期貨的資料庫設計

⑴ 如何建立期貨分析、股市分析等有關的個人資料庫

這就需要你的收集了。
打個比方來說，上周6出了美國的種植面積的數據，這時候你就要記錄下來是利多還是利空。
你要多用心就可以，還有的數據就是收費的了

⑵ 資料庫表的設計依據是什麼

簡單便捷好用
適當冗餘，不必過於追求範式
祝好運，望採納。

⑶ 研究白糖期貨用什麼資料庫比較好

農產品看供給工業品看需求
你做白糖期貨 看廣西糖網
這做法是沒什麼問題的

⑷ 請教一個有交易系統的資料庫設計

有交易系統的資料庫設計
我知道,了解多少

⑸ 資料庫設計分哪幾個階段

按照規范的設計方法，一個完整的資料庫設計一般分為以下六個階段。

1、需求分析：分析用戶的需求，包括數據、功能和性能需求

2、概念結構設計：主要採用E-R模型進行設計，包括畫E-R圖

3、邏輯結構設計：通過將E-R圖轉換成表，實現從E-R模型到關系模型的轉換

4、資料庫物理設計：主要是為所設計的資料庫選擇合適的存儲結構和存取路徑

5、資料庫的實施：包括編程、測試和試運行

6、資料庫運行與維護：系統的運行與資料庫的日常維護

(5)期貨的資料庫設計擴展閱讀：

設計原則

1、一對一設計原則

在軟體開發過程中，需要遵循一對一關系設計原則進而開展數據維護工作，通過利用此原則能夠盡量減少維護問題的出現，保證數據維護工作順利開展同時降低維護工作難度。

2、獨特命名原則

獨特命名原則的應用是為了減少在資料庫設計過程中出現重復命名和規范命名現象出現。

3、雙向使用原則

雙向使用原則包括：事務使用原則和索引功能原則，軟體市場常見的索引模式有：多行檢索聚簇索引和單行檢索非聚簇索引。

⑹ 什麼是資料庫設計

資料庫設計

(Database Design)是指根據用戶的需求，在某一具體的資料庫管理系統上，設計資料庫的結構和建立資料庫的過程。資料庫系統需要操作系統的支持。
資料庫設計是建立資料庫及其應用系統的技術，是信息系統開發和建議中的核心技術。由於資料庫應用系統的復雜性，為了支持相關程序運行，資料庫設計就變得異常復雜，因此最佳設計不可能一蹴而就，而只能是一種「反復探尋，逐步求精」的過程，也就是規劃和結構化資料庫中的數據對象以及這些數據對象之間關系的過程。

⑺ 資料庫設計的基本步驟

資料庫設計的基本步驟如下：

1、安裝並打開MySQL WorkBench軟體以後，在軟體的左側邊欄有三個選項，分別是對應「連接資料庫」、「設計資料庫」、「遷移資料庫」的功能。這類選擇第二項，設計資料庫，點擊右邊的「＋」號，創建models。

⑻ 中心資料庫設計

5.2.2.1 資料庫

根據該系統的開發需求，按照資料庫的功能和作用將其分為風險查詢類、風險評價類、系統管理類三大類（薩師煊等，2000）。主要數據見表5.5。

表5.5 海外油氣與金屬礦產資源開發風險管理系統的主要數據表

續表

5.2.2.2 數據倉庫

油價數據來源於美國能源部（DOE）下屬的能源信息署（EIA）網站、中石油（CNPC）網站和《華爾街日報》（WSJ）網站提供的油價數據，油價序列本身就是一個不規則的時間序列，油價數據具有以下幾個特點。

（1）數據的一致性差

油價數據格式多樣，存在數據冗餘，主要體現在：使用的數據格式均不相同，並且各個子系統相對獨立。在網站單獨作用的情況下，一般都沒有問題，但要將這些不同系統或不同時期的數據集中起來綜合利用，就可能出現數據不齊全、不一致或重復的現象。

（2）數據存放的分散

油價數據來源多，缺乏統一管理，沒有一種相應的網頁數據自動化抓取操作實現數據的本地化操作過程。

（3）數據資源開發不充分

大容量數據導致對數據資源的開發利用不充分，缺乏對獲取的數據如各分析機構制定的期貨合約元數據進行各種深層次分析、綜合、提煉、挖掘和展現的應用，因此很難對豐富的統計數據資源進行二次開發利用。

根據油價數據中所包含的油氣產品種類、油氣產品合約制定日期、油氣產品的價格類型、不同市場下油氣產品價格的差異等，能夠加深對油價走勢的了解。油價的這種與時間相關性、不可修改性，以及集成的性質，使得我們採用多種角度對原始數據進行理解，並真實反映其特性，也讓我們發現使用一種整合的技術對油價進行精確預測十分必要。

數據倉庫的構建流程如圖5.13所示由下至上逐步實現。

圖5.13 數據倉庫構建流程

1）數據源。

A.數據源的復雜性。數據分散在資料庫管理系統、電子表格、電子郵件系統、電子文檔甚至紙上。系統中要求採集的3個數據源中，EIA 網站存儲在網頁上的油價相關事件更新較慢，雖然提供了各市場日、周、月、年的油價數據下載，但是下載完成之後的表格欄位格式時常發生變化，這為實現自動獲取數據並下載到本地自動入庫的要求增加了難度；中石油網站數據除上述只顯示3條數據之外，網站上會將訪問流量過大的IP地址列入黑名單使其不能繼續下載到本地進行保存，為這些數據建立統一的模型將會耗費很大精力。

B.數據的有效性。由於存在經驗局限，如何處理數據的空值、不同時間間隔時間欄位格式，入庫時應注意的問題等，如果應用程序沒有檢驗數據的有效性，會對數據多維顯示產生極大影響，因此也歸結為數據源數據質量問題。

C.數據的完整性。數據源上的數據並不那麼明顯或者容易獲得。油價是高度敏感的數據，因此各個網站雖然提供了各個油品交易市場的日、月或年數據，但是完整性並不能充分保證，根據企業政策的不同，有時對要獲得的數據，需花費大量精力。為此，要對不同的數據源進行建庫，以保證所獲數據的完整性。

2）數據處理。

高效的多維數據集展示離不開底層數據源數據的精確獲取，或者叫做數據理解和數據清洗。於是系統在基於元數據獲取、加工、入庫和多維數據集展示上實現預期的要求。

A.ETL。該功能是整個油價數據倉庫的核心之一，主要功能是按照事先定義的數據表對應關系從相關系統表中抽取數據（Extraction），經過數據清洗和轉換（Transform）,最終把正確的數據裝載到數據倉庫的源數據中（Load），作為以後應用的基礎。

B.數據轉換。該功能是在數據抽取過程中按照定義的規則轉換數據，避免了數據在分析時的多樣性，保證數據一致性。

C.數據集成。該功能主要是把油價信息數據倉庫系統的源數據，按照事先定義的計算邏輯以主題的方式重新整合數據，並以新的數據結構形式存儲。

3）數據存儲。

星型模型（星型架構）是數據倉庫開發中多維展現重要的邏輯結構，構成星型模型的幾個重要特徵是：維、度和屬性，在實際應用中表示為事實表和維度表。在油價數據中，各市場的期現貨價格表為數據倉庫的事實表，油品類型、合約規定日期等為維度表。

油價數據倉庫星型模型的設計方案如下：

A.事實表。資料庫表中EIA的期現貨價格表（包括日、周、月、年表）作為數據倉庫中的事實表，根據不同時間維度構成多個星型模型，即星座模型。這些價格表中以市場編號、油氣產品類型、期貨合約日期、價格單位度量衡編號作為主鍵和外鍵與其他維度表相連，形成多維展示聯動的基礎，以油價數據和其他事實數據為記錄數據，作為主要輸出結果。

B.維度表。根據市場、油品、價格數據、度量衡和事件類型作為油氣數據倉庫中多維分析的角度和目標。

圖5.14以EIA的日期貨數據表作事實表為例，構建星型模型，其他不同時間維度的模型結構圖與此圖基本相同。

圖5.14 以EIA數據為例的日期貨價格星型模型

以星型模型設計為基礎，完善數據存儲中操作型數據存儲（ODS）的原型設計，提供DB-DW之間中間層的數據環境，可實現操作型數據整合和各個系統之間的數據交換。