利用高频数据找到最相关的股票

What this page covers

• 活动报名入口与提示信息。
• 研究股票相关性的背景与本文目标。
• 示例数据集与quotes表字段设定。
• 筛选最具流动性的股票集合的方法。
• 按分钟构造价格矩阵与相关语义说明。
• 回报矩阵、相关矩阵计算与Top10提取流程。
• 示例查询、性能信息与资源链接。

技能认证特训营第二期正式开启（限时报名）

页面顶部提供活动报名入口与优惠提示相关信息。

• 提供“技能认证特训营第二期”的报名入口。

利用高频数据找到最相关的股票

本节给出文章标题，并提供作者署名与发布日期信息。

• 文章标题为“利用高频数据找到最相关的股票”。
• 作者署名为 Junxi。
• 发布日期为 2021-05-14。

背景：相关性研究与目标

本节说明研究股票相关性的动机，并指出本文目标是利用海量高频数据寻找最相关的股票。

• 相关性研究用于分析个股之间或与指数/ETF之间的关系。
• 相关性研究可用于通过对冲套利获得稳定收益。
• 本文介绍用海量高频数据寻找最相关的股票。

数据表与示例数据集设定

本节定义quotes表字段，并以NYSE 2007年8月一个月实时报价数据为例进行两两相关性计算设定。

• quotes表字段包括 symbol、date、time、bid、ofr。
• 示例数据集来自纽约证券交易所（NYSE）。
• 示例数据集时间范围为2007年8月一个月实时报价数据。
• 相关性计算示例日期为 2007-08-01。

步骤1：选择最具流动性的500只股票

本节描述在指定交易时段内进行过滤与分组计数，以选出成交最活跃的股票代码集合。

• 选择500只最具流动性的股票作为后续计算对象。
• 交易时段设定为 9:30-16:00。
• 筛选使用 time between 09:30:00 and 15:59:59。
• 筛选包含价格约束：0<bid，bid<ofr，ofr<bid*1.2。
• 按Symbol分组计数排序，并取前num个标的。

步骤2：构造每分钟价格矩阵（pivot）与exec说明

本节按分钟聚合中间价并用pivot构造矩阵，同时解释exec与pivot by的语义。

• 价格定义为 price = avg(bid + ofr) / 2.0。
• 以 time.minute() 作为minute维度进行透视整理。
• 以 Symbol 作为透视维度构造矩阵。
• exec与select用法相同，但select生成表，exec生成向量。
• pivot by用于整理维度；与exec一起使用时会生成矩阵。

步骤3：生成回报矩阵

本节将价格矩阵转换为回报矩阵。

• 回报矩阵通过 retMatrix = each(def(x):ratios(x)-1, priceMatrix) 生成。

步骤4：生成回报相关矩阵并提取每只股票Top10相关股票

本节计算500×500相关矩阵，并通过unpivot、context by与rank筛选每只股票相关性最高的10只股票。

• 相关矩阵维度为 500*500 股票回报相关矩阵。
• 相关矩阵计算方式为 corrMatrix = cross(corr, retMatrix, retMatrix)。
• 对每只股票提取相关性最高的10只股票（rank(corr,false) between 1:10）。
• each与cross是模板（高阶）函数，将函数应用到对象上。
• group by每组产生一个结果；context by每组产生与组内元素数相同的结果。

步骤5：示例查询（LEH相关性Top10）与改进建议

本节展示对单只股票（LEH）查询相关性Top10结果，并提出用多日平均降低偶然性的建议。

• 示例查询股票为 LEH（雷曼兄弟）。
• LEH相关性最高的三个股票包括：MS 0.7027。
• LEH相关性最高的三个股票包括：GS 0.6825。
• LEH相关性最高的三个股票包括：MER 0.6788。
• 对结果的观察结论：排名前三与LEH处于同一行业的三个投行。
• 降低偶然性的方法：可计算更多天然后取平均。

性能分析与进一步资源/下载链接

本节给出数据规模与集群耗时，并提供DolphinDB相关教程与下载链接。

• 2007-08-01实时报价数据规模包含8361只股票。
• 2007-08-01实时报价数据规模约为3.8亿条记录。
• 4节点集群（每节点8核）完成该计算任务耗时仅8秒。
• 实现被描述为仅需4行核心代码。
• 提供“DolphinDB的混合范式编程”教程链接。
• 提供DolphinDB下载链接。

Facts Index