAdd(now(),-540,'m') < tradeTime и code=BTCUSDT
группировать по bar(tradeTime,1s)
3. Индекс относительной силы ( RSI )
RSI используется для измерения скорости и амплитуды изменения цен, что позволяет выявлять тенденции перепроданности и перекупленности. Код для расчета приведен ниже:
SQL
используйте ta
выберите время, rsi(close,20) как RSI, 70 как верхняя граница, 30 как нижняя граница из (выберите first(price)
как открытие, последняя(цена) как закрытие, мин(цена) как низ, макс(цена) как высок, сумма(количество) как объем
из aggTradeStream10
где temporalAdd(now(),-32,'H') <= tradeTime и code="BTCUSDT"
группировать по коду, bar(tradeTime,1s) как time)
4. Сглаженная конвергенция-дивергенция средней (MACD)
MACD используется для определения времени покупки и продажи, хорошо работает в условиях флэта. Код для расчета следующий:
SQL
использовать ta
выберите время, macd(close) как DIFDEAMACD, 0 как zeroline из (выберите first(price) как open,
last(price) как закрытие, min(price) как минимум, max(price) как максимум, sum(quantity) как объем
из aggTradeStream10
где temporalAdd(now(),-32,'H') <= tradeTime и code="BTCUSDT"
группировать по коду, bar(tradeTime,1s) как time)
5. Полосы Боллинджера (
Полосы Боллинджера используются для анализа волатильности рынка, подтверждения направления тренда и выявления сигналов на покупку и продажу. Код для расчета следующий:
SQL
использовать ta
выберите время, bBands)close,5,2,2,2( как LowMidHigh из )выберите first(price( как open,
last)price( так близко, min)price( как ло, max)price( как привет, sum)quantity( как vol
из aggTradeStream10
где temporalAdd)now((,-32,'H') <= tradeTime и code="BTCUSDT"
группировать по коду, bar)tradeTime,1s( как time)
![Цифровой актив ETF получил одобрение в Гонконге, открывая эпоху для институциональных инвестиций, анализ и применение баз данных быстро расширят конкурентное преимущество между учреждениями])https://img-cdn.gateio.im/webp-social/moments-03d9d4dc10009d739f865559212d04cb.webp(
) 6. Корреляция торговых пар
Код для расчета корреляции между различными торговыми парами выглядит следующим образом:
SQL
a = выберите avg###price( в качестве цены из aggTradeStream10, где code = BTCUSDT или code =
ETHUSDT группа по бару)времени торговли,1s( как время,код
b = выберите corr)BTCUSDT, ETHUSDT( как corrVal из )выбрать цену из a сводной таблицы по
время,код( группировать по bar)время,1m( как время
выбрать время, tmavg)время, corrVal,1H( как corr1h
, tmavg)time, corrVal,24H( as corr24h from b
![цифровой актив ETF в Гонконге получил одобрение, что открывает эпоху для институциональных инвесторов, анализ и применение баз данных быстро увеличат конкурентное преимущество между учреждениями])https://img-cdn.gateio.im/webp-social/moments-d9c340d8be6953c88b6ab1be52776813.webp(
) 7. Реальная торговая таблица
Код для отображения текущей торговой ситуации приведен ниже:
SQL
выберите tradeTime как timestamp, code как pair, случай когда marketMaker = true тогда -1 *
количество иначе количество конец как количество,
если marketMaker = true тогда round###-1количествоцена,2( иначе round)количество*цена,2(
в конце как вознаграждение,
случай, когда )temporalAdd(now((, -8H)-tradeTime)\1000000<0.3 то "x" else "" заканчиваются как новые
из aggTradeStream10, где tradeTime > temporalAdd)now((, -1, "M") ордер по tradeTime
Лимит DESC 50
![цифровой актив ETF в Гонконге получил одобрение для начала институциональной эпохи, анализ и применение баз данных быстро откроют разрыв в конкуренции между учреждениями])https://img-cdn.gateio.im/webp-social/moments-af8ad25cd53468e3a6f0ddc46a33de6a.webp(
) 8. Реальный объем сделок ### направление покупки и продажи (
Код для отображения реального объема сделок выглядит следующим образом:
SQL
defg getA)количество, цена, marketMaker({
a = iif)marketMaker==true, -1,1(
возврат )aколичествоцена()
}
выберите значение
от [0]select getA(quantity, цена, marketMaker( как вал от aggTradeStream10, где
tradeTime между startTime0 и endTime0 группировать по datetime)tradetime( как
время торговли, код) свод по времени торговли, код
![цифровой актив ETF в Гонконге получил одобрение для открытия институциональной эпохи, анализ и применение баз данных быстро откроют конкурентные различия между учреждениями])https://img-cdn.gateio.im/webp-social/moments-cd18c737e45944b22923c6cc8b13a265.webp(
Демонстрация производительности временной базы данных
Вот некоторые показатели производительности временной базы данных в традиционной финансовой сфере:
Внутри набора данных на 270 миллиардов строк, запросы и агрегатные вычисления выполняются за миллисекунды
200 миллионов данных, расчет парной корреляции, завершение за секунды
Торговая таблица и таблица котировок выполняются на уровне миллисекунд asofjoin и windowjoin
WorldQuant98 фактор полнорыночных дневных данных, расчет выполнен на уровне миллисекунд
6,5 миллиарда высокочастотных данных снижены до минутного уровня, завершено за 30 секунд
Реальный расчет OHLC двойных скользящих средних на 200 миллионов строк данных за день на всем рынке
Оценка своп-контрактов на сумму 1 миллион долларов, завершена за 400 миллисекунд
10 миллиардов данных линейная регрессия, выполнение за секунды
ETF расчет чистой стоимости в течение дня на уровне ядра менее секунды
Эти примеры демонстрируют мощные возможности временных баз данных в обработке больших объемов данных, сложных расчетах показателей, многосвязных запросах и реальном анализе, предоставляя надежную поддержку для анализа и торговли цифровыми активами.
С одобрением цифрового актива ETF институциональные инвесторы массово войдут на рынок. Временные базы данных благодаря высокой производительности и масштабируемости сыграют важную роль в записи и анализе на протяжении всего жизненного цикла цифрового актива, помогая институциональным инвесторам понимать рыночные тренды, предсказывать направления и разрабатывать торговые стратегии.
Посмотреть Оригинал
На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
19 Лайков
Награда
19
5
Поделиться
комментарий
0/400
SelfMadeRuggee
· 08-05 03:01
Городской порт добывает, снова угадываю, что придет еще одна волна неудачников.
Посмотреть ОригиналОтветить0
NeverVoteOnDAO
· 08-03 09:25
Снова спекуляции, нет смысла.
Посмотреть ОригиналОтветить0
airdrop_whisperer
· 08-03 09:15
Бычий рынок уже на подходе, рекомендую садиться на корабль.
上市 цифрового актива ETF в Гонконге: временная база данных способствует аналитическим приложениям для организаций
Цифровой актив ETF вышел на рынок Гонконга, временная база данных помогает в анализе приложений для учреждений
Гонконгский цифровой актив ETF официально запущен 15 апреля, что придает сильный импульс рынку цифровых активов и открывает новые инвестиционные возможности для инвесторов. В качестве инвестиционного продукта цифровые активы быстро развиваются по всему миру с неоспоримой силой.
За последний месяц основные цифровые активы, такие как BTC и ETH, пережили значительные колебания, что ознаменовало начало нового бычьего рынка. Это не только привлекло внимание множества инвесторов, но и предъявило более высокие требования к технологиям торговых платформ.
Проблемы хранения и обработки данных
Рынок торговли цифровыми валютами имеет свои особенности:
Путь к прорыву в временных базах данных
С учетом вышеуказанных вызовов, временная база данных становится идеальным решением:
8 популярных технических индикаторов анализа
1. Скользящая средняя цена ( MA )
Скользящая средняя цена используется для определения точек разворота тренда, уровней поддержки и сопротивления. Следующий код позволяет быстро вычислить этот индикатор:
SQL выберите время торговли, код как пара, цена , tmavg(datetime(tradeTime),цена,10s) как movingAvg10Sec , tmavg(время(времяТорговли),цена,30с) как среднееЗначение30Сек , tmavg(дата и время(время торговли), цена, 45s) как movingAvg45Sec из (select * из aggTradeStream10 где код =BTCUSDT ордер по id asc) где tradeTime > temporalAdd(now(),-485m)
2. Свечной график
Свечи являются одним из самых важных технических индикаторов. Следующий код позволяет осуществлять实时计算 свечей:
SQL выберите первый(цену) как открытие, последнюю(цену) как закрытие, минимальную(цену) как низкую, максимальную(цену) как высокую, sum(количество) как объем из aggTradeStream10 где temporalAdd(now(),-540,'m') < tradeTime и code=BTCUSDT группировать по bar(tradeTime,1s)
3. Индекс относительной силы ( RSI )
RSI используется для измерения скорости и амплитуды изменения цен, что позволяет выявлять тенденции перепроданности и перекупленности. Код для расчета приведен ниже:
SQL используйте ta выберите время, rsi(close,20) как RSI, 70 как верхняя граница, 30 как нижняя граница из (выберите first(price) как открытие, последняя(цена) как закрытие, мин(цена) как низ, макс(цена) как высок, сумма(количество) как объем из aggTradeStream10 где temporalAdd(now(),-32,'H') <= tradeTime и code="BTCUSDT" группировать по коду, bar(tradeTime,1s) как time)
4. Сглаженная конвергенция-дивергенция средней (MACD)
MACD используется для определения времени покупки и продажи, хорошо работает в условиях флэта. Код для расчета следующий:
SQL использовать ta выберите время, macd(close) как DIFDEAMACD, 0 как zeroline из (выберите first(price) как open, last(price) как закрытие, min(price) как минимум, max(price) как максимум, sum(quantity) как объем из aggTradeStream10 где temporalAdd(now(),-32,'H') <= tradeTime и code="BTCUSDT" группировать по коду, bar(tradeTime,1s) как time)
5. Полосы Боллинджера (
Полосы Боллинджера используются для анализа волатильности рынка, подтверждения направления тренда и выявления сигналов на покупку и продажу. Код для расчета следующий:
SQL использовать ta выберите время, bBands)close,5,2,2,2( как LowMidHigh из )выберите first(price( как open, last)price( так близко, min)price( как ло, max)price( как привет, sum)quantity( как vol из aggTradeStream10 где temporalAdd)now((,-32,'H') <= tradeTime и code="BTCUSDT" группировать по коду, bar)tradeTime,1s( как time)
![Цифровой актив ETF получил одобрение в Гонконге, открывая эпоху для институциональных инвестиций, анализ и применение баз данных быстро расширят конкурентное преимущество между учреждениями])https://img-cdn.gateio.im/webp-social/moments-03d9d4dc10009d739f865559212d04cb.webp(
) 6. Корреляция торговых пар
Код для расчета корреляции между различными торговыми парами выглядит следующим образом:
SQL a = выберите avg###price( в качестве цены из aggTradeStream10, где code = BTCUSDT или code = ETHUSDT группа по бару)времени торговли,1s( как время,код b = выберите corr)BTCUSDT, ETHUSDT( как corrVal из )выбрать цену из a сводной таблицы по время,код( группировать по bar)время,1m( как время выбрать время, tmavg)время, corrVal,1H( как corr1h , tmavg)time, corrVal,24H( as corr24h from b
![цифровой актив ETF в Гонконге получил одобрение, что открывает эпоху для институциональных инвесторов, анализ и применение баз данных быстро увеличат конкурентное преимущество между учреждениями])https://img-cdn.gateio.im/webp-social/moments-d9c340d8be6953c88b6ab1be52776813.webp(
) 7. Реальная торговая таблица
Код для отображения текущей торговой ситуации приведен ниже:
SQL выберите tradeTime как timestamp, code как pair, случай когда marketMaker = true тогда -1 * количество иначе количество конец как количество, если marketMaker = true тогда round###-1количествоцена,2( иначе round)количество*цена,2( в конце как вознаграждение, случай, когда )temporalAdd(now((, -8H)-tradeTime)\1000000<0.3 то "x" else "" заканчиваются как новые из aggTradeStream10, где tradeTime > temporalAdd)now((, -1, "M") ордер по tradeTime Лимит DESC 50
![цифровой актив ETF в Гонконге получил одобрение для начала институциональной эпохи, анализ и применение баз данных быстро откроют разрыв в конкуренции между учреждениями])https://img-cdn.gateio.im/webp-social/moments-af8ad25cd53468e3a6f0ddc46a33de6a.webp(
) 8. Реальный объем сделок ### направление покупки и продажи (
Код для отображения реального объема сделок выглядит следующим образом:
SQL defg getA)количество, цена, marketMaker({ a = iif)marketMaker==true, -1,1( возврат )aколичествоцена() } выберите значение от [0]select getA(quantity, цена, marketMaker( как вал от aggTradeStream10, где tradeTime между startTime0 и endTime0 группировать по datetime)tradetime( как время торговли, код) свод по времени торговли, код
![цифровой актив ETF в Гонконге получил одобрение для открытия институциональной эпохи, анализ и применение баз данных быстро откроют конкурентные различия между учреждениями])https://img-cdn.gateio.im/webp-social/moments-cd18c737e45944b22923c6cc8b13a265.webp(
Демонстрация производительности временной базы данных
Вот некоторые показатели производительности временной базы данных в традиционной финансовой сфере:
Эти примеры демонстрируют мощные возможности временных баз данных в обработке больших объемов данных, сложных расчетах показателей, многосвязных запросах и реальном анализе, предоставляя надежную поддержку для анализа и торговли цифровыми активами.
С одобрением цифрового актива ETF институциональные инвесторы массово войдут на рынок. Временные базы данных благодаря высокой производительности и масштабируемости сыграют важную роль в записи и анализе на протяжении всего жизненного цикла цифрового актива, помогая институциональным инвесторам понимать рыночные тренды, предсказывать направления и разрабатывать торговые стратегии.