Course Outline

Achtergronden:

KDB+ wordt veel gebruikt in de financiële sector en anderen. Het is in-memory, kolomgebaseerde, efficiënte, vooral ccientity tp-proces financiële dataset. Veel investeringsbanken, hedgefondsen en prop-handelsuren hebben KDB+ ingezet voor veel data-analyse en datadiensten. KDB+ een belangrijke rol spelen bij analyse bij backtesting en dagelijkse handel, de hoofdoorzaak achterhalen en de handelskwaliteit en efficiëntie verbeteren. Python wordt ook veel gebruikt in de financiële industrie en het kan KDB+ gemakkelijk manipuleren, veel libs verstrekken om analyse te doen.

In deze cursus wordt geïntroduceerd hoe Q/KDB+/Python worden gebruikt in de financiële sector (hoe gegevens op te slaan, hoe wordt de gegevens-API gebruikt, hoe wordt de gateway geëxploiteerd om gelijktijdige verbindingen te ondersteunen, probleemoplossing en?? ondersteuning op KDB+ en etc) en vele senario's en relevante oplossingen.

Wat is het voordeel van KDB+ in financiële analyse?

- Senarios

- Prestaties en efficiëntie

- welk soort financiële dataset

Basisprincipes van KDB+

- Type Definiatie & Cast

- Functioneel selecteren/bijwerken/verwijderen

- Aanroepen van functies/lamda, sync/asynchrone functie

- Web Socket-ondersteuning

- Compressie van bestanden

- sym opsomming en denumeratie

- Spreidtafel en scheidingswand

Hoe kunnen we KDB+ inzetten?

- tekenplant

- RDB/HDB

- toegangspoort/API

-Berichtgeving

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

Begrip van Database en statistiek

 21 Hours

Number of participants


Price per participant

Open Training Courses require 5+ participants.

Testimonials (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

Voorlopige Aankomende Cursussen

Related Courses

kdb+ and q: Analyze Time Series Data

 21 Hours
kdb + is een database met ingeschakelde kolommen, en q is de ingebouwde, geïnterpreteerde vectorgebaseerde taal In kdb + zijn tabellen kolommen met vectoren en q wordt gebruikt om bewerkingen uit te voeren op de tabelgegevens alsof het een lijst was kdb + en q worden vaak gebruikt in hoogfrequente handel en zijn populair bij de grote financiële instellingen, waaronder Goldman Sachs, Morgan Stanley, Merrill Lynch, JP Morgan, etc In deze live training met instructeur leren deelnemers hoe ze een tijdreeksgegevensapp kunnen maken met behulp van kdb + en q Aan het einde van deze training kunnen deelnemers: Begrijp het verschil tussen een rijgeoriënteerde database en een kolomgerichte database Selecteer gegevens, schrijf scripts en maak functies om geavanceerde analyses uit te voeren Analyseer tijdreeksgegevens zoals voorraad- en grondstoffenuitwisselingsgegevens Gebruik de mogelijkheid van kdb + 's om grote gegevenssets met hoge snelheid op te slaan, te analyseren, te verwerken en op te halen Denk aan functies en gegevens op een hoger niveau dan de standaard functie (argumenten) aanpak die gebruikelijk is in niet-vector-talen Ontdek andere tijdgevoelige toepassingen voor kdb +, inclusief energiehandel, telecommunicatie, sensorgegevens, loggegevens en controle van het gebruik van machines en netwerken Publiek ontwikkelaars Database-engineers Datawetenschappers Data-analisten Formaat van de cursus Gedeeltelijke lezing, deelbespreking, oefeningen en zware handsonoefeningen .
Read more...