मोटे तौर पर कहें तो दुनिया में दो तरह के निवेशक होते हैं। मौलिक निवेशक किसी कंपनी में निवेश करने का निर्णय लेते समय कंपनी के व्यवसाय मॉडल, राजस्व, आय, नकदी प्रवाह, वर्तमान मूल्यांकन, जोखिम और विकास संभावनाओं जैसे मूलभूत मैट्रिक्स को देखें। वारेन बफेट अपने मौलिक शोध के माध्यम से कम मूल्य वाली कंपनियों को ढूंढकर प्रसिद्ध और दुनिया के सबसे अमीर व्यक्तियों में से एक बन गए।
दूसरी ओर, तकनीकी निवेशक कंपनी के बुनियादी सिद्धांतों पर बहुत कम या बिल्कुल ध्यान न दें, इसके बजाय सैकड़ों तकनीकी संकेतकों से संकेतों को खरीदने, बेचने और पकड़ने पर अपना ध्यान केंद्रित करें। ये तकनीकी निवेशक दैनिक, साप्ताहिक या मासिक आधार पर व्यापार करते हैं।
मैं इन निवेश शैलियों में से किसी के लिए या उसके खिलाफ बहस करने के लिए यहां नहीं हूं। लेकिन मौलिक और तकनीकी दोनों निवेशक डेटा स्रोतों के सैकड़ों, यदि नहीं तो हजारों के आधार पर अध्ययन, विश्लेषण और निर्णय लेते हैं।
मौलिक निवेशक दुनिया भर में हजारों कंपनियों और सैकड़ों उद्योगों में बैलेंस शीट, आय विवरण, नकदी प्रवाह विवरण, जनसांख्यिकीय रुझान, विषयगत रुझान और सामाजिक रुझानों का अध्ययन करते हैं। वे कंपनियों के प्रक्षेपवक्र और कंपनियों के विकास की संभावनाओं को बेहतर ढंग से समझने के लिए उस डेटा के ऊपर वित्तीय मॉडल या एनालिटिक्स का निर्माण करते हैं।
तकनीकी निवेशक निवेश संकेतों को प्राप्त करने के लिए प्रति घंटा या दैनिक आधार पर सैकड़ों तकनीकी संकेतक देखते हैं। तकनीकी संकेतकों पर भरोसा करने वाले निवेशकों को अपनी ट्रेडिंग रणनीतियों को बनाने के लिए कई समय सीमा में डेटा की एक विशाल सरणी से निपटना पड़ता है। उन्हें बड़ी संख्या में संकेतकों से पूछताछ करने की आवश्यकता हो सकती है और वस्तुतः तत्काल उत्तर की आवश्यकता होती है। उन्हें तेजी से बदलते बाजारों में अपने एल्गोरिदम और व्यापारिक रणनीतियों को जल्दी से अनुकूलित करने की आवश्यकता हो सकती है। Redis Enterprise इन सभी चुनौतियों का समाधान कर सकता है।
हाल ही में, मैंने लिखा है कि वित्तीय उद्योग के लिए Redis Enterprise एक आवश्यक उपकरण क्यों है। इस ब्लॉग पोस्ट में, मैं दिखाऊंगा कि कैसे RedisTimeSeries का उपयोग स्टॉक की कीमतों और तकनीकी संकेतकों को स्टोर करने, एकत्र करने और क्वेरी करने के लिए किया जा सकता है। जिन सिद्धांतों की मैं रूपरेखा दूंगा, उनका उपयोग कंपनियों से वित्तीय जानकारी या मौलिक निवेशकों द्वारा उपयोग किए जाने वाले किसी अन्य समय-श्रृंखला डेटा को संग्रहीत करने और क्वेरी करने के लिए भी किया जा सकता है।
RedisTimeSeries मॉड्यूल लाखों घटनाओं, नमूनों और मूल्य निर्धारण डेटा को अंतर्ग्रहण और क्वेरी कर सकता है। RedisTimeSeries IoT से लेकर स्वास्थ्य सेवा से लेकर वित्त तक के उपयोग के मामलों में स्पॉट ट्रेंड में मदद करने के लिए संबंधित जोड़े के समय और मूल्यों को संग्रहीत करने के लिए सबसे उपयुक्त है। RedisTimeSeries आपको आसानी से डेटा का विश्लेषण करने और निर्णय लेने में मदद करने के लिए औसत, योग, न्यूनतम, अधिकतम, मानक विचलन, सीमा, आदि जैसे एकत्रीकरण प्रदान करता है।
RedisTimeSeries के साथ स्टॉक की कीमतों को ट्रैक करना
इस पोस्ट में मैं स्टॉक की कीमतों और तकनीकी संकेतकों को स्टोर करने के लिए RedisTimeSeries का उपयोग करने के लिए एक मॉडल का वर्णन करने जा रहा हूं। मैं कीमतों और संकेतकों के लिए विभिन्न समय श्रृंखलाओं के निर्माण को कवर करूंगा, यह दिखाऊंगा कि कच्चे समय की श्रृंखला के शीर्ष पर एकत्रीकरण कैसे बनाया जाता है, और प्रदर्शित करता है कि विभिन्न RedisTimeSeries कमांड का उपयोग करके कितनी आसानी से बल्क टाइम सीरीज़ को अंतर्ग्रहण और क्वेरी किया जा सकता है। मैंने पायथन में नमूना कोड भी प्रदान किया है जिसे आप अपने स्वयं के उपयोग के मामले के लिए शुरुआती बिंदु के रूप में उपयोग कर सकते हैं।
सही या गलत, बहुत से लोग डॉव जोन्स इंडस्ट्रियल एवरेज (डीजेआईए) को यू.एस. अर्थव्यवस्था के लिए खतरनाक मानते हैं। मैं डीजेआईए में शेयरों की कीमत और ट्रेडिंग वॉल्यूम के साथ सभी 30 शेयरों के तकनीकी संकेतक को ट्रैक करना चाहता हूं। मैं डॉव-घटक गोल्डमैन सैक्स के स्टॉक की कीमतों और उस स्टॉक के तकनीकी संकेतकों में से एक को ट्रैक करके चीजों को बंद कर देता हूं। मेरे पसंदीदा तकनीकी संकेतकों में से एक सापेक्ष शक्ति सूचकांक (आरएसआई) है। RSI एक मोमेंटम इंडिकेटर है जिसका इस्तेमाल स्टॉक को मापने के लिए किया जाता है जो ओवरबॉट या ओवरसोल्ड क्षेत्र में हो सकता है। जब आरएसआई 30 के करीब या नीचे जाता है, तो स्टॉक को ओवरसोल्ड माना जा सकता है और खरीदारी का अवसर पेश कर सकता है। इसी तरह, जब आरएसआई 70 से ऊपर चला जाता है, तो यह अधिक खरीददार क्षेत्र में प्रवेश कर सकता है और बेचने के लिए एक अच्छा समय संकेत दे सकता है।
गोल्डमैन सैक्स ग्रुप के लिए रिलेटिव स्ट्रेंथ इंडेक्स
ट्रेडिंग घंटों के दौरान, आरएसआई, किसी भी अन्य तकनीकी संकेतक की तरह, बदलता रहता है क्योंकि ट्रेडों को गोल्डमैन सैक्स के शेयरों की मांग और आपूर्ति के आधार पर निष्पादित किया जाता है। हम कई अहम सवालों के जवाब देने के लिए RedisTimeSeries मॉड्यूल का इस्तेमाल कर सकते हैं:
- प्रत्येक निर्दिष्ट समय अंतराल के लिए तकनीकी संकेतक के लिए न्यूनतम और अधिकतम मूल्य क्या है?
- इससे आप किसी ट्रेड के लिए तुरंत प्रवेश या निकास बिंदु देख सकते हैं।
- एक निर्दिष्ट समय अंतराल के दौरान स्टॉक मूल्य के लिए सीमा और मानक विचलन क्या है?
- सीमा और मानक विचलन अंतर्निहित स्टॉक मूल्य की अस्थिरता के संकेतक हैं।
- इस स्टॉक में ट्रेडों के लिए लाभदायक प्रविष्टि और निकास मूल्य क्या हो सकते हैं?
- एक निर्दिष्ट समय अंतराल के दौरान सभी शेयरों में तकनीकी संकेतक का मूल्य क्या है?
हम निर्धारित समय अवधि के दौरान न्यूनतम और अधिकतम आरएसआई मूल्यों और स्टॉक की कीमतों को प्रोग्रामेटिक रूप से पहचानने के लिए रेडिसटाइम सीरीज प्रश्नों का उपयोग कर सकते हैं। उदाहरण के लिए, क्या होगा यदि मैं ट्रेडिंग दिवस के प्रत्येक 15-मिनट की अवधि के दौरान न्यूनतम और अधिकतम आरएसआई संख्याएं खोजना चाहता हूं? जब आरएसआई 30 या उसके करीब होता है, तो मैं खरीदने या बेचने से पहले अन्य तकनीकी संकेतकों का विश्लेषण करने के लिए एक अलर्ट उत्पन्न करना, एक व्यापार करना, या एक अन्य जटिल व्यापारिक कार्यप्रवाह को किकऑफ करना चाहता हूं। आप जो कुछ भी करना चाहते हैं उसे आसानी से RedisTimeSeries डेटाबेस में मॉडल किया जा सकता है।
स्टॉक की कीमतों और तकनीकी संकेतकों के लिए डेटा मॉडल
RedisTimeSeries के साथ व्यावहारिक अनुभव प्राप्त करने का सबसे आसान तरीका RedisTimeSeries के लिए डॉकर छवि को चलाना है।
डॉकर छवि को खींचने और चलाने के लिए निम्न आदेश निष्पादित करें:
docker run -p 6379:6379 -it --rm redis/redistimeseries
Redis टीम ने RedisTimeSeries मॉड्यूल के लिए प्रत्येक समय श्रृंखला में एक एकल मीट्रिक रखने के लिए एक जानबूझकर डिज़ाइन निर्णय लिया। डेटा मॉडल में यह सादगी डेटा के सम्मिलन और पुनर्प्राप्ति को सुपर फास्ट बनाती है। आप अपने मौजूदा एप्लिकेशन को तोड़ने की चिंता किए बिना आवश्यकतानुसार नई समय श्रृंखला जोड़ सकते हैं। इसका मतलब है कि आप डेटाबेस स्कीमा या अपने एप्लिकेशन को तोड़ने की चिंता किए बिना आसानी से नए डेटा स्रोत जोड़ सकते हैं।
एक बार जब आपके पास RedisTimeSeries कंटेनर ऊपर और चल रहा हो तो आप सर्वर से जुड़ सकते हैं (सुनिश्चित करें कि आपके पास सही आईपी पता या होस्टनाम है) पायथन का उपयोग करके निम्नानुसार है:
redistimeseries.client से आयात क्लाइंट rts =Client(host='127.0.0.1', port=6379)
प्रत्येक समय श्रृंखला में एक मीट्रिक रखने के डिजाइन सिद्धांत के साथ, हम प्रत्येक डीजेआईए स्टॉक के लिए अपनी समय श्रृंखला में इंट्राडे स्टॉक मूल्य और आरएसआई स्टोर कर सकते हैं। नीचे, मैंने गोल्डमैन सैक्स ग्रुप, इंक. (एनवाईएसई:जीएस) के लिए एक टाइम सीरीज़ बनाई है। मैंने गोल्डमैन सैक्स के लिए इंट्राडे आरएसआई नाम दिया है ‘DAILYRSI:GS’ और मैंने हर बार श्रृंखला के लिए विभिन्न लेबल लागू किए हैं—एक समय श्रृंखला को लेबल करने से आप एक लेबल का उपयोग करके सभी कुंजियों में क्वेरी कर सकते हैं।
rts.create ('dailyrsi:gs', लेबल ={'प्रतीक':'gs', 'desc':'relation_strength_index', 'index':'djia', 'टाइमफ्रेम':'1_day', 'संकेतक' ':'आरएसआई' , 'कंपनीनाम':'GOLDMAN_SACHS_GROUP'}) यहां, मैंने गोल्डमैन सैक्स के इंट्राडे स्टॉक मूल्यों के लिए ‘INTRADAYPRICES:GS’ नामक एक टाइम सीरीज़ बनाई है। :
rts.create ('intradayprices:gs', लेबल ={'प्रतीक':'gs', 'desc':'share_price', 'index':'djia', 'pricetype':'intraday', 'companyName' ':'GOLDMAN_SACHS_GROUP'}) इसके बाद, मैंने कुछ 15-मिनट की समय-सीमा के भीतर RSI डेटा पर विभिन्न एकत्रीकरण बनाए। (हम अपनी व्यापारिक आवश्यकताओं के अनुरूप लंबी या कम समय सीमा में एकत्रीकरण बना सकते थे।) ये एकत्रीकरण हमें आरएसआई के लिए पहले, अंतिम, न्यूनतम, अधिकतम और श्रेणी के मूल्यों को देखने देंगे। एग्रीगेशन बनाने के लिए, हम पहले एग्रीगेशन को स्टोर करने के लिए टाइम सीरीज़ बनाते हैं और फिर टाइम सीरीज़ को एग्रीगेट वैल्यू के साथ पॉप्युलेट करने के लिए एक नियम बनाते हैं। इस मामले में, हमने 'DAILYRSI15MINRNG:GS' नाम से एक टाइम सीरीज़ बनाई है आरएसआई के लिए रेंज को 15 मिनट की समयावधि में स्टोर करने के लिए। <चिह्न>'निर्माता' अपरिष्कृत डेटा पर एक श्रेणी फ़ंक्शन लागू करता है (‘DAILYRSI:GS’ ) प्रत्येक 15 मिनट की समय सीमा के दौरान और उसे ‘DAILYRSI15MINRNG:GS’ में एकत्रित करता है ।
rts.create ('dailyrsi15minrng:gs', लेबल ={'प्रतीक':'gs', 'desc':'reland_strength_index', 'index':'djia', 'टाइमफ्रेम':'15_minutes', 'एकत्रीकरण' ':'रेंज' , 'संकेतक':'आरएसआई' , 'कंपनीनाम':'GOLDMAN_SACHS_GROUP'})
यहां, मैंने ट्रेडिंग दिवस के दौरान प्रत्येक 15 मिनट के अंतराल के दौरान गोल्डमैन सैक्स के स्टॉक मूल्य के लिए सीमा और मानक विचलन की गणना करने के लिए कुछ नियम बनाए हैं:
rts.create ('intradayprices15minrng:gs', लेबल ={'प्रतीक':'gs', 'desc':'share_price', 'index':'djia', 'pricetype':'रेंज', 'एकत्रीकरण' ':' रेंज ',' अवधि ':' 15_minutes ',' CompanyName ':' Goldman_sachs_group '}) rts.createrule (' intradayprices:gs ',' intradayprices15minrng:gs ',' रेंज ', 900) rts.create " IntradayPrices15minstdp:gs ', Labels ={' प्रतीक ':' gs ',' desc ':' share_price ',' index ':' djia ',' pricetype ':' stddev ',' एकत्रीकरण ':' stddev ',' अवधि ':'15_MINUTES' , 'COMPANYNAME':'GOLDMAN_SACHS_GROUP'})rts.createrule('INTRADAYPRICES:GS' , 'INTRADAYPRICES15 , 'INTRADAYPRICES15 , 'INTRADAYPRICES15 , 'INTRADAYPRICES15 , 'INTRADAYPRICES15 ,
आप डॉव जोन्स इंडस्ट्रियल एवरेज (डीजेआईए) में सभी 30 शेयरों के लिए इसी तरह से टाइम सीरीज़ बना सकते हैं।
डेटा डालने के तरीके
RedisTimeSeries में डेटा डालने के दो तरीके हैं। TS.ADD कमांड आपको प्रत्येक स्टॉक मूल्य या तकनीकी संकेतक को एक समय श्रृंखला में जोड़ने की अनुमति देता है। लेकिन चूंकि वित्तीय बाजार से डेटा लगभग लगातार तैयार किया जाता है और आपको RedisTimeSeries में कई नमूने जोड़ने की आवश्यकता होती है, इसलिए TS.MADD का उपयोग करना बेहतर है। तरीका। MADD फ़ंक्शन एक तर्क के रूप में टुपल्स की एक सूची लेता है। प्रत्येक टपल समय-श्रृंखला कुंजी, टाइमस्टैम्प और मान का नाम लेता है:
समय-श्रृंखला कुंजी में डेटा सम्मिलित करने के लिए आप निम्न पायथन कमांड का उपयोग कर सकते हैं:
rts.madd()
RedisTimeSeries की क्वेरी करना
RedisTimeSeries की अधिकांश चीजों की तरह, डेटाबेस को क्वेरी करना आसान है। स्टॉक मूल्य या तकनीकी संकेतक के लिए सीमा और मानक विचलन अस्थिरता का संकेत है। निम्नलिखित प्रश्न आपको प्रत्येक 15 मिनट के अंतराल में गोल्डमैन सैक्स स्टॉक मूल्य के लिए मूल्य सीमा और मानक विचलन देखने देगा:
rts.range('INTRADAYPRICES15MINRNG:GS' , from_time =1603704600 , to_time =1603713600)
श्रेणी एकत्रीकरण की यह क्वेरी आपको निम्न परिणाम सेट देती है:
[(1603704600, 1.75999999999999), (1603705500, 0.775000000000006), (1603706400, 0.730000000000018), (1603707300, 0.449999999999989), (1603708200, 0.370000000000005), (1603709100, 1.01000000000002), (1603710000, 0.490000000000009), (1603710900, 0.89500000000001 ), (1603711800, 0.629999999999995), (1603712700, 0.490000000000009), (1603713600, 0.27000000000001)]
जैसा कि इस क्वेरी परिणाम से पता चलता है, 26 अक्टूबर, 2020 ET (पूर्णांक टाइमस्टैम्प =1603704600) पर ट्रेडिंग दिवस की शुरुआत में, गोल्डमैन सैक्स का स्टॉक $ 1.75 की सीमा के साथ अस्थिर था। अब इसकी तुलना अगले 15 मिनट से करें, 26 अक्टूबर को सुबह 9:45 से शुरू, (पूर्णांक टाइमस्टैम्प =1603705500), जहां अस्थिरता $0.77 की सीमा के साथ गिर गई। गोल्डमैन सैक्स के स्टॉक की कीमतों की सीमा बाद के 15-मिनट के अंतराल में गिरती रही और शुरुआती 15-मिनट के अंतराल के दौरान अस्थिरता कभी भी उस स्तर पर वापस नहीं आई।
RedisTimeSeries के इस डेटा को डैशबोर्ड और चार्ट में आसानी से देखा जा सकता है। नीचे दिए गए चार्ट 15 मिनट के अंतराल में गोल्डमैन सैक्स की कीमत सीमा दिखाते हैं:
नीचे दिया गया चार्ट उसी डेटा को लाइन चार्ट प्रारूप में दिखाता है, यह दर्शाता है कि गोल्डमैन सैक्स के ट्रेडों की मूल्य सीमा दिन में जैसे-जैसे आगे बढ़ती है (यह चार्ट x-अक्ष पर पूर्णांक टाइमस्टैम्प दिखाता है):
आप इसी तरह की क्वेरी को अस्थिरता के एक अन्य माप के साथ कर सकते हैं - मानक विचलन - एकत्रीकरण फ़ंक्शन के रूप में:
rts.range('INTRADAYPRICES15MINSTDP:GS' , from_time =1603704600 , to_time =1603713600) [(1603704600, 0.54657783830434), (1603705500, 0.23201149395202), (1603706400, 0.196072381345986), (1603707300, 0.160267138157647), (1603708200, 0.116990621700049), (1603709100, 10 0.38043,101744222), (16793727934) ), (1603711800, 0.163118915546951), (1603712700, 0.151417199675549), (1603713600, 0.0963889432843203)]
यह कई पेचीदा संभावनाओं को खोलता है। मान लीजिए कि आप गोल्डमैन सैक्स के स्टॉक की कीमत जानना चाहते हैं जब इंट्राडे आरएसआई मूल्य 30 और 40 के बीच होता है। आप किसी ट्रेड के लिए लाभदायक प्रवेश बिंदुओं की पहचान करने के लिए आरएसआई के लिए समय श्रृंखला और स्टॉक की कीमतों की समय श्रृंखला को क्वेरी कर सकते हैं।
यहां, मैं 1605260100 (13 नवंबर, 2020 को 9:35 बजे ईटी) और 1605260940 (उस दिन 9:49 पूर्वाह्न ईटी) के बीच एक समय सीमा में गोल्डमैन सैक्स के लिए आरएसआई मूल्य की क्वेरी कर रहा हूं।
दैनिकGSRSIValue =rts.range('DAILYRSI:GS' , from_time =1605260100 94 ;
क्वेरी में पाया गया कि 1605260820 (9:47 पूर्वाह्न ET) पर RSI मान 34.2996427544861 था।
[(1605260100, 75.0305441024708), (1605260160, 81.6673948350152), (1605260220, 83.8852225932517), (1605260280, 85.9469082344746), (1605260340, 94.3803586011592), (1605260400, 87. ), (1605260580, 89.9407873066781), (1605260640, 57.1512452602676), (1605260700, 50.5638232111769), (1605260760, 35.2804436894564), (1605260820, 34.2996427544861), (1605260880), 64.54862752029, (1605260880)
अब मैं गोल्डमैन सैक्स की इंट्राडे कीमतों को उसी अंतराल के लिए क्वेरी कर सकता हूं, जो आरएसआई क्वेरी के लिए इस्तेमाल किया गया था, या आरएसआई मूल्य 34.29 पर प्रतिबिंबित करने के लिए प्रोग्रामेटिक रूप से क्वेरी को बदल सकता है। आरएसआई क्वेरी के समान समय-सीमा का उपयोग करके यहां एक उदाहरण दिया गया है।
दैनिकGSPprice =rts.range('INTRADAYPRICES:GS' , from_time =1605260100 , to_time =1605260940 से पहले )
क्वेरी निर्दिष्ट सीमा के लिए गोल्डमैन सैक्स के स्टॉक मूल्य लौटाती है:1605260820 (13 नवंबर, 2020 को 9:47 पूर्वाह्न ईटी) पर कीमत 217.18 डॉलर थी।
[(1605260100, 216.57), (1605260160, 216.73), (1605260220, 217.08), (1605260280, 217.17), (1605260340, 217.87), (1605260400, 218.05), (1605260460, 217.91), (1605260520, 218.0) ), (1605260580, 218.11), (1605260640, 218.02), (1605260700, 217.72), (1605260760, 217.22), (1605260820, 217.18), (1605260880, 217.46), (1605260940, 217.61)]
RedisTimeSeries एक साथ कई समय श्रृंखलाओं में क्वेरी करने का एक शक्तिशाली तरीका प्रदान करता है। TS.MGET कमांड आपको फिल्टर का उपयोग करके कई समय श्रृंखला में क्वेरी करने देता है। हम पहले से ही विभिन्न समय श्रृंखलाएं बना चुके हैं और उनके साथ लेबल संलग्न कर चुके हैं। अब वे लेबल पूरे समय श्रृंखला में क्वेरी करने के लिए फ़िल्टर के रूप में कार्य कर सकते हैं।
निम्नलिखित पायथन कोड दो लेबलों के आधार पर दो फ़िल्टर लागू करता है:"DESC" और "TIMEFRAME"। पैरामीटर “with_labels=False” परिणाम सेट को प्रत्येक मान के लिए लेबल के बिना वापस करने की अनुमति देता है:
allRSIValues =rts.mget(filters=['DESC=RELATIVE_STRENGTH_INDEX','TIMEFRAME=1_DAY'], with_labels=False)
यह क्वेरी यहां दिखाए गए के समान परिणाम प्रस्तुत करेगी, जो कई शेयरों में अंतिम RSI मान लौटाता है:
[{'DAILYRSI:BA':[{}, 1605261060, 62.2048922111768]}, {'DAILYRSI:CAT':[{}, 1605261060, 68.3834400302296]}, {'DAILYRSI:CRM':[{}, 1605261060 , 59.2107333830133]}, {'डेलीआरएसआई:सीएससीओ':[{}, 1605261060, 52.7011052724688]}, {'डेलीआरएसआई:सीवीएक्स':[{}, 1605261060, 62.9890368832232]}, {'डेलीआरएसआई:डॉव':[{}, 1605261060, 73.597680480764]}, {'डेलीआरएसआई:जीएस':[{}, 1605283140, 41.182852552541]}, {'डेलीआरएसआई:आईबीएम':[{}, 1605261060, 65.3742140862697]}, {'डेलीआरएसआई:जेपीएम':[{} , 1605261060, 77.7760292843745]}, {'डेलीआरएसआई:केओ':[{}, 1605261060, 26.8638381005608]}, {'डेलीआरएसआई:एमएमएम':[{}, 1605261060, 65.7852833683174]}, {'डेलीआरएसआई{:एमआरके':[ }, 1605261060, 38.9991886598036]}, {'डेलीआरएसआई:यूएनएच':[{}, 1605261060, 74.2672428885775]}, {'डेलीआरएसआई:वीजेड':[{}, 1605261060, 33.177554436462]}, {'डेलीआरएसआई:डब्ल्यूबीए':[डब्ल्यूबीए':{}, 1605261060, 47.3877762365391]}]
अगर मैंने “with_labels=True” . सेट किया होता , तो परिणाम में प्रत्येक समय श्रृंखला पर सभी लेबल शामिल होंगे, जैसा कि यहां दिखाया गया है:
[{'DAILYRSI:BA':[{'SYMBOL':'BA', 'DESC':'RELATIVE_STRENGTH_INDEX', 'INDEX':'DJIA', 'TIMEFRAME':'1_DAY', 'INDICATOR':' RSI', 'COMPANYNAME':'BOEING'}, 1605261060, 62.2048922111768]}, {'DAILYRSI:CAT':[{'SYMBOL':'CAT', 'DESC':'RELATIVE_STRENGTH_INDEX', 'INDEX':'DJIA' , 'समय सीमा':'1_दिन', 'संकेतक':'आरएसआई', 'कंपनी का नाम':'कैटरपिलर'}, 1605261060, 68.3834400302296]}, {'डेलीआरएसआई:सीआरएम':[{'प्रतीक':'सीआरएम', ' DESC':'RELATIVE_STRENGTH_INDEX', 'INDEX':'DJIA', 'TIMEFRAME':'1_DAY', 'INDICATOR':'RSI', 'COMPANYNAME':'SALESFORCE'}, 1605261060, 59.2107333830133]}] निष्कर्ष
इस ब्लॉग पोस्ट ने समय-श्रृंखला डेटा पर निर्भर वित्तीय एप्लिकेशन को लचीले ढंग से बनाने के लिए RedisTimeSeries के कई आदेशों का वर्णन किया है। उदाहरण के लिए, स्टॉक व्यापारियों को दर्जनों चरों के आधार पर वास्तविक समय में उच्च-दांव निर्णय लेने में सक्षम होना चाहिए। RedisTimeSeries स्कीमा रहित है, जिसका अर्थ है कि आप स्कीमा को परिभाषित किए बिना डेटा लोड कर सकते हैं, नई फ़ील्ड जोड़ सकते हैं, या अपने डेटा मॉडल को बदल सकते हैं यदि आपकी व्यावसायिक परिस्थितियाँ बदल जाती हैं। इसका रीयल-टाइम प्रदर्शन और सरल डेवलपर अनुभव टाइम-सीरीज़ डेटा के साथ काम करना मज़ेदार बनाता है!
आप GitHub पर इस ब्लॉग पोस्ट के लिए नमूना कोड यहाँ पा सकते हैं। और आप यहाँ RedisTimeSeries के बारे में अधिक जान सकते हैं।