Цифровий актив ETF вийшов на біржу в Гонконзі, тимчасова база даних допомагає аналітичним застосуванням для установ

Гонконгський цифровий актив ETF офіційно запущений 15 квітня, що надає потужний імпульс ринку цифрових активів та відкриває нові інвестиційні можливості для інвесторів. Як інвестиційний продукт, цифрові активи стрімко розвиваються по всьому світу з непереборною силою.

Протягом минулого місяця основні цифрові активи, такі як BTC та ETH, зазнали значних коливань, що знаменує початок нового етапу бичачого ринку. Це не лише привернуло увагу великої кількості інвесторів, але й висунуло вищі вимоги до технологій торгових платформ.

Виклики зберігання та обробки даних

Цифровий валютний торговий ринок має свою специфіку:

• 7*24 години безперервної торгівлі, щодня генерується понад 10TB даних ринку, і вони продовжують зростати
• Дані про ринкові котирування різних валют дуже нерівномірні, провідні активи займають більшість.
• Глибина ринку має величезні розбіжності, від десятків до тисяч рівнів.
• Ціни коливаються різко, вимоги до затримки системи надзвичайно високі

Шлях до прориву в часових базах даних

Стикаючись із зазначеними викликами, часові бази даних стають ідеальним рішенням:

• Спеціально розроблений для обробки часових рядів даних, ефективне зберігання та запит масивних обсягів даних
• Швидка обробка великої кількості запитів на запис і запитів, що відповідають вимогам реального часу
• Ефективне стиснення часових рядів даних, зниження витрат на зберігання
• Ефективний запит історичних даних, підтримує складний аналіз часових рядів
• Широко використовується у традиційних фінансових установах, забезпечуючи основу для стабільної роботи системи

8 поширених технічних індикаторів аналізу

1. ковзна середня ціна ( MA )

Середня ковзна ціна використовується для визначення точок розвороту тренда, рівнів підтримки та опору. Наступний код дозволяє швидко розрахувати цей показник:

SQL вибрати час торгівлі, код як пара, ціна , tmavg(дата та час(час торгівлі),ціна,10s) як movingAvg10Sec , tmavg(дата і час(час торгівлі),ціна,30с) як movingAvg30Sec , tmavg(datetime(tradeTime),price,45s) як movingAvg45Sec з ( вибрати * з aggTradeStream10 де код =BTCUSDT впорядкувати за id по зростанню ) де tradeTime > temporalAdd(now(),-485m)

2. Графік свічок

Свічкова графіка є одним з найважливіших технічних індикаторів. Наступний код може реалізувати реальний розрахунок свічкової графіки:

SQL вибрати перший(ціновий) як відкриття, останній(ціновий) як закриття, мінімальний(ціновий) як низький, максимальний(ціновий) як високий, sum(кількість) як обсяг від aggTradeStream10 де temporalAdd(now(),-540,'m') < tradeTime and code=BTCUSDT групувати за bar(tradeTime,1s)

3. Індекс відносної сили ( RSI )

RSI використовується для вимірювання швидкості та амплітуди змін цін, може визначати тенденції перевищення купівлі та продажу. Код для розрахунку виглядає так:

SQL використовуйте ta виберіть час, rsi(close,20) як RSI, 70 як верхня межа, 30 як нижня межа з (виберіть перший(ціна) як відкриття, остання(ціна) як закриття, мін(ціна) як низька, макс(ціна) як висока, сума(кількість) як обсяг від aggTradeStream10 де temporalAdd(now(),-32,'H') <= tradeTime та code="BTCUSDT" групувати за кодом, bar(tradeTime,1s) як time)

4. Згладжена різниця середніх значень ( MACD )

MACD використовується для визначення моменту купівлі-продажу, добре працює в умовах коливальної ринку. Код для розрахунку наведено нижче:

SQL використовуйте ta вибрати час, macd(close) як DIFDEAMACD, 0 як zeroline з (вибрати first(price) як open, останнє(ціна) як закриття, мін(ціна) як низька, макс(ціна) як висока, сума(кількість) як обсяг від aggTradeStream10 де temporalAdd(now(),-32,'H') <= tradeTime та code="BTCUSDT" групувати за кодом, bar(tradeTime,1s) як time)

5. Боїнгові смуги(Bollinger Bands)

Полосы Боллинджера використовуються для аналізу волатильності ринку, підтвердження напрямку тренду та виявлення сигналів на купівлю та продаж. Код для обчислення наведений нижче:

SQL використовувати ta вибрати час, bBands(close,5,2,2,2) як LowMidHigh з (вибрати first(price) як open, last(price) так близько, min(price) як ось, max(price) як привіт, sum(quantity) як об від aggTradeStream10 де temporalAdd(now(),-32,'H') <= tradeTime та code="BTCUSDT" групувати за кодом, bar(tradeTime,1s) як time)

6. Кореляція торгових пар

Код для обчислення кореляції між різними торговими парами наведено нижче:

SQL a = вибрати avg(price) як ціну з aggTradeStream10, де code = BTCUSDT або code = ETHUSDT група за бар(час торгівлі,1s) як час,код b = вибрати corr(BTCUSDT, ETHUSDT) як corrVal з (вибрати ціну з a зведення за time,code) групувати за bar(time,1m) як time виберіть час, tmavg(час, corrVal,1H) як corr1h , tmavg(time, corrVal,24H) як corr24h від b

7. Реальний торговий графік

Код для відображення реального часу торгових ситуацій наведено нижче:

SQL вибрати tradeTime як timestamp, code як пару, випадок коли marketMaker = true тоді -1 * кількість ще кількість кінець як кількість, випадок, коли marketMaker = true, тоді round(-1кількістьціна,2) інакше round(кількість*ціна,2) кінець як винагорода, випадок, коли (temporalAdd(now(), -8H)-tradeTime)\1000000<0.3 тоді "x" інакше "" кінець як новий від aggTradeStream10 де tradeTime > temporalAdd(now(), -1, "M") замовлення по tradeTime Ліміт 50

8. Реальний обсяг угод ( Напрямок торгів )

Код для відображення реального обсягу торгів виглядає так:

SQL defg getA(кількість, ціна, marketMaker){ a = iif(marketMaker==true, -1,1) повернути (aкількістьціну)[0] } вибрати val з (обрати getA(кількість, ціну, marketMaker) як val з aggTradeStream10 де tradeTime між startTime0 та endTime0 групуються за datetime(tradetime) як tradetime,code) обертання за tradeTime, код

Демонстрація продуктивності часових баз даних

Наступні дані про продуктивність певної часової бази даних у традиційній фінансовій сфері:

• У межах 2700 мільярдів рядків даних, запит та агрегаційні обчислення виконуються за мілісекунди
• 200 мільйонів записів обчислення парної кореляції, виконано за секунди
• Торговельні таблиці та таблиці цін виконуються за підсекунду asofjoin та windowjoin
• Обчислення денних частотних даних для всього ринку фактора WorldQuant № 98 завершено на мілісекундному рівні
• 6,5 мільярдів високочастотних даних знижуються до хвилинного рівня, завершено за 30 секунд
• У всьому ринку щодня 200 мільйонів рядків даних в режимі реального часу розраховують OHLC подвійну середню фактору
• Оцінка 1 мільйона валютних своп-контрактів, завершена за 400 мілісекунд
• 1 мільярд даних лінійна регресія, виконано за секунди
• ETF індекс чистої вартості в режимі реального часу з точністю до мілісекунд

Ці випадки демонструють потужні можливості часових баз даних у обробці великих обсягів даних, складних розрахунках показників, запитах до кількох таблиць, реальному аналізі тощо, що надає потужну підтримку для аналізу та торгівлі цифровими активами.

З отриманням схвалення ETF для цифрових активів, інституційні інвестори масово увійдуть на ринок. Часові бази даних завдяки високій продуктивності та масштабованості зіграють важливу роль у запису та аналізі всього життєвого циклу цифрових активів, допомагаючи інституційним інвесторам зрозуміти тенденції ринку, прогнозувати напрямок, розробляти торгові стратегії.