乐趣区

关于金融:干货丨DolphinDB高频数据处理技巧数据透视的应用

jiezi

行列转换（pivot）是一个常见的整顿数据的需要，又称为转置或者透视。

高频数据通常以下图的格局保留：每一行为一个股票在某个时刻的信息。

咱们进行数据处理时，思考到后续的向量化操作，有时会心愿数据或者两头后果将原始数据转置，即每行代表不同的时刻，而每列代表一只股票。在 DolphinDB 中可通过 pivot by 语句对原始数据或分组聚合后果进行行列转置。若与向量化操作搭配应用，在高频数据处理和计算中，行列转换不仅可简化策略代码，还能进步代码效率。具体请看上面的两个例子。

  1. 计算股票收益的两两相关性

在配对交易 (pair trading) 及危险对冲 (hedging) 时，常常须要计算给定一篮子股票之间的两两相关性。这种简单的计算在传统的数据库中无奈执行，而应用个别的统计软件不仅须要数据迁徙，还须要繁琐的代码。上面咱们应用 DolphinDB 来计算股票收益的两两相关性。

首先，载入美股股票高频交易数据库：

quotes = loadTable("dfs://TAQ", "quotes")

接下来，抉择 2009 年 8 月 4 日中 500 只报价变动最频繁的股票：

dateValue=2009.08.04
num=500
syms = (exec count(*) from quotes where date = dateValue, time between 09:30:00 : 15:59:59, 0<bid, bid<ofr, ofr<bid*1.1 group by Symbol order by count desc).Symbol[0:num]

上面咱们利用 pivot by 将高频数据降维成为分钟级数据，并且扭转原始数据的构造，生成一个分钟级股票价格矩阵：每一列是一只股票；每一行是一分钟。

priceMatrix = exec avg(bid + ofr)/2.0 as price from quotes where date = dateValue, Symbol in syms, 0<bid, bid<ofr, ofr<bid*1.1, time between 09:30:00 : 15:59:59 pivot by time.minute() as minute, Symbol

DolphinDB 的语言非常灵活。在这里，pivot by 不仅将数据转换为透视表，同时也能够搭配聚合函数应用，具备 ”group by” 的性能。

利用高阶函数 each 将价格矩阵转换为收益率矩阵：

retMatrix = each(def(x):ratios(x)-1, priceMatrix)

利用高阶函数 pcross 计算这 500 只股票之间收益的两两相关性：

corrMatrix = pcross(corr, retMatrix)

选取与每只股票相关性最高的 10 只股票：

mostCorrelated = select * from table(corrMatrix).rename!(`sym`corrSym`corr) context by sym having rank(corr,false) between 1:10

选取与 SPY 相关性最高的 10 只股票：

select * from mostCorrelated where sym='SPY' order by corr desc

quotes 总共有 2,693 亿条数据，2009 年 8 月 4 日这天一共有近 1.9 亿条数据，执行下面的计算，耗时仅需 1,952 毫秒。

  1. 计算股票组合的价值

在进行指数套利交易回测时，须要计算给定股票组合的价值。当数据量极大时，回测时采纳个别数据分析系统，对系统内存及速度的要求极高。而 DolphinDB database 从底层进行优化，对硬件的要求不高。

在本例中，为了简化起见，假设某个指数只由两只股票组成：AAPL 与 FB，工夫戳精度为纳秒，指数成分权重存在 weights 字典中。

Symbol=take(`AAPL, 6) join take(`FB, 5)
Time=2019.02.27T09:45:01.000000000+[146, 278, 412, 445, 496, 789, 212, 556, 598, 712, 989]
Price=173.27 173.26 173.24 173.25 173.26 173.27 161.51 161.50 161.49 161.50 161.51
quotes=table(Symbol, Time, Price)
weights=dict(`AAPL`FB, 0.6 0.4)
ETF = select Symbol, Time, Price*weights[Symbol] as weightedPrice from quotes
select last(weightedPrice) from ETF pivot by Time, Symbol;

运行后果如下：

Time                          AAPL    FB
----------------------------- ------- ------
2019.02.27T09:45:01.000000146 103.962
2019.02.27T09:45:01.000000212         64.604
2019.02.27T09:45:01.000000278 103.956
2019.02.27T09:45:01.000000412 103.944
2019.02.27T09:45:01.000000445 103.95
2019.02.27T09:45:01.000000496 103.956
2019.02.27T09:45:01.000000556         64.6
2019.02.27T09:45:01.000000598         64.596
2019.02.27T09:45:01.000000712         64.6
2019.02.27T09:45:01.000000789 103.962
2019.02.27T09:45:01.000000989         64.604

因为工夫戳精度为纳秒，基本上所有交易的工夫戳均不统一。如果回测时的数据行数极多（几亿或几十亿行）且指数成分股数量也较多（如 S &P500 指数的 500 只成分股），应用传统剖析零碎，要计算任一时刻的指数价值，须要将原始数据表的 3 列（工夫，股票代码，价格）转换为等同长度然而宽度为指数成分股数量 + 1 的数据表，向前补充空值(forward fill NULLs)，进而计算每行的指数成分股对指数价格的奉献之和。这种做法，会产生比原始数据表大很多倍的两头过程数据表，很有可能会导致系统内存不足。同时，计算速度也很慢。

应用 DolphinDB 的 pivot by 语句，只须要一行代码，即可实现上述的所有步骤，代码简洁，而且无需产生两头过程数据表，无效防止内存不足的问题，同时极大晋升计算速度。

select rowSum(ffill(last(weightedPrice))) from ETF pivot by Time, Symbol;

后果如下：

Time                          rowSum
----------------------------- -------
2019.02.27T09:45:01.000000146 103.962
2019.02.27T09:45:01.000000212 168.566
2019.02.27T09:45:01.000000278 168.56
2019.02.27T09:45:01.000000412 168.548
2019.02.27T09:45:01.000000445 168.554
2019.02.27T09:45:01.000000496 168.56
2019.02.27T09:45:01.000000556 168.556
2019.02.27T09:45:01.000000598 168.552
2019.02.27T09:45:01.000000712 168.556
2019.02.27T09:45:01.000000789 168.562
2019.02.27T09:45:01.000000989 168.566

DolphinDB 下载：DolphinDB

应用过程中有任何问题，欢送退出智臾科技：DolphinDB 技术交换群，内含二维码

退出移动版