Course Outline
Achtergronden:
KDB+ wordt veel gebruikt in de financiële sector en anderen. Het is een in-memory, kolomgebaseerd, efficiënt, bijzonder vakkundig tp-proces van financiële gegevenssets. Veel investeringsbanken, hedgefondsen en prop-trading-uren maakten gebruik van KDB+ voor veel data-analyses en datadiensten. KDB+ speelt een belangrijke rol bij analyses bij backtesting en dagelijkse handel, ontdekt de hoofdoorzaak en verbetert de handelskwaliteit en efficiëntie.?Python wordt ook veel gebruikt in de financiële sector en kan KDB+ gemakkelijk manipuleren en veel libs bieden om analyses uit te voeren.
In deze cursus wordt geïntroduceerd hoe Q/KDB+/Python wordt gebruikt in de financiële sector (hoe gegevens worden opgeslagen, hoe wordt de data-API gebruikt, hoe wordt de gateway benut om gelijktijdige verbindingen te ondersteunen, probleemoplossing en ondersteuning op KDB+ en etc) en vele senarios en relevante oplossingen.
Wat is het voordeel van KDB+ bij financiële analyse?
- Scenario's
- Prestaties en efficiëntie
- welk soort financiële dataset
Basisprincipes van KDB+
- typedefinitie & cast
- functioneel selecteren/bijwerken/verwijderen
- functies/lamda, synchronisatie/asynchrone functieaanroep
- ondersteuning voor websockets
- bestandscompressie
- sym-opsomming en denumeratie
- Splay tafel en partitie
Hoe kunnen we KDB+ inzetten?
- tekenplant
-RDB/HDB
- gateway/API
- Rapportage
Hoe krijgen we toegang tot KDB+
- Q
- Python
- R
- Java
- C/C++
Hoe kunnen gegevens uit andere gegevensbronnen in KDB+ worden geïmporteerd?
-txt/csv
- html/webpagina
- SQL Server
Requirements
Inzicht in Database en statistieken
Getuigenissen (1)
Goede introductie tot het onderwerp, de trainer heeft zich volledig aangepast aan mijn verzoeken
Mathieu - Crédit Agricole Corporate & Investment Bank
Cursus - KDB+/Q/Python Financial Data Ananlysis
Machine Translated