希望之星、黄昏之星、三只乌鸦……怎么用 DolphinDB 快速计算 K 线？

news2024/11/26 0:28:11

K 线技术分析是股票投资中很常用的一种分析方法，主要通过历史价格图表中的数据来预测未来市场趋势。一根 K 线包括四个价格：开盘价、收盘价、最高价和最低价，通常简称为 OHLC。K 线按照周期一般可以分为日、周、月、年，以及五分钟、30分钟等类型。

本文将介绍如何分别基于历史数据和实时流数据来高效计算 K 线。完整的教程和脚本已发布在官方知乎，可点击查看：使用 DolphinDB 计算K线 - 知乎 (zhihu.com)

用历史数据计算 K 线

在用全量历史数据批量计算 K 线时，通常会需要考虑以下几种场景：

指定窗口起始时间
重叠窗口
使用交易量划分窗口
极大数据量的高效读写

下面给大家逐一展示一下如何用 DolphinDB 轻松实现这几类 K 线计算。

不指定 K 线窗口的起始时刻

bar 函数：bar(X,Y) 返回 X 减去 X 除以 Y 的余数 (X-mod(X,Y))，一般用于将数据分组。

计算5分钟 K 线只需2行代码：

barMinutes = 5OHLC = select first(price) as open, max(price) as high, min(price) as low, last(price) as close, sum(volume) as volume from trade group by symbol, date, bar(time, barMinutes*60*1000) as barStart

指定 K 线窗口的起始时刻

dailyAlignedBar 函数：可处理每日多个交易时段，亦可处理隔夜时段。

中国股票市场每日有两个交易时段，上午时段为9:30至11:30，下午时段为13:00至15:00。计算7分钟 K 线只需3行代码：

barMinutes = 7
sessionsStart=09:30:00.000 13:00:00.000
OHLC = select first(price) as open, max(price) as high, min(price) as low, last(price) as close, sum(volume) as volume from trade group by symbol, dailyAlignedBar(timestamp, sessionsStart, barMinutes*60*1000) as barStart

某些期货每日有多个交易时段，且包括隔夜时段。假设第一个交易时段为上午8:45到下午13:45，另一个时段为隔夜时段，从下午15:00到第二天上午05:00，以此为例计算7分钟 K 线：

barMinutes = 7
sessionsStart = [daySession[0], nightSession[0]]
OHLC = select first(price) as open, max(price) as high, min(price) as low, last(price) as close, sum(volume) as volume from trade group by symbol, dailyAlignedBar(timestamp, sessionsStart, barMinutes*60*1000) as barStart

重叠 K 线窗口

wj 函数：对左表中的每一行，在右表中截取一段窗口，进行计算。

每日两个交易时段，每5分钟计算30分钟K线。

首先生成窗口，并且使用 cj 函数来生成股票和交易窗口的组合。

barWindows = table(symbols as symbol).cj(table((09:30:00.000 + 0..23 * 300000).join(13:00:00.000 + 0..23 * 300000) as time))

然后使用 wj 函数计算重叠窗口的K线数据：

OHLC = wj(barWindows, trade, 0:(30*60*1000),     <[first(price) as open, max(price) as high, min(price) as low, last(price) as close, sum(volume) as volume]>, `symbol`time)

使用交易量划分K线窗口

上面的例子我们均使用时间作为划分 K 线窗口的维度。在实践中，也可以使用其他变量，譬如用累计的交易量作为划分 K 线窗口的依据。以下代码展示了交易量每增加一百万就计算一次 K 线的代码。

n = 1000000
sampleDate = 2019.11.07
symbols = `600519`000001`600000`601766
trade = table(take(sampleDate, n) as date, 
	(09:30:00.000 + rand(7200000, n/2)).sort!() join (13:00:00.000 + rand(7200000, n/2)).sort!() as time, 
	rand(symbols, n) as symbol, 
	100+cumsum(rand(0.02, n)-0.01) as price, 
	rand(1000, n) as volume)
	
volThreshold = 1000000
t = select first(time) as barStart, first(price) as open, max(price) as high, min(price) as low, last(price) as close, last(cumvol) as cumvol 
from (select symbol, time, price, cumsum(volume) as cumvol from trade context by symbol)
group by symbol, bar(cumvol, volThreshold) as volBar

这里采用了嵌套查询的方法。子查询为每个股票累计的交易量 cumvol，然后在主查询中根据累计的交易量用 bar 函数生成窗口。