KDB+/Q/Python Financial Data Ananlysis Träningskurs

Kursplan

Bakgrunder:

KDB+ används ofta inom finansbranschen och andra. Det är i minnet, kolumnbaserat, effektivt, särskilt procient tp process Finansiell datauppsättning. Många investeringsbanker, hedgefonder och rekvisitahandelstimmar använde KDB+ till många dataanalys- och datatjänster. KDB+ spelar en viktig roll i analys i backtesting och daglig handel, ta reda på grundorsaken och förbättra handelskvaliteten och effektiviteten. Python används också i stor utsträckning inom finansindustrin och det kan enkelt manipulera KDB+, ge många bibliotek för att göra analyser.

I den här kursen kommer vi att introducera hur Q/KDB+/Python används inom finansbranschen (hur man lagrar data, hur används data-API:et, hur utnyttjas gateway för att stödja samtidiga anslutningar, felsökning och?? support på KDB+ och etc) och många senarios och relevanta lösningar.

Vad är fördelen med KDB+ inom finansiell analys?

- Spår av Senarios

- Prestanda och effektivitet

- Vilken typ av finansiell datauppsättning

Grunderna i KDB+

- Typdefiniation och gjutning

- Funktionellt val/uppdatering/radering

- functions/lamda, sync/async funktionsanrop

- Stöd för Web Socket

- komprimering av filer

- Sym-uppräkning och uppräkning

- Splay-bord och skiljevägg

Hur kan vi distribuera KDB+

- Fästing Växt

- RDB/HDB

- gateway/API

-Rapportering

Hur kan vi komma åt KDB+

- Q

- Python

- R

- Java

- C/C++

Hur kan jag importera data från en annan datakälla till KDB+?