视频演示丨用 DolphinDB 预测实时波动率

DolphinDB智臾科技 2022-07-07

601

波动率是衡量价格在给定时间内上下波动程度的指标。在股指期货实时交易的场景中，如果能够快速、准确地预测未来一段时间的波动率，交易者就可以及时采取有效的风险防范和监控手段。基于 DolphinDB 时序数据库强大的数据处理能力、易用的机器学习框架和流处理框架，本案例实现了中国股市全市场高频快照数据的存储、数据预处理、模型构建和实时波动率预测的应用场景开发。点击文末阅读原文获取详细教程。

注意事项：

本案例代码必须在1.30.18及以上版本和2.00.6及以上版本的 DolphinDB server上运行。

Snapshot 数据文件结构

本案例应用的数据源为上交所 level2 快照数据（Snapshot），每幅快照间隔时间为3秒或5秒，数据文件结构如下：

数据预处理

2020年上交所所有证券的 Snapshot 数据已经提前导入至 DolphinDB 数据库中，一共约28.75亿条快照数据，导入方法见国内股票行情数据导入实例，一共174列。

本教程用到的字段为 Snapshot 中的部分字段，包括: 股票代码、快照时间、申买十价，申买十量，申卖十价，申卖十量。数据样本为2020年上证50指数的成分股。

根据股票的快照数据，我们可以计算用于模型训练的特征因子：买卖价差、加权平均价格、深度不平衡指标、买卖压力指标、实际波动率。模型的回归目标值则为未来10min的实际波动率。

模型构建

本案例选择 adaBoostRegressor 作为机器学习模型，以根均方百分比误差（Root Mean Square Percentage Error， RMSPE）作为评价指标，进行模型的训练和测试。

实时波动率预测

为了方便用户快速复现实时波动率预测的演示，本教程提供了模型、数据及快速复现流处理代码。点击文末阅读原文，可下载相关文件。将模型和数据文件存储在 DolphinDB 服务端后，修改代码中的相关路径参数，就可以快速复现上述流处理过程。

通过下方短视频，大家可以快速了解如何通过 DolphinDB 实现股票波动率的实时预测 👇👇

与Python等传统数据处理、模型构建方法相比，DolphinDB 依靠数据存储引擎和计算引擎的高度融合，在数据预处理和模型训练阶段，方便地实现了分布式并行计算，不仅节约了内存资源，同时也提高了计算效率。同时，DolphinDB内置的流计算处理框架能够为实际生产环境的类似需求（数据处理、模型训练、实时预测）提供完整高效的解决方案。更多详细教程，请点击下方阅读原文查看。在使用过程中遇到任何问题，欢迎添加小助手微信（ dolphindb1），我们将为大家提供充分、及时的技术支持。

Explore More

扫描二维码，添加 DolphinDB小助手

点击阅读原文，获取完整案例教程

dolphindb 预测模型波动率

文章转载自DolphinDB智臾科技，如果涉嫌侵权，请发送邮件至：contact@modb.pro进行举报，并提供相关证据，一经查实，墨天轮将立刻删除相关内容。

视频演示丨用 DolphinDB 预测实时波动率

评论