create-dwy 0.12.1 → 0.13.0

package/templates/claude-global/skills//346/225/260/346/215/256/345/272/223/dwy-dolphindb/references/official/tutorials/best_price_selection.md

@@ -0,0 +1,300 @@
+---
+source_url: https://docs.dolphindb.cn/zh/tutorials/best_price_selection.html
+fetched_at: 2026-05-19T09:50:54Z
+category: tutorials
+title: 实时选取外汇行情多价源最优价
+sha1: 43a1c23bc9a0f792702fe14035ec85bdf2433175
+---
+
+# 实时选取外汇行情多价源最优价
+
+在外汇交易中，存在多个价源。多个价源之间，同一时刻的报价可能存在差异。在多个价源之间，实时选取最优价格具有重要意义，它有助于投资者获得更有利的交易执行价，降低交易成本，优化流动性，分散交易风险。特别对于高频交易者和算法交易者，获取多个价源间的最优价可以更合理地执行交易策略。此外，通过比较不同价源的价格，投资者还能够更好地了解市场的趋势和波动性，从而做出更明智的投资决策。
+
+本文档基于 DolphinDB 流数据处理框架，提供一种多价源最优价实时选取的解决方案，主要包含以下内容：
+
+## 1. 案例概述
+
+本案例以 CFETS（中国外汇交易中心）和 HKFEMT（香港外汇市场）两个市场为例，通过买方报价 (bid) 举例说明，实现不同价源之间最优价的选取，并对异常数据做处理。详细规则如下：
+
+- 为每个货币对的买方报价 (bid) 设定一个阈值，超过阈值的价格被视为异常报价
+- 如果两个市场的买方报价 (bid) 都没超过该货币对的阈值，选取较大的买方报价 (bid) 做为最优价
+- 如果有一个市场的买方报价 (bid) 超过了该货币对的阈值，选取另一个买方报价 (bid) 做为最优价
+- 如果两个市场的买方报价 (bid) 都超过了该货币对的阈值，返回该货币对前一时刻的最优价
+
+DolphinDB 的流数据引擎是一种专门用于处理实时数据流的高效、灵活的计算模块。它可以对流数据进行各种类型的分析，如时间序列、横截面、异常检测、连接等，并将结果输出到内存表、流数据表或其他终端。流数据教程详见：[流数据](../stream/str_intro.html)
+
+本案例使用[等值连接引擎](../funcs/c/createEquiJoinEngine.html)和[响应式状态引擎](../funcs/c/createReactiveStateEngine.html)实现，流程图如下：
+
+  
+![1](images/best-price-selection/1.png)  
+
+如流程图所示，整体数据处理过程如下：
+
+- 两个市场的数据通过两个流数据表进入等值连接引擎
+- 等值连接引擎根据货币对选取同一时刻的不超过阈值的最优价和最优价市场，如果两个市场的价格都是大于阈值的异常值，那么等值连接引擎会把此时刻的最优价和最优价市场设置为空值
+- 等值连接引擎的结果输入到响应式状态引擎，响应式状态引擎对最优价和最优价市场使用向前填充的方法处理空值
+- 最终结果实时输出到存储计算结果的流数据表中
+- 应用系统可以订阅结果流数据表，实时获取最优价，用于指导交易、风险控制和可视化展示
+
+## 2. 模拟数据
+
+为了方便读者快速上手，本案例提供了模拟数据，结合 DolphinDB 提供的[数据回放](data_replay.html)功能，可仿真实时的外汇行情。没有真实行情数据的读者，可用此方法做全流程测试。模拟数据是 CFETS（中国外汇交易中心）和 HKFEMT（香港外汇市场）两个市场的一天的报价数据。本案例简化了数据结构，仅以买方报价 (bid) 举例说明，详细的数据表结构如下图所示：
+
+  
+![2](images/best-price-selection/2.png)  
+
+为了使模拟数据更加接近真实行情，本案例使用了取自外汇交易中心官网的 29 个常见货币对在某个时间点的真实买方报价 (bid) 。以每个货币对的真实买方报价 (bid) 作为正态分布的期望值，0.1 作为正态分布的标准差，生成符合正态分布的模拟数据。为了过滤异常行情，把每个货币对真实值加上 0.08 做为异常阈值。每个货币对每 500 毫秒产生一条数据。
+
+模拟数据及异常阈值生成的代码如下：
+
+```dolphindb
+def genOneDayData(rawCurrencyPair,rawBid,date,marketName)
+{
+ dataTable = table(1:0,`market`currencyPair`time`bid`bidVolume,[`SYMBOL,`SYMBOL,`TIMESTAMP,"DOUBLE","INT"])
+    num = 0
+    for(i in 0..(rawCurrencyPair.size() - 1))
+ {
+        market = take(marketName,172800)
+  currencyPair = take(rawCurrencyPair[i],172800)
+  time = concatDateTime(date,00:00:00.000 + 500*(0..(172800-1)))
+  bid = norm(rawBid[i],0.1,172800)
+  bidVolume = int(norm(5000000,500000,172800))
+  t = table(market,currencyPair,time,bid,bidVolume)
+  dataTable.append!(t)
+ }
+ return select * from dataTable order by time,currencyPair
+}
+
+// The real data copied from the official website of CFETS
+currencyPair = ["NZD/USD","USD/JPY","USD/CHF","GBP/USD","EUR/JPY","CNY/THB","CNY/TRY","CNY/SEK","CNY/PLN","CNY/SAR","CNY/KRW","CNY/RUB","CAD/CNY","SGD/CNY","AUD/CNY","HKD/CNY","EUR/CNY","CNY/MXN","CNY/NOK","CNY/DKK","CNY/HUF","CNY/AED","CNY/ZAR","CNY/MYR","CHF/CNY","NZD/CNY","GBP/CNY","100JPY/CNY","USD/CNY"]
+bids = [0.61114,143.984,0.89425,1.27282,157.7,4.904,3.60415,1.4865,0.56205,0.51888,180.72,11.5679,5.4696,5.3465,4.7983,0.92282,7.9141,2.365,1.4956,0.9407,46.746,0.50849,2.5687,0.644,8.0801,4.4165,9.198,5.0189,7.2262]
+
+date = 2023.06.01
+// Create HKFEMT tick data
+HKFEMT_Tick = genOneDayData(currencyPair,bids,date,`HKFEMT)
+// Create CFETS tick data
+CFETS_Tick = genOneDayData(currencyPair,bids,date,`CFETS)
+
+//Set thresholds
+threshold = dict(currencyPair,bids + 0.08)
+```
+
+生成的模拟数据存储在 *CFETS\_Tick* 和 *HKFEMT\_Tick* 两个内存表中，后续实时计算时，会把这两个内存表的数据回放到对应的流数据表中，生成仿真的实时行情。判断 29 个货币对的买方报价 (bid) 是否异常的阈值存储在字典变量 *threshold* 中，它的 Key 是货币对代码，Value 是该货币对的阈值。
+
+## 3. 业务代码实现
+
+### 3.1. 环境清理与流数据表创建
+
+```dolphindb
+def cleanEnvironment(){
+    try{ unsubscribeTable(tableName = `HKFEMTStreamTable, actionName = "joinLeft") }catch(ex){ print(ex) }
+    try{ dropStreamTable(`HKFEMTStreamTable)}catch(ex){ print(ex) }
+    try{ unsubscribeTable(tableName = "CFETSTStreamTable", actionName = "joinRight")}catch(ex){ print(ex) }
+    try{ dropStreamTable(`CFETSTStreamTable)}catch(ex){ print(ex) }
+    try{ dropStreamTable(`bestPriceStreamTable)}catch(ex){ print(ex) }
+    try{ dropStreamEngine(`bestPricEngine)}catch(ex){ print(ex) }
+    try{ dropStreamEngine(`fillPrevEngine)}catch(ex){ print(ex) }
+}
+cleanEnvironment()
+
+def createStreamTableFunc()
+{
+    // Define streamTables that receive original market data: HKFEMTStreamTable and CFETSTStreamTable
+    colName = `market`currencyPair`time`bid`bidVolume
+ colType = [`SYMBOL,`SYMBOL,`TIMESTAMP,"DOUBLE","INT"]
+    HKFEMTTemp = streamTable(20000000:0,colName,colType)
+    try{ enableTableShareAndPersistence(table = HKFEMTTemp, tableName = "HKFEMTStreamTable", asynWrite = true, compress = true, cacheSize = 20000000, retentionMinutes = 1440, flushMode = 0, preCache = 10000) }
+ catch(ex){ print(ex) }
+    CFETSTemp = streamTable(20000000:0,colName,colType)
+    try{ enableTableShareAndPersistence(table = CFETSTemp, tableName = "CFETSTStreamTable", asynWrite = true, compress = true, cacheSize = 20000000, retentionMinutes = 1440, flushMode = 0, preCache = 10000) }
+ catch(ex){ print(ex) }
+
+    // Define streamTables that save results: bestPriceTempStreamTable
+    colName = `currencyPair`time`market`bestPrice`leftBid`rightBid`delay
+ colType = [`SYMBOL,`TIMESTAMP,`INT,`DOUBLE,`DOUBLE,`DOUBLE,`DOUBLE]
+    bestPriceTemp = streamTable(20000000:0,colName,colType)
+    try{ enableTableShareAndPersistence(table = bestPriceTemp, tableName = "bestPriceStreamTable", asynWrite = true, compress = true, cacheSize = 20000000, retentionMinutes = 1440, flushMode = 0, preCache = 10000) }
+ catch(ex){ print(ex) }
+}
+createStreamTableFunc()
+go
+```
+
+- [go](../progr/statements/go.html) 语句的作用是对代码分段进行解析和执行
+- [enableTableShareAndPersistence](../funcs/e/enableTableShareAndPersistence.html) 共享流数据表并持久化到磁盘。上述代码的主要作用是调用该函数创建三个共享的异步持久化流数据表。其中两个是 *HKFEMTStreamTable* 和 *CFETSTStreamTable*，它们分别用于接收和发布香港外汇市场和中国外汇交易中心的实时行情数据；另一个是 *bestPriceStreamTable*，它用于接收和发布引擎处理完毕的最优价结果。
+
+### 3.2. 定义选取最优价及市场的函数
+
+在本案例中，自定义一个函数用于实现最优价和最优价市场的选取，该函数输入参数的数据类型除 *threshold* 外都是向量，对应原始行情数据表中相关的列；输入参数 *threshold* 对应模拟数据生成的各个货币对的阈值，其数据类型是一个字典，它的 Key 是货币对代码，Value 是该货币对的阈值。这个函数后续以参数的方式配置到等值连接引擎中。
+
+```dolphindb
+def bestPriceAndMarket(leftBid, rightBid, leftMarket, rightMarket, currencyPair, threshold)
+{
+    price = iif(leftBid > threshold[currencyPair] and rightBid > threshold[currencyPair],NULL,iif((leftBid > threshold[currencyPair]),rightBid,iif(rightBid > threshold[currencyPair],leftBid,max(leftBid,rightBid))))
+    market = iif(leftBid > threshold[currencyPair] and rightBid > threshold[currencyPair],NULL,iif((leftBid > threshold[currencyPair]),2,iif(rightBid > threshold[currencyPair],1,iif(leftBid > rightBid,1,2))))
+    return market, price
+}
+```
+
+- [iif(cond, trueResult, falseResult)](../funcs/i/iif.html)：如果满足条件 *condition*，则返回 *trueResult*，否则返回 *falseResult*。它等效于对每个元素分别运行 if...else 语句
+- 为了方便后续数据填充，市场的数据类型转为整形，引擎左表市场返回 1，引擎右表市场返回 2
+
+### 3.3. 注册流计算引擎和订阅流数据表
+
+本案例使用等值连接引擎和响应式状态引擎串联实现，等值连接引擎的输出是响应式状态引擎的输入。代码如下：
+
+```dolphindb
+fillPrevSch = table(1:0,`time`currencyPair`market`bestPrice`leftBid`rightBid`inTime,[`TIMESTAMP,`SYMBOL,`INT,`DOUBLE,`DOUBLE,`DOUBLE,`NANOTIMESTAMP])
+// create reactiveStateEngine
+fillPrevEngine = createReactiveStateEngine(name = "fillPrevEngine", metrics = [<Time>,<ffill(Market)>,<ffill(BestPrice)>,<leftBid>,<rightBid>,<(now(true) - inTime) \ 1000000>], dummyTable = fillPrevSch, outputTable = bestPriceStreamTable, keyColumn="CurrencyPair")
+
+HKFEMT_Table_left = table(1:0,`market`currencyPair`time`bid`bidVolume`inTime,[`SYMBOL,`SYMBOL,`TIMESTAMP,`DOUBLE,`INT,`NANOTIMESTAMP])
+CFETS_Table_right = table(1:0,`market`currencyPair`time`bid`bidVolume`inTime,[`SYMBOL,`SYMBOL,`TIMESTAMP,`DOUBLE,`INT,`NANOTIMESTAMP])
+
+// create equiJoinEngine
+bestPricEejEngine = createEquiJoinEngine(name = "bestPricEngine", leftTable = HKFEMT_Table_left, rightTable = CFETS_Table_right, outputTable = fillPrevEngine, metrics = [<bestPriceAndMarket(HKFEMT_Table_left.bid,CFETS_Table_right.bid,HKFEMT_Table_left.market,CFETS_Table_right.market,currencyPair,threshold) as `market`bestPrice>,<HKFEMT_Table_left.bid>,<CFETS_Table_right.bid>,<max(HKFEMT_Table_left.inTime,CFETS_Table_right.inTime)>], matchingColumn = `currencyPair, timeColumn = `time)
+
+def appendTime(engine,isLeftTable,mutable data)
+{
+    data[`inTime] = now(true)
+    appendForJoin(engine,isLeftTable,data)
+}
+subscribeTable(tableName="HKFEMTStreamTable", actionName="joinLeft", offset=0, handler=appendTime{bestPricEejEngine, true,}, msgAsTable=true)
+subscribeTable(tableName="CFETSTStreamTable", actionName="joinRight", offset=0, handler=appendTime{bestPricEejEngine, false,}, msgAsTable=true)
+```
+
+- 选取最优价及市场的函数配置在等值连接引擎中
+- 等值连接引擎的输出参数配置为响应式状态引擎，表变量 *fillPrevSch* 表示响应式状态引擎输入的表结构，其字段顺序和类型要和等值连接引擎的输出完全一致
+- [ffill](../funcs/f/ffill.html)：此函数用在响应式状态引擎中，表示对参数列中的空值用相同货币对的非空前值做填充
+- 自定义函数 `appendTime` 在数据写入等值连接引擎前增加了写入时间，方便后续做延时的统计，该时间精度为纳秒
+
+### 3.4. Python API 实时订阅最优价结果
+
+通过 Python API 订阅结果表，能够实时获取最优价及对应的价源，订阅的代码如下：
+
+```dolphindb
+import dolphindb as ddb
+import numpy as np
+from threading import Event
+
+def resultProcess(lst):
+    print(lst)
+   
+s = ddb.session()
+s.enableStreaming()
+s.subscribe(host = "192.168.100.3", port = 8848, handler = resultProcess, tableName = "bestPriceStreamTable", actionName="pySub", offset=-1, resub=False)
+
+Event().wait()
+```
+
+- 执行 Python 代码前，必须先在 DolphinDB server 端定义流数据表 *bestPriceStreamTable*
+- [s.enableStreaming()](https://docs.dolphindb.cn/zh/pydoc/BasicOperations/Subscription/Subscription.html) 函数表示启用流数据功能
+- subscribe 方法
+  - *host* 和 *port* 参数为 DolphinDB server 的 IP 地址和端口
+  - *handler* 参数为回调函数，示例代码自定义了 `resultProcess` 回调函数，动作为打印实时接收到的数据
+  - *tableName* 参数为 DolphinDB server 端的流数据表，示例代码订阅了 *bestPriceStreamTable*
+  - *offset* 参数设置为 -1，表示订阅流数据表最新记录
+  - *resub* 参数为是否需要自动重连
+
+### 3.5. Excel 实时订阅最优价结果
+
+Excel 是常用的办公软件，DolphinDB 的 Excel 插件能够把实时计算的结果推送至 Excel。在 Excel 插件连接到 DolphinDB server 之后，能够获取到共享的流数据表，本案例如下图所示：
+
+  
+![3](images/best-price-selection/3.png)  
+
+右击 *bestPriceStreamTable* 流数据表，选择 **Export by Subscribe**，会弹出输入主键的对话框，如下图：
+
+  
+![4](images/best-price-selection/4.png)  
+
+在对话框中输入货币对列 currencyPair，点击确定，即完成订阅。
+
+### 3.6. Grafana 实时监控最优价
+
+Grafana 是一个开源的数据可视化 Web 应用程序，擅长动态展示时序数据，支持多种数据源。DolphinDB 开发了 Grafana 数据源插件 (dolphindb-datasource)，让用户在 Grafana 面板 (dashboard) 上通过编写查询脚本、订阅流数据表的方式，与 DolphinDB 进行交互 (基于 WebSocket)，实现 DolphinDB 时序数据的可视化。详细教程参考：[Grafana 连接 DolphinDB 数据源](https://docs.dolphindb.cn/zh/api/grafana_2.html)
+
+本案例展示货币对人民币对美元的最优价，Grafana 中的 Query 代码如下：
+
+```dolphindb
+select  gmtime(time) as ts, bestPrice from bestPriceStreamTable where currencyPair='USD/CNY' context by second(time) limit -1
+```
+
+因为 Grafana 默认显示 UTC 时间，和 DolphinDB server 内的数据时间存在 8 个小时时差，所以 Grafana 中的 Query 需要使用 [gmtime](../funcs/g/gmtime.html) 函数进行时区的转换。
+
+### 3.7. 历史数据回放
+
+本章节在前文已搭建的整体框架的基础上，进行行情的回放，模拟实时数据写入。代码如下：
+
+```dolphindb
+//replay data
+submitJob("replayL","replayToLeft",replay,CFETS_Tick,`CFETSStreamTable,`time,,100)
+submitJob("replayR","replayToRight",replay,CFETC_Tick,`CFETCTStreamTable,`time,,100)
+t = getRecentJobs(2)
+```
+
+执行完后，查看变量 *t* 内的信息，如下图所示：
+
+  
+![5](images/best-price-selection/5.png)  
+
+如果 endTime 和 errorMsg 字段为空，说明任务正在正常运行中。
+
+## 4. 查询结果
+
+随着数据回放模拟行情的注入，Python API，Excel，Grafana 等展示或接收端能够实时收到数据。
+
+### 4.1. 客户端查询
+
+通过 GUI，VScode 插件等客户端能够查询结果表，查询语句如下：
+
+```dolphindb
+select top 29 * from bestPriceStreamTable order by time desc
+```
+
+多次执行此语句，可发现结果在实时发生变化。VScode 的数据查询结果如下：
+
+  
+![6](images/best-price-selection/6.png)  
+
+- delay 列表示计算延时，单位是毫秒
+
+### 4.2. Python API 实时订阅的计算结果
+
+![7](images/best-price-selection/7.png)
+
+### 4.3. Excel 实时订阅的计算结果
+
+![8](images/best-price-selection/8.png)
+
+### 4.4. Grafana 实时可视化展示
+
+![9](images/best-price-selection/9.png)
+
+## 5. 计算性能
+
+本案例的架构设计中包含了延时计算，统计了从第 1 个等值连接引擎收到数据至第 2 个响应式状态引擎输出结果所经历的时间。本案例的测试环境如下，该环境仅供参考：
+
+- CPU：Intel(R) Xeon(R) Silver 4210R CPU @ 2.40GHz
+- 内存：256GB
+- 磁盘：SSD 3.5TB \* 4
+- 操作系统：CentOs Linux release 7.6.1810
+
+本案例最大延时的场景是 29 个货币对同时到达引擎，最小延时场景是只有 1 货币对到达引擎。在单线程情况下，其延时统计见下表：
+
+| **货币对数量** | **延时（毫秒）** |
+| --- | --- |
+| 1 | 0.0841 |
+| 29 | 0.1185 |
+
+## 6. 案例总结
+
+DolphinDB 内置的流数据框架支持流数据的发布、订阅、预处理、实时多表关联、实时内存计算、复杂指标的滚动窗口计算、滑动窗口计算、累计窗口计算等，是一个运行高效、使用便捷的流数据处理框架。
+
+本教程基于 DolphinDB 流数据处理框架，提供了一种实时选取外汇行情多价源最优价的低码高效解决方案，旨在提高开发人员在使用 DolphinDB 内置的流数据框架开发流计算业务场景时的开发效率、降低开发难度，更好地挖掘 DolphinDB 在复杂实时流计算场景中的价值。
+
+## 7. 附件
+
+文档示例代码如下，请按文件顺序依次执行。
+
+[script.zip](https://cdn.dolphindb.cn/zh/tutorials/script/best-price-selection/script.zip)

package/templates/claude-global/skills//346/225/260/346/215/256/345/272/223/dwy-dolphindb/references/official/tutorials/brinson.md

@@ -0,0 +1,249 @@
+---
+source_url: https://docs.dolphindb.cn/zh/tutorials/brinson.html
+fetched_at: 2026-05-19T09:50:38Z
+category: tutorials
+title: 基于 DolphinDB 的 Brinson 绩效归因模型实践
+sha1: d54b42c24998c789c14c5aa996a89793a0241644
+---
+
+# 基于 DolphinDB 的 Brinson 绩效归因模型实践
+
+在绩效归因中，Brinson 模型用于对股票型和混合型基金进行实证研究。Brinson 模型基于持仓数据，将基金的超额收益归于资产配置和标的选择两部分。并且有多种计算方式实现不同类型的基金组合收益归因。包括可以在各个行业上进行分解，或是针对调仓行为，有多种算法支持修正超额收益再投资所产生的多期收益。因此，Brinson 模型可以分析出基金经理在资产类别和行业配置上的偏好，也能从多期数据中观察出个券选择的稳定性。
+
+为了方便用户便捷快速地计算 Brinson 结果，本文使用 DolphinDB 内置函数及表连接方式实现了不同方式的 Brinson 算法，并将其封装在单个函数中。本教程将介绍 Brinson 模型业绩归因分析的原理和在 DolphinDB 的实现步骤。
+
+## 1. Brinson 模型介绍
+
+Brinson 模型是一种基于持仓数据对基金业绩进行归因的工具，能够对单期或多期的基金超额收益来源进行详细分解。它通过分析基金具体的持仓信息，将基金当期的收益分解为不同的效应，从而对组合的损益来源有更明确的认识。因此，本文实现了一个更为通用的 Brinson 模型，可用于混合型基金中，用户可以灵活地选择归因方式，单期或者多期归因，以及每个大类资产组合中的归因信息。
+
+![](images/brison/1_1.png)
+
+### 1.1 归因方式
+
+Brinson 归因方式主要包括 BF 方案和 BHB 方案，它们分别提出了不同的收益分解方式，为投资者提供了评估基金管理绩效的工具。
+
+#### 1.1.1 BF 超额收益分解方案
+
+在1985年，Brinson 和 Fachler 提出了一个收益分解方案，简称为 “BF 方案”。与 BHB 方案不同，BF 方案没有包含交互收益，而是将其并入了选择收益当中。因此，BF 方案仅有两个部分：
+
+- 配置收益（Allocation Return, AR）：配置收益的定义与 BHB 方案相同，但BF 方案引入了基准组合的收益率，衡量基金经理在资产配置上的能力。
+- 选择收益（Selection Return, SR）：在 BF 方案中，选择收益不仅衡量基金经理在具体标的选择上的能力，还包括了交互效应。因此，选择收益反映了基金经理在标的选择和资产配置共同作用下的综合超额收益。
+
+#### 1.1.2 BHB 超额收益分解方案
+
+1986 年，Brinson、Hood 和 Beebower 提出了另一种基于 Brinson 模型的超额收益拆分方案，简称为 “BHB 方案”。这一方案在业界应用广泛。BHB 方案通过构建两个虚拟组合——资产配置组合和标的选择组合，将基金组合的超额收益分解为三个部分：
+
+- 配置收益（Allocation Return, AR）：配置收益衡量基金经理在不同资产类别或行业之间进行资产配置的能力。它反映了基金经理通过选择不同资产类别或行业的权重来超越基准的能力。
+- 选择收益（Selection Return, SR）：选择收益衡量基金经理在具体标的选择上的能力。它反映了基金经理选择的个股或债券在相对于基准组合的超额收益。
+- 交互收益（Interaction Return, IR）：交互收益反映了资产配置和标的选择之间的交互效应。它表示由于资产配置和标的选择共同作用而产生的超额收益。
+
+我们可以用图形来更直观地展示 BF 和 BHB 方案的收益分解方式。下图白色部分代表了基准组合的收益，彩色部分代表了基金组合相对于基准的超额收益。
+
+![](images/brison/1_2.png)  
+
+图 1. BHB 和 BF 方案的图形化表示
+
+### 1.2 多期 Brinson 模型
+
+多期 Brinson 模型与单期 Brinson 模型的主要区别在于对持仓变化和再投资收益的处理方式上。单期 Brinson 模型假定在样本期内基金经理没有调仓，组合没有现金流入和流出，因此其适用范围局限于单个时间段内的绩效分析。
+
+然而，对于一个组合较长时间段内的收益分析，尤其是在组合持仓发生较大变化的情况下，单期 Brinson 模型的基本假设就不再适用。因此，多期 Brinson 模型的基本原理是将较长时期划分为多个单期，在每个单期内假设持仓保持不变并进行收益归因，最后将各个单期的归因结果进行合理加总，得到整个时期的绩效归因结果。
+
+针对多期 Brinson 模型的算法设计，专家学者们提出了各种收益修正算法。为了将后续的再投资收益纳入考虑，此模型运用了 GRAP 算法。GRAP 算法的核心理念是将再投资收益归属到超额收益产生阶段，而非再投资收益的实际发生阶段，以确保修正后的各单期配置收益和选择收益能够直接相加，获得全样本期的绩效归因结果。因此，GRAP 算法中 n 期的多期超额收益 ER(n) 变为：
+
+  
+![](images/brison/e1.png)  
+
+经 GRAP 算法修正后的三种收益分别为：
+
+  
+![](images/brison/e2.png)  
+
+但如果行情表中已经对收益率有了修正，计算多期时，可以不用调整收益率，直接将每期的收益进行相加。
+
+### 1.3 行业维度的 Brinson 模型
+
+从大类资产层面分析了基金的各项收益后，此模型还可以把混合型基金中每个大类资产作为一个待归因分析的组合，例如股票组合、债券组合等。然后针对股票、债券组合分别做行业维度的 Brinson 归因分析，从而得到该大类资产下更为细分的归因信息。例如，将基金 A 里的股票资产单独作为一只新的股票型基金进行归因分析。由此，用户可以通过比较每个行业的权重和收益，更加具体地评估出两个基金的投资风格。
+
+### 1.4 结果解释
+
+在归因分析中，对结果的解释至关重要，它帮助我们理解基金在资产配置和标的选择上的决策效果。通过分析不同收益，我们可以全面评估基金组合的表现，并确定哪些决策对超额收益的贡献最大。
+
+#### 1.4.1 配置收益
+
+配置收益是由资产配置行为所产生的超额收益，因此配置收益的值越大，则说明相比于基准，由资产配置（不同的资产权重）产生的收益越大。对于 BHB 计算方案，配置收益为正代表组合内超配收益为正或者低配收益为负的资产；对于 BF 计算方案，配置收益为正代表在超越基准指数的资产上超配。
+
+#### 1.4.2 选择收益
+
+选择收益是由标的选择行为所产生的超额生意，因此选择收益越大，则说明相比于基准，组合中的标的产生的收益越大。
+
+#### 1.4.3 交叉收益
+
+BHB 计算方案中，超额收益减去配置收益与选择收益后的剩余收益即为交互收益，反映了配置与选择的协同效应。正向的交叉收益代表在行业中资产选择优于基准时进行超配，赚取了超额权重收益产生的收益，或者是在资产选择劣于基准时低配，低配使得组合不至于亏那么多。
+
+## 2. 函数介绍
+
+### 2.1 函数语法
+
+`brinson(dailyPosition, benchmarkPosition, marketData, dateList, [method = 'BHB'], [multiPeriod = false], [industryBrinson = NULL], [showAll = false], [multiPeriodMethod = 'grap'])`
+
+### 2.2 输入
+
+在使用 Brinson 模型时，必须提供 *dailyPosition*, *benchmarkPosition*, *marketData* 三个表格。这些参数提供了组合和基准组合的信息，是模型计算的基础。*dateList* 控制了归因的研究区间，因此也是必选参数。*method*, *multiPeriod*, *multiPeriodMethod* 决定了 Brinson 归因的方法。*industryBrinson* 用于确认是否需要对某个或者某些大类资产中进行行业归因。*showAll* 决定是否需要展示每期信息。
+
+#### 2.2.1 输入规范
+
+Brinson 模型基于每期数据进行归因分析，因此 *dailyPosition*、*benchmarkPosition* 和 *marketData* 表格中使用的都是每期数据。模型的逻辑如下：
+
+1. 构建日期向量：根据 *dateList* 参数构建一个包含每期日期的日期向量。例如，想要对 2024 年 1 月 1 号到 2024 年 1 月 5 号做每天的归因，那么 `dateList = 2024.01.01..2024.01.05`。如果想要根据交易日历的有效日期做归因，也可以使用 `getMarketCalendar` 函数获取日期范围内的有效日期。
+2. 日期匹配：用这些日期与 *dailyPosition*、*benchmarkPosition* 和 *marketData* 表中的 date 列进行 `asof join`，即寻找日期匹配或最近的数据来代表每期数据。
+
+#### 2.2.2 参数
+
+- **dailyPosition 每期持仓明细**。Table，包含每期组合的持仓信息，提供每个标的的基本信息，包括占组合的权重，用于计算组合的各项收益指标。此表必须包含的列如下：
+
+  | **列名** | **数据类型** | **备注** |
+  | --- | --- | --- |
+  | date | DATE | 持仓日期 |
+  | symbol | STRING | 标的 |
+  | weight | DOUBLE | 权重 |
+- **benchmarkPosition 每期基准明细**。Table，包含每期基准组合的信息，提供基准组合内所包含的基准名称和权重，用于计算基准组合的各项收益指标。此表必须包含的列如下：
+
+  | **列名** | **数据类型** | **备注** |
+  | --- | --- | --- |
+  | date | DATE | 日期 |
+  | symbol | STRING | 标的名称 |
+  | weight | DOUBLE | 权重 |
+- **marketData 每期行情数据**。Table，包含所有组合和基准内包含的标的数据。需要包含每期日期每个标的所对应的行情数据。每一条数据需要包含以下信息：
+
+  | **列名** | **数据类型** | **备注** |
+  | --- | --- | --- |
+  | date | DATE | 日期 |
+  | symbol | STRING | 标的 |
+  | asset | STRING | 大类资产名称 |
+  | industry | STRING | 行业类型 |
+  | returnPerPeriod | DOUBLE | 常规收益率。为上一个日期到下一个日期间的区间收益率。 |
+- **dateList** 归因日期。DATE[]，表示需要归因的日期向量。
+- **method** 选择用哪种方式计算归因。STRING，可取值为 "BHB", "BF"，代表两种不同的 Brinson 归因方式。默认值为 "BHB"。
+- **multiPeriod** 是否需要多期归因。BOOL，决定是否需要进行多期 Brinson 模型归因（使用 GRAP 算法）。默认值为 false。
+- **industryBrinson** 是否需要在大类资产中进行行业归因。NULL 或者 STRING[]，代表是否要对某个或某些大类资产进行行业维度的 Brinson 归因，例如 *industryBrinson* =["股票"]。默认值为 NULL。
+- **showAll** 是否要展示每期的归因结果。BOOL，如果为 true，会展示每期归因的结果。如果选择行业维度的归因，则会分别展示每期的大类资产归因结果和每期的行业维度归因结果。默认值为 false。
+- **multiPeriodMethod** 多期计算的方法。为 "grap" 或者 "sum"，分别代表用 grap 算法计算修正收益，或者直接将收益相加。默认值为 "grap"。
+
+### 2.3 输出
+
+返回一个字典，一定会包含区间收益、基础信息和大类资产归因三个字典。如果 industryBrinson 不为空，则包含基础信息、大类资产归因、行业归因产生的多个字典。
+
+参数设定不同会导致返回结果的结构有稍许的不同，以下是几种常用的归因方式以及相对应的参数设定：
+
+1. 使用 BHB 方法计算单期 Brinson 归因：`brinson(dailyPosition, benchmarkPosition, marketData, 2024.01.31, method = 'BHB', multiPeriod = false, industryBrinson = NULL, showAll = false)` 。返回结果如下图所示：
+   ![](images/brison/2_1.png)
+2. 使用 BHB 方法和 grap 算法计算多期 Brinson 归因，并对股票大类资产下进行行业归因，并且展示所有结果：`brinson(dailyPosition, benchmarkPosition, marketData, 2024.01.31 2024.02.29 2024.03.31, method = 'BF', multiPeriod = true, industryBrinson = ['股票'], showAll = true, multiPeriodMethod = 'grap')`。返回结果如下图所示：
+
+  
+![](images/brison/2_2.png)
+
+## 3. 使用方法
+
+本文基于已有持仓数据、行情数据、基准数据进行归因计算。若要使用 brinson 模块，请将 [*dolphinBrinson.dos*](script/brison/dolphinBrinson.dos) 放在 *[home]/modules* 目录下。[home] 目录由系统配置参数 *home* 决定，可以通过 `getHomeDir` 函数查看。以下示例中展示的都是模拟数据。具体流程如下：
+
+### 3.1 数据预处理
+
+如若没有数据，可以参考附件内[模拟数据脚本](script/brison/brinson_data_and_script.dos)生成的数据。如若已有数据，需保证现有的数据表中的字段名与输入参数中的字段名一致。以下示例中展示的都是模拟数据。
+
+1. 持仓表：对于持仓表，需要整理成包含日期、标的、每日持仓权重的表格。因为 Brinson 支持多期归因，表格中需要包含多期持仓的具体组合和权重。
+
+     
+   ![](images/brison/3_1.png)
+2. 每期基准表：对于基准表，与持仓表相同，需要每期的基准组合。
+
+     
+   ![](images/brison/3_2.png)
+3. 行情数据表：行情数据表中需要包含所有基准中的成分及其收益率和权重。除此之外，也需要包含所有持仓中标的的行情数据表。例如下表中，包含了持仓及基准持仓中所有标的的行情数据。
+
+     
+   ![](images/brison/3_3.png)
+
+### 3.2 参数设置
+
+对于单期 Brinson 归因，，代表对 *dateList* 所包含的日期区间持仓进行归因。因为 Brinson 支持多期计算，也就是将期限内的持仓变动考虑在归因过程中，所以可以通过设置参数中的 *dateList* 来设置变动周期。例如，如果每天变动一次具体的持仓，可以将 *rule* 设置为 ’D‘。如若 `dateList = 2024.02.01..2024.03.01`，模型则会计算从 2024.02.01 至 2024.03.01 根据每天持仓产生的归因结果。
+
+除此之外，上文已经介绍了 Brinson 的不同归因计算方式，包含 BHB 和 BF 计算模型、单期与多期模型和行业归因模型。可以通过设定不同的参数实现不同的需求。
+
+### 3.3 模型调用
+
+在清理好基础信息数据表后，就可以载入模型，常用的调用方式如下：
+
+1. 使用 BF 方法计算单期 Brinson 归因，并展示每期结果：
+
+   ```dolphindb
+   use dolphinBrinson
+   dateList = 2024.01.31
+   brinson(dailyPosition, benchmarkPosition, marketData, dateList, method = 'BF', multiPeriod = true, 
+   industryBrinson = NULL, showAll = true)
+   ```
+2. 使用 BHB 方法和 grap 修正计算多期 Brinson 归因，并对股票大类资产下进行行业归因，并且展示所有结果：
+
+   ```dolphindb
+   use dolphinBrinson
+   dateList = 2024.01.31 2024.02.29 2024.03.31
+   brinson(dailyPosition, benchmarkPosition, marketData, dateList, method = 'BHB', multiPeriod = true, 
+   industryBrinson = `股票, showAll = true, multiPeriodMethod = 'grap')
+   ```
+
+## 4. 函数计算性能
+
+本章节将展示 DolphinDB 实现的 `dolphinBrinson` 模块的计算性能。通过对函数在不同持仓规模、时间频率以及多期和单期归因设置下的性能测试，能够帮助用户更好地理解函数的计算复杂度以及在实际应用中的表现。
+
+### 4.1 测试方法
+
+**模拟数据**：
+
+- 持仓数据 (dailyPosition)：模拟了 5 年期间每日包含 10, 100, 1000 只标的的持仓信息，包含股票、债券、现金。
+- 基准持仓数据 (benchmarkPosition)：模拟了 10 年期间每日的基准持仓信息。
+- 行情数据 (marketData)：模拟了 10 年期间 10000 只股票，股票、债券、现金资产的行情数据。
+
+**归因分析配置**：
+
+- 设置 *method* 为默认值 BHB。
+- 通过改变 *dateList* 参数来调整运行频率，分别设置为每季度、每月和每日。
+- 通过改变 *multiPeriod* 来设置是否进行多期归因
+- 通过设置 `industryBrinson = ['股票']` 对股票资产进行归因
+- 设置 *showAll* 为 false，不展示所有结果
+
+### 4.2 测试结果
+
+| **组合内 10 个持仓** | 多期 | 单期 |
+| --- | --- | --- |
+| 10 年每季度 | 2,070 ms | 1,648 ms |
+| 10 年每月 | 2,190 ms | 1,754 ms |
+| 10 年每天 | 4,026 ms | 3,090 ms |
+| **组合内 100 个持仓** |  |  |
+| 10 年每季度 | 2,404 ms | 1,765 ms |
+| 10 年每月 | 2,560 ms | 2,099 ms |
+| 10 年每天 | 5,823 ms | 3,120 ms |
+| **组合内 1000 个持仓** |  |  |
+| 10 年每季度 | 2,750 ms | 1,827 ms |
+| 10 年每月 | 3,184 ms | 1,946 ms |
+| 10 年每天 | 7,574 ms | 4,120 ms |
+
+从上述结果来看，
+
+1. 时间频率对运行时间的影响：随着时间频率的增加，运行时间增加。这是因为频率越高，数据量越大，计算复杂度也随之增加。虽然是多期，但 GARP 算法只是根据每期的收益率进行一次累积，10 年每月就是多了 120 次乘积计算，因此对计算量来说并没有太大的区别；但如果是每天归因，则增加了 3650 次乘积计算，因此时间会比季度或者月度频率要明显增多。
+2. 持仓的影响：如果是每季度或者每月对不同持仓的组合进行一次多期分析，时间相差不大；如果每天进行归因分析，持仓多的组合的运行时间比持仓少的组合分析稍长。
+
+## 5. 总结
+
+本文基于 DolphinDB 内置的统计分析函数库、便捷的表连接方式以及向量化编程特性，完整实现了 Brinson模型。DolphinDB 将自身强大的计算功能与 Brinson 模型结合，能帮助用户更快更精准地了解混合型基金的收益组成，同时进一步优化组合以实现更高的投资回报。
+
+## 6. 参考文献
+
+- Brinson, Gary P., and Nimrod Fachler. 1985. “Measuring Non-US Equity Portfolio Performance.” Journal of Portfolio Management 11 (3): 73–76.
+- Brinson, Gary P., L. Randolph Hood, Jr., and Gilbert L. Beebower. 1986.“Determinants of Portfolio Performance.” Financial Analysts Journal 42 (4):39–44．
+- 林晓明，黄晓彬，张泽。Brinson绩效归因模型原理与实践[R].中国：华泰证券，2021.
+
+## 7. 附录
+
+[Brinson 实现脚本](script/brison/dolphinBrinson.dos)
+
+[Brinson 数据模拟脚本](script/brison/brinson_data_and_script.dos)

package/templates/claude-global/skills//346/225/260/346/215/256/345/272/223/dwy-dolphindb/references/official/tutorials/cachedtable.md

@@ -0,0 +1,95 @@
+---
+source_url: https://docs.dolphindb.cn/zh/tutorials/cachedtable.html
+fetched_at: 2026-05-19T09:48:17Z
+category: tutorials
+title: 利用缓存表快速实现 MySQL 库间信息同步
+sha1: 0d8008be0391fb0fab9a0b74f3a181baa3b2484e
+---
+
+# 利用缓存表快速实现 MySQL 库间信息同步
+
+近年来，受益于云计算、大数据和人工智能等技术的快速发展，物联网、金融等企业的平台支撑系统进入新阶段，需要高吞吐量的数据写入和海量数据的分析能力共存的大数据平台。DolphinDB 是一款高性能分布式时序数据库，可以同时满足高并发读写与海量数据分析的要求。传统业务处理型平台的系统架构大多基于关系型数据库，在与 DolphinDB 等大数据平台融合时，会产生系统间基础信息同步的需求。
+
+DolphinDB 的 cachedTable 提供了缓存并定时更新数据的功能。通过异构数据源（如MySQL, mongodb, csv等）插件，cachedTable 可以很方便的实现同步保存在其他数据库中的静态信息。
+
+以一个工业物联网场景为例，通过脚本范例，快速实现跨数据库同步数据信息的功能。
+
+## 1. 场景描述
+
+每隔1分钟，从 MySQL 数据表中读取数据，同步到 DolphinDB 内存表中，实现从 MySQL 到 DolphinDB 的数据映射。
+
+![](images/cachedTable/dolphindb_cachedtable_mysql_diagram.png)
+
+|  |  |  |
+| --- | --- | --- |
+| 系统模块 | 参数 | 样例 |
+| MySQL | 库名：configDB  表名：config  字段： frequency int, maxvoltage float, maxec float |  |
+
+  
+![](images/cachedTable/dolphindb_before.png)
+
+## 2. 函数说明
+
+函数名：**`cachedTable`**
+
+语法：cachedTable(updateFunc, retentionSeconds)
+
+参数 *updateFunc* 是一个函数，实现数据同步的逻辑。
+
+参数 *retentionSeconds* 是一个正整数，表示同步频率，单位是秒。
+
+## 3. 示例代码
+
+1. 在 MySQL 端创建数据库表，建表脚本见[此处](script/cachedTable/mysql_data.txt)。
+2. DolphinDB 进行数据同步，脚本如下：
+
+```dolphindb
+login("admin","123456")
+//加载MySQL插件
+loadPlugin("yourPluginsPath/mysql/PluginMySQL.txt")
+use mysql
+//自定义数据同步函数
+def syncFunc(){
+	//获取MySQL数据
+	conn = mysql::connect("127.0.0.1",3306,"root","123456","configDB")
+	t = load(conn,"config")
+
+	//返回表
+	return t
+}
+
+config=cachedTable(syncFunc,60)
+
+select * from config
+```
+
+## 4. 运行结果
+
+MySQL 端执行以下脚本，修改参数：
+
+```dolphindb
+update configDB.config set frequency=10,maxvoltage=250,maxec=30;
+```
+
+在 MySQL 端和 DolphinDB 端查看结果，显示如下，表示数据同步成功。
+
+|  |  |
+| --- | --- |
+| 系统模块 | 同步结果 |
+| MySQL |  |
+
+![](images/cachedTable/dolphindb_after.png)
+
+## 5. 应用建议
+
+在工业物联网、金融领域的开发场景中，基础信息同步属于常见功能。设计不当会增加系统模块间的耦合度和运维难度。因此，基础信息同步不仅仅是技术问题，还需要考虑简化开发结构。通过 cachedTable 缓存表可以简化开发结构，但不适用于同步实时性要求高的业务数据。cachedTable 缓存表是一个内存表，可直接与时序数据关联，方便进行数据查询。
+
+应用到生产环境前，建议脚本代码包含以下内容：
+
+(1) 配置启动脚本[startup.dos](https://ask.dolphindb.cn/blog/65)，初始化缓存表。
+
+(2) 数据合法性校验。
+
+(3) 增加异常判断，记录异常并输出。
+
+(4) 使用`share`共享缓存表，方便通过 API 直接访问。