KDB+/Q/Python Financial Data Ananlysis Training Course

Bối cảnh:

KDB+ được sử dụng rộng rãi trong ngành Tài chính và các ngành khác. Đây là hệ thống dựa trên bộ nhớ, theo cột, hiệu quả đặc biệt trong việc xử lý các tập dữ liệu Tài chính. Nhiều ngân hàng đầu tư, quỹ phòng hộ và các công ty giao dịch độc lập đã sử dụng KDB+ cho nhiều phân tích dữ liệu và dịch vụ dữ liệu. KDB+ đóng một vai trò quan trọng trong phân tích kiểm thử ngược và giao dịch hàng ngày, tìm ra nguyên nhân gốc rễ và cải thiện chất lượng và hiệu quả giao dịch. Python cũng được sử dụng rộng rãi trong ngành Tài chính và có thể thao tác KDB+ một cách dễ dàng, cung cấp nhiều thư viện để phân tích.

Trong khóa học này, chúng tôi sẽ giới thiệu cách Q/KDB+/Python được sử dụng trong các ngành Tài chính (cách lưu trữ dữ liệu, cách sử dụng API dữ liệu, cách khai thác cổng kết nối để hỗ trợ kết nối đồng thời, khắc phục sự cố và hỗ trợ trên KDB+ và các kịch bản và giải pháp liên quan).

Ưu điểm của KDB+ trong phân tích tài chính là gì?

- Kịch bản

- Hiệu suất & Hiệu quả

- Loại tập dữ liệu tài chính nào

Các nguyên tắc cơ bản của KDB+

- Định nghĩa kiểu & chuyển đổi kiểu

- Chọn/cập nhật/xóa chức năng

- Hàm/lambda, gọi hàm đồng bộ/không đồng bộ

- Hỗ trợ web socket

- Nén tệp

- Liệt kê và hủy liệt kê biểu tượng

- Bảng splay và phân vùng

Chúng ta có thể triển khai KDB+ như thế nào?

- tickplant

- RDB/HDB

- gateway/API

- Báo cáo

Chúng ta có thể truy cập KDB+ như thế nào?

- Q

- Python

- R

- Java

- C/C++

Chúng ta có thể nhập dữ liệu từ các nguồn dữ liệu khác vào KDB+ như thế nào?

- txt/csv

- html/trang web

- SQL Server