ទិន្នន័យស៊េរីពេលវេលា និងការស្រាវជ្រាវប្រវត្តិសាស្ត្រ

ទិដ្ឋភាពទូទៅនៃទិន្នន័យប្រវត្តិសាស្ត្រ

Smart Money API ផ្តល់ទិន្នន័យប្រវត្តិសាស្ត្ររយៈពេល 24 ខែដើម្បីអនុញ្ញាតឱ្យមានការស្រាវជ្រាវយ៉ាងទូលំទូលាយ ការតេស្តថយក្រោយ និងការវិភាគផ្អែកលើពេលវេលា។ ទិន្នន័យប្រវត្តិសាស្ត្រទាំងអស់ត្រូវបានធ្វើឱ្យស្តង់ដារ លុបចោលពីរដង និងអាចប្រើប្រាស់បាននៅកម្រិតកំណត់ច្រើន។

ទិន្នន័យប្រវត្តិសាស្ត្រដែលមានរួមមាន៖

• ចង្កៀម OHLCV — ការបើក កំពូល ទាប បិទ បរិមាណសម្រាប់គូដែលបានធ្វើដូរ
• ចលនាត្រីវល្លិ — ការប្រមូល/ចែកចាយប្រវត្តិសាស្ត្រនៅកម្រិតរៀងរាល់ថ្ងៃ និងម៉ោង
• អត្រាកំណត់ — រូបថតអត្រាកំណត់ប្រវត្តិសាស្ត្រសម្រាប់គូដែលមិនដាច់
• ការបើកចំណាប់អារម្មណ៍ — ទិន្នន័យ OI ប្រវត្តិសាស្ត្រលើគ្រប់បណ្តាញដែលធ្វើដូរ និងរយៈពេល
• ការលុបចោល — ការលុបចោលប្រវត្តិសាស្ត្រ និងចំណុចសំពាធ

ទិន្នន័យចង្កៀម OHLCV

ទិន្នន័យបើក-កំពូល-ទាប-បិទ-បរិមាណសម្រាប់ការវិភាគបច្ចេកទេស និងការគូសគំនូស។ អាចប្រើប្រាស់បានសម្រាប់គូរូបិយប័ណ្ណឌីជីថលទាំងអស់នៅចន្លោះពេលពី 1-នាទីដល់ 1-ខែ។

រចនាសម្ព័ន្ធទិន្នន័យ OHLCV

ស្រាវជ្រាវទិន្នន័យ OHLCV

រយៈពេលដែលមាន

ជម្រើសរយៈពេល

ការរួមបញ្ចូលរយៈពេល

ស្រាវជ្រាវរយៈពេលច្រើនក្នុងពេលតែមួយ៖

លំនាំស្រាវជ្រាវប្រវត្តិសាស្ត្រ

ការស្រាវជ្រាវផ្អែកលើពេលវេលា

ការបែងចែកទំព័រសម្រាប់ទិន្នន័យច្រើន

ចន្លោះពេលការបូកសរុប

ការបូកសរុបពេលវេលាថេរ

បូកសរុបទិន្នន័យនៅចន្លោះពេលថេរ (ម៉ោង, ថ្ងៃ, សប្តាហ៍)៖

ការបូកសរុបផ្ទាល់ខ្លួន

បូកសរុបលើវិនាទីពេលវេលាផ្ទាល់ខ្លួន៖

ប្រវត្តិចលនាប្រភេទវ៉ាល់

ការតាមដានប្រវត្តិវ៉ាល់

រចនាសម្ព័ន្ធទិន្នន័យវ៉ាល់

ប្រវត្តិអត្រាកម្ចី

រូបថតប្រវត្តិអត្រាកម្ចី

ស្ថិតិអត្រាកម្ចី

ស្នើសុំស្ថិតិអត្រាកម្ចីបូកសរុប៖

ការចូលប្រើទិន្នន័យការធ្វើតេស្តថយក្រោយ

ទម្រង់ស្នើសុំការធ្វើតេស្តថយក្រោយ

បង្កើនប្រសិទ្ធភាពសម្រាប់ក្របខណ្ឌការធ្វើតេស្តថយក្រោយដូចជា Backtrader, VectorBT, និងម៉ាស៊ីនផ្ទាល់ខ្លួន៖

ទម្រង់នាំចេញ

ទាញយកទិន្នន័យប្រវត្តិសម្រាប់ការវិភាគក្រៅបណ្តាញ៖

• CSV — ទម្រង់ស្តង់ដារសម្រាប់ស្លាយ
• JSON — ទម្រង់រចនាសម្ព័ន្ធដែលមានមេទិន្នន័យទាំងអស់
• Parquet — ទម្រង់ជួរឈរដែលបានបង្ហាប់សម្រាប់វិទ្យាសាស្ត្រទិន្នន័យ
• HDF5 — ទម្រង់បង្កើនប្រសិទ្ធភាពសម្រាប់ស៊េរីពេលវេលា

ឧទាហរណ៍ជាក់ស្តែង

ឧទាហរណ៍ 1៖ ការស្រាវជ្រាវទីផ្សារកើនឡើងឆ្នាំ 2024

ឧទាហរណ៍ ២៖ ការធ្វើតេស្តថយក្រោយយុទ្ធសាស្ត្រអត្រាកំណែ

ការអនុវត្តល្អបំផុតសម្រាប់ទិន្នន័យប្រវត្តិសាស្ត្រ

1. ជ្រើសរើសគម្លាតពេលវេលាដែលសមរម្យ

ប្រើគម្លាតពេលវេលាតូចបំផុតដែលអ្នកត្រូវការសម្រាប់ការវិភាគ។ ទិន្នន័យ 1 នាទីមានតម្លៃថ្លៃជាងទិន្នន័យប្រចាំម៉ោង។

2. បញ្ជាក់ជួរពេលវេលា

តែងតែប្រើប៉ារ៉ាម៉ែត្រ start_time/end_time ឬ lookback។ សំណួរដែលមិនមានដែនកំណត់គឺមិនមានប្រសិទ្ធភាព។

3. ឃ្លាំងទិន្នន័យប្រវត្តិសាស្ត្រ

ទិន្នន័យប្រវត្តិសាស្ត្រមិនអាចផ្លាស់ប្តូរបាន។ ឃ្លាំងយ៉ាងសកម្ម (TTL 30 ថ្ងៃសម្រាប់ទិន្នន័យប្រចាំខែ)។

4. ប្រើការបំណែកចែកសម្រាប់លទ្ធផលធំ

ទិន្នន័យ 1 នាទីលើរយៈពេល 1 ឆ្នាំ = 525,600 ជើងម៉ោង។ ប្រើការបំណែកចែក និងស្ទ្រីមរូបមន្តសម្រាប់សំណុំទិន្នន័យធំ។

5. ផ្ទៀងផ្ទាត់ភាពពេញលេញនៃទិន្នន័យ

ពិនិត្យមេទិន្នន័យឆ្លើយតបសម្រាប់គម្លាត ឬអ្នកផ្តល់ដែលបាត់ខាតមុនពេលប្រើទិន្នន័យក្នុងការវិភាគ។