为什么需要DECIMAL类型？

   在金融、物联网、科学计算等领域，高精度数值处理是核心需求。传统浮点数（如`float`/`double`）因精度丢失问题，可能导致计算结果偏差——例如股票交易中的微小误差可能引发巨额损失。  

   DolphinDB的DECIMAL类型应运而生，它通过固定小数位数和精确存储机制，彻底解决浮点数的精度痛点。本文将深入剖析DECIMAL类型的核心特性、性能优化技巧与实战场景，助你掌握这一高精度计算的“核武器”。

一、DECIMAL vs 浮点数：精度与性能的终极对决

1. 核心区别

数据类型特性对比表

2. 创建DECIMAL对象的三种方式

   · 标量：直接指定类型和小数位数  

       代码：a = decimal32(3.1415, 4)  # DECIMAL32，保留4位小数

               b = decimal64(123.456789, 6)  # DECIMAL64，保留6位小数

   · 向量：声明数组时指定DECIMAL类型  

       代码：// 创建初始容量为0、最大容量1000万的DECIMAL32数组（保留3位小数）

                   x = bigarray(DECIMAL32(3), 0, 10000000)

   · 表：在表中定义DECIMAL列  

       代码：// 创建包含DECIMAL32和DECIMAL64列的表

               t = table(100:0, `id`val1`val2, [INT, DECIMAL32(4), DECIMAL64(8)])

               insert into t values(1, decimal32(2.345, 4), decimal64(2.3654, 8))

二、DECIMAL的运算规则与性能优化

   1. 四则运算的精度规则

       · 加法/减法：结果保留最大小数位数  

             decimal32(2.345, 4) + decimal32(3.67, 2) = decimal32(6.0150, 4)

       · 乘法：小数位数相加（`S = S1 + S2`）  

            decimal32(1.23, 2)  decimal32(4.56, 2) = decimal32(5.6088, 4)

       · 除法：小数位数继承被除数（`S = S1`）  

             decimal32(5.6088, 4) / decimal32(1.23, 2) = decimal32(4.56, 2)

   2.控制乘法溢出

• 使用`decimalMultiply`指定结果小数位数：  

            a = decimal32(123.45, 2)

             b = decimal32(678.90, 2)

             result = decimalMultiply(a, b, 4)  // 强制保留4位小数

三、实战场景：DECIMAL如何解决金融计算的痛点？

    案例1：移动平均（mavg）的精度优化

       传统浮点数计算移动平均时，累加误差会随窗口滑动累积。DECIMAL通过精确计算解决此问题：  

          // 使用DECIMAL计算5日移动平均

               price_decimal = decimal32(price, 4)  // 价格列转为DECIMAL32（保留4位小数）

               ma5_decimal = mavg(price_decimal, 5) // 精确移动平均

       // 对比浮点数计算（可能产生误差）

               ma5_float = mavg(price, 5)

    案例2：高频交易中的累计收益计算

       在量化交易中，累计收益率需精确到小数点后多位：  

           // 使用DECIMAL64计算每日收益率

               returns = log(price_decimal / deltas(price_decimal, 1))

               cumulative_returns = cumsum(returns)  // 精确累计收益

四、DECIMAL的局限性及规避方法

1. 当前限制

       · 不支持的数据结构：矩阵（matrix）、集合（set）。

       · 类型转换限制：无法直接与`BOOL`、`CHAR`、时间类型等互转。

       · 计算性能：DECIMAL运算速度低于浮点数（尤其DECIMAL128）。

2. 最佳实践

       · 高频计算优先用DECIMAL32/64：DECIMAL128易溢出且性能低。

       · 避免大规模DECIMAL列存储：使用`bigarray`优化内存管理。

       · 字符串转换防精度丢失。

五、DECIMAL vs 浮点数性能对比

不同数据类型运算性能对比表

结论：DECIMAL牺牲部分性能，换取绝对精度。在金融场景中，精度优先于速度！