对金融数据库的需求

合集下载

金融行业国产数据库选型的五大难点 副本

金融行业国产数据库选型的五大难点  副本

百年未有之大变局给我国各行各业带来前所未有的机遇和挑战.在新一代数字技术推动下,全球加速迈进数字经济时代,数据成为关键生产要素.我国金融行业正在积极开展数字化转型,研发和运维都面临高标准严要求的银行业也身处这场浪潮之中.在IT基础设施中起若歪要作用的数据库正面临技术选型决策.本文结合笔者十多年的金融业工作经验,浅析金融行业国产数据库选型所面临的难点.一、思维认识层面从八十年代微机单体应用,到九十年代县域、省域集中,再到新世纪的全国数据大集中,IOE在金融行业的基础架构领域具有不可撼动的统治地位。

主机、小型机、DB2、Oracle 等产品良好的软件质疑,和IBM、甲骨文等公司成熟的技术服务体系,给伴着金融行业快速发展的IT人留下了深深的烙印.随着时代发展.国产数据库需要走入金融同业时,大家潜意识中总将国外成熟产品和国内快速成长产品进行无形比对,对国内产品总有各种不满和抱怨。

由于二者发展阶段不相同,就此进行比较稍微不公平.一方面,选用国产数据库是我国发展大势所趋,是时代的选择.另一方面,我行庞大的人口基数和成熟的电子支付行业,给国内外产品都带来巨大挑战,但国内产品具有更贴近业务场景和灵活快速发展的优势.未来潜力很多大•所以,在思维意识上正确认识产品发展阶段及其国际国内环境,及时调整心态和观点,是一切工作的前提.二、产品研发质登目前自诬为开发分布式数据库产品的国内厂商已有上百家,但以互联网大厂为主的一线厂商却屈指可数.随若我国电子商务的迅猛发展,当面临OraCle难以解决大数据量的场景和高昂的商业许可费用时,一线大厂开始以“开源数据库+分库分表”的方式对大数据方进行“分而治之","快速响应市场需求”的理念植根于互联网公司基因中,这使得分布式数据库发展多以本公司业务需求为主导,而非以研发产品为理念.这与国外同类产品成熟的研发品控体系存在多个方面差异.比如:1)有些产品规划只有一年甚至更短,产品功能随时调整,甚至因产品线负责人的更换而发生再大调整;2)产且内部测试不充分,在客户现场多次出现初级测试错误;3)产品经理具备良好的互联网思维,但缺少对金融行业的深度理解.一线大厂的产品质Sl尚且如此,二三线厂商的情况就可想而知.近年来,超大型国有银行在分布式数据库产品铁域的实践表明,大部分厂商正在探索建立成熟的产品研发体系,这直接影响了产品质事.三、产品售后服务一线大厂起初多为满足自身发展需求而研发产品,后因出现社会商机而对外输出产品.空2C业务发展起来的互联网公司,在提供2B服务时面临了巨大的挑战.他们在2C方面展现出的强势思维间接影响了2B服务的思维模式。

数据库需求分析报告

数据库需求分析报告

数据库需求分析报告背景介绍:在当今信息爆炸的时代,数据的重要性愈发凸显。

作为企业的核心资产之一,数据的管理与存储成为了一个挑战。

为了更好地满足企业发展的需要,我们进行了一项数据库需求分析,旨在提供一个全面、高效、可扩展的数据库系统。

需求分析:1. 数据存储需求首先,我们需要一个数据库系统来存储和管理企业的各类数据。

这些数据包括但不限于:客户信息、产品信息、订单记录、供应链数据等。

由于公司规模的扩大,数据量不断增大,因此数据库需要具备良好的扩展性和高性能,以支持高并发和大数据的处理。

2. 数据安全需求随着网络安全问题的不断突出,数据安全成为了企业数据库管理的一大关注点。

我们需要一个数据库系统能够保障数据的机密性、完整性和可用性。

在访问控制方面,需要支持多用户权限管理,以确保不同用户对数据的访问权限可控。

此外,数据备份和恢复功能也是必备的,以应对数据丢失或灾难性事件的发生。

3. 数据分析需求数据分析在企业决策中扮演着重要角色。

为了满足各级管理人员的需求,数据库系统需要提供强大的数据分析功能和灵活的查询功能。

支持SQL查询语句和数据分析工具的集成,以便用户能够方便快捷地进行数据挖掘和报表生成。

4. 数据共享需求在一个跨部门、跨地域的企业环境中,数据共享是提升协同工作效率的关键。

数据库系统需要具备可扩展的数据共享功能,支持实时数据同步和多用户并发操作。

同时,数据共享的安全性也是不可忽视的,系统需要能够对数据进行加密和权限控制,以确保数据在共享过程中的安全性。

5. 数据可视化需求为了帮助用户更好地理解和分析数据,数据库系统应提供数据可视化的功能。

支持图表、报表和仪表盘等形式的数据展示,使用户能够直观地了解数据背后的规律和趋势。

数据可视化还应具备交互性,用户可以自定义查询条件和数据展示方式,以满足不同的分析需求。

总结与建议:综上所述,我们对数据库系统的需求可以总结为:高性能、可扩展、安全可控、强大的数据分析功能、灵活的数据共享和可视化能力。

金融行业中的现代化数据仓库建设指南

金融行业中的现代化数据仓库建设指南

金融行业中的现代化数据仓库建设指南数据仓库在金融行业的应用日益重要。

随着金融市场的扩大和复杂性的增加,金融机构需要处理大量的数据,以提供准确、实时的分析和决策支持。

现代化的数据仓库建设能够帮助金融机构更好地管理和利用数据资源,提高业务效率,增强竞争力。

本文将为您介绍金融行业中现代化数据仓库建设的关键要点和指南。

一、数据战略规划建设现代化的数据仓库需要制定明确的数据战略规划。

首先,需要明确数据仓库的业务目标和需求,确定数据仓库能够提供的功能和服务。

其次,需要进行数据需求分析,确定数据仓库所需的数据来源和数据类型。

最后,需要制定数据管理和数据治理策略,确保数据仓库的数据质量和安全性。

二、数据采集与整合数据采集与整合是现代化数据仓库建设的重要环节。

金融机构需要从不同的数据来源中获取数据,并将其整合到数据仓库中。

在数据采集过程中,需要确保数据的准确性和完整性,避免数据的冗余和重复。

同时,需要制定数据采集和整合的流程和规范,确保数据的实时性和一致性。

三、数据存储和管理现代化的数据仓库需要采用适当的数据存储和管理技术。

金融机构可以选择关系型数据库、列式数据库或者分布式存储系统等。

在数据存储和管理过程中,需要考虑数据的安全性、可扩展性和性能等方面的要求。

同时,需要制定数据存储和管理的策略,包括数据备份和恢复、容灾和高可用等。

四、数据分析和应用数据分析和应用是现代化数据仓库的核心功能。

金融机构可以利用数据仓库中的数据进行各种类型的分析,包括统计分析、风险评估、预测分析和决策支持等。

同时,需要制定数据分析和应用的方法和工具,确保数据的高效利用和业务的实际需求。

五、数据质量和数据安全数据质量和数据安全是数据仓库建设中非常重要的方面。

金融机构需要确保数据仓库中的数据质量,包括数据准确性、完整性和一致性等。

同时,需要制定数据质量管理的流程和规范,定期进行数据质量检查和修正。

此外,金融机构还需要制定数据安全管理的策略和措施,保护数据仓库的安全性和隐私性。

数据仓库技术在金融系统中的应用分析

数据仓库技术在金融系统中的应用分析

( ) 4 数据信息重复存储 ,造成存储资源的浪费。 数据仓库与传统的数据库 目 有很大的不 同,它是 标
Ifr t nS s m) nomao yt i e 等一般都是基于传统数据库的数据
分析 、设计 和 组织 形 式 ,尽 管 能够 发 挥 一定 作用 ,但 随 应用计算机信息系统发展到一定阶段的产物 ,相比之下
含 时 间项 ,从 而表 明了 该数 据 的 历史 时 期 。
三 、数 据 仓库 的建 立
1 建 立数据仓库 的方法 .
由于数据仓库 中的数据是面 向主题 的 ,从而决定了 其设计 由数据驱动 ;传统 的操作型环境则是面 向应用 ,
由需求 驱 动 的 。
二 、数据 仓 库 的 结构
步。首先 ,要统一原始数据 中的所有矛盾之处 ,如字段
S s m)、管理信息系统 、决策 支持 系统 、专家系统 的同名异义 、异 名同义 、单位不统 一以及字长不一 致 yt e ( S x e yt E ,E pr S s m)、办公 白化系统 ( A ,O c 等 ,还要将原始数据结构做一个从面向应用到面向主题 t e O S f e i A tma o ytm)、计算机 集成制造系统 ( 1 , uo t nS s i e C MS
计 算 机 信 息 系统 的 应 用 按 照 规 模 、功 能 、水Байду номын сангаас平 的
不 同 ,计 算机 信 息 系统 有 多个层 次 、多种 类型 ,如 成。这一步是数据仓库建立过程中最关键 、最复杂的一
电 子数 据 处理 系 统 ( DP ,E e t ncD t P o es E S lcr i aa rc s o
而产生 了进 一步使用核算数据 的需求 。也就是 利用现 势和发现问题 ,仅靠短时间数据信息难以满足要求。 有 出纳核算数据 、储蓄会计核算 数据 、对公会 计核 算 数据 、同城票据交换 以及资金清算数据等 ,进行采集 、 归纳 、分析和推 理 ,从而为金融 决策提供依据 ,这样 ( 数据信息 存储分散 ,基准不一 ,单位相异 , 2) 难以形成有分析价值的信息。 ( 3)各部 门之 问往往 各自为政 ,各取所 需 ,数据

大数据在金融行业中的挑战和机遇

大数据在金融行业中的挑战和机遇

大数据在金融行业中的挑战和机遇随着技术的发展,当今世界进入到了一个大数据的时代。

大数据的出现给各个行业带来了前所未有的机遇和挑战,尤其是在金融行业中,大数据的应用和影响更是深远。

在这篇文章中,我们将探讨大数据在金融行业中所带来的挑战和机遇。

一、挑战1、技术难度大大数据技术的复杂程度和技术难度带来了极大的挑战。

特别是金融行业的实时交易量和数据密度极高,这要求大数据技术必须能够处理成千上万的数据实时分析和决策。

要做到这一点是非常困难的。

2、数据安全保障问题金融行业的数据存在大量的敏感信息,包括个人身份信息,账号信息和其他机密数据等。

如果这些信息泄露或丢失,对金融机构将会有巨大的伤害。

因此,大数据解决方案必须能够保护这些敏感数据的安全,这也给大数据创造带来了巨大的挑战。

3、知识和技能的缺乏大数据技术需要大量的知识和技能,这包括数据整合,数据处理和分析,数据可视化等技术都需要大量的专业知识和技能。

在金融行业中,许多机构没有足够的人才和专业知识来开发和实施大数据解决方案,这也是一个巨大的挑战。

二、机遇1、数据分析大数据技术能够快速地分析金融市场数据,并将结果呈现给分析师和交易员。

这将使他们能够更快地做出决策,并研究对决策产生的影响,以此来增加交易成功率。

2、风险管理大数据技术能够通过对客户数据进行分析来减少风险。

例如,对于银行而言,通过对客户信用卡的使用模式和信用评级进行分析,可以更好地预测逾期款项。

3、客户服务大数据技术能够为客户提供更好、更个性化的服务。

通过对客户的数据进行分析,金融机构能够更好地了解客户的需求并提供更好的服务。

4、产品优化大数据技术能够帮助金融机构改进产品,增强市场竞争力。

通过对客户需求和市场趋势的分析,金融机构可以更好地定制他们的产品,并提供更符合市场需求的产品。

5、成本削减大数据技术能够通过优化流程来降低成本。

例如,对于一家银行而言,利用大数据技术可以自动化和优化人工审核过程,从而大幅降低审核成本。

大数据在金融业中的应用与挑战

大数据在金融业中的应用与挑战

大数据在金融业中的应用与挑战随着大数据技术的不断发展和普及,其在金融业中的应用越来越广泛。

大数据具有处理大量、多样化的数据能力,可以帮助金融机构提高业务决策的准确性和效率,并带来更好的风控管理。

然而,大数据在金融业中的应用也面临一些挑战。

本文将深入探讨大数据在金融业中的应用与挑战。

首先,大数据在金融业中的应用有助于提升客户体验。

金融机构可以通过分析大数据来深入了解客户的消费行为、偏好和需求,并提供个性化的产品和服务。

例如,银行可以利用大数据技术实时监测客户的交易记录,根据客户的消费习惯提供个性化推荐和优惠活动。

这种个性化服务不仅能够提高客户满意度,还能增加客户忠诚度,促进金融机构的业务增长。

其次,大数据在金融风控方面的应用也得到了广泛的认可。

传统的风控方法主要基于历史数据和统计模型,可能会存在局限性。

而通过大数据技术,金融机构可以获取更多的数据来源,包括社交媒体数据、消费行为数据等,从而更全面地评估客户的信用风险。

此外,大数据还可以帮助金融机构提高反欺诈能力,通过分析大量的交易数据来识别可疑的交易行为,减少金融诈骗和欺诈风险。

然而,大数据在金融业中应用也面临一些挑战。

首先是数据隐私和安全问题。

金融机构在处理大数据时需要处理大量的客户个人信息,如果这些信息泄露或被不法分子利用,将会对客户和金融机构造成严重的损失。

因此,金融机构在应用大数据时必须建立起严密的数据隐私保护制度和安全防护系统,确保客户数据的安全性和合法使用。

其次是数据质量和数据整合的问题。

大数据的价值取决于数据的质量,而金融行业涉及的数据种类繁多,包括传统金融数据、非结构化数据、第三方数据等,这些数据的质量和可靠性存在很大的差异。

同时,由于金融机构的业务领域广泛,不同业务部门往往存在数据孤岛,数据整合和共享面临着较大的挑战。

因此,金融机构需要建立起有效的数据管理和整合机制,确保数据的准确性和一致性,以提高大数据的应用价值。

另外,大数据应用还面临着技术人才的挑战。

金融业数据库金额字段设计

金融业数据库金额字段设计

金融业数据库金额字段设计一、引言在金融业数据库中,金额字段的设计至关重要。

金额字段的正确设计可以确保数据的准确性和可靠性,为金融决策和分析提供有效的支持。

本文将探讨金融业数据库金额字段设计的一些关键考虑因素。

二、字段类型选择在设计金额字段时,首先需要选择合适的字段类型。

常见的字段类型有整型、浮点型和字符型。

根据实际需求,我们可以选择适合的字段类型。

例如,如果金额字段需要进行精确计算,可以选择浮点型;如果金额字段仅用于展示和比较,可以选择整型。

三、字段长度设置金额字段的长度设置要考虑金额的大小范围和精度需求。

根据实际情况,我们可以设置合适的字段长度。

例如,如果金额范围在百万元级别,可以设置字段长度为10位,包括小数点和符号;如果金额范围在元级别,可以设置字段长度为6位。

四、金额单位统一在金融业数据库中,涉及到多个金额字段时,需要统一金额的单位。

例如,可以统一使用人民币元作为金额的单位,避免混用不同的货币单位,以确保数据的一致性和可比性。

五、货币符号处理金额字段设计中,应该注意货币符号的处理。

一种常见的做法是使用正负号表示金额的正负性。

另一种做法是使用货币符号作为金额的前缀或后缀。

根据实际需求和业务规范,我们可以选择合适的方式。

六、小数点位数控制金额字段的小数点位数需要根据实际需求进行控制。

一般情况下,金融业数据库中的金额字段可以设置为两位小数。

但在特定情况下,例如股票交易中的价格字段,可能需要更高的精度,可以设置为四位或更多位小数。

七、金额计算和汇总在金融业数据库中,金额字段通常需要进行计算和汇总。

为了确保计算结果的准确性,应该使用合适的数据类型和算法。

例如,对于浮点型金额字段,可以使用四舍五入或截断的方式处理计算结果。

八、金额字段验证和校验在数据录入和处理过程中,需要对金额字段进行有效性验证和校验。

例如,金额字段应该为非负数,不允许输入非法字符或格式。

通过合适的验证规则和校验逻辑,可以确保金额数据的有效性和一致性。

金融大数据应用的难点与挑战

金融大数据应用的难点与挑战

金融大数据应用的难点与挑战随着时代的进步和科技的不断创新,金融行业也在不断地发生着革命性的变化。

数字化、智能化、高效化已经成为了金融服务的主要发展趋势。

而在这个背景下,金融大数据也日益受到了市场的青睐。

金融大数据是指对海量的、多源的金融数据进行采集、储存、处理和分析,以挖掘和发现对金融业务有价值的信息,同时为金融机构决策提供依据的一种技术和手段。

然而,要想真正实现金融大数据的应用,还有很多难点和挑战需要攻克。

一、数据质量掌控难金融大数据的核心是数据,数据质量直接决定了金融大数据的成败,但是数据质量的掌控是一大难点。

金融数据的来源比较多样,景气度、行业规模、政策变化等因素也会对数据质量产生影响。

如果数据质量不足或存在误差,将直接影响金融机构的业务和决策,甚至可能会对金融市场稳定带来不良影响。

二、数据安全保障难金融大数据所涉及的数据量庞大,往往包含个人隐私、商业机密等重要信息,这就对数据的安全性提出了更高的要求。

一旦遭遇黑客攻击或泄漏,将会对金融机构的声誉和用户信任带来负面影响。

因此,金融大数据在应用时必须具备可靠的数据安全保障措施。

三、技术普及程度不均难虽然大数据技术在金融领域得到了广泛的应用,但由于数据管理结构和技术普及程度不均,一些小型的金融机构依然难以充分利用大数据解决实际的应用问题。

同时,由于大数据技术的不断更新换代,金融机构需要不断更新技术,才能不断掌握最新的技术和趋势。

四、数据分析人才匮乏难金融大数据需要采集、储存、处理和分析海量复杂的金融数据,对数据科学家和金融分析师等高端人才的需求特别大。

但是,当前金融市场对于这类人才的需求较大,而市场缺口较大,导致数据分析人才的缺乏和金融行业的人才流失问题日益严峻。

这也成为了金融大数据应用的一大难题。

五、法律法规缺失难作为涉及到金融行业的核心信息,金融大数据的应用涉及到的法律风险是极大的。

所以,金融大数据的应用必须遵循相关的法律法规,否则将面临很大的风险。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

金融数据库采购论证报告 一、 对金融数据库的需求 实证经济、金融、会计学和与金融计量研究的发展,金融统计学、金融数学等学科的兴起,一个重要的基础是财经数据的搜集。对于学术研究者,唯有搜集到全面、准确的数据,才能进行有意义的经济、金融与会计研究,高质量的数据平台的建设,是开展经济、金融、会计、贸易等专业实证研究的首要基础和必备条件。 目前在我们的教学和研究中,对于所需的财经数据,多采用的是业界的数据库,或是通过自己搜集来完成。但业界的数据库存在一定的问题,尤其是其在数据结构和数据质量上并不能很好的满足科研要求。它们仅仅提供基础的市场数据,而没有用于科研的衍生指标,例如持有期收益率、日收益Beta系数、波动率等等,很多时候还需要教学研究人员进行再次繁杂的加工与计算,而且它们提供的数据质量往往并不可靠。很多时候,在教学研究中,在数据搜集与整理花费的时间要占总研究时间的50%以上,甚至会超过80%。由于对“好”的数据越来越迫切的需求,使得为研究者提供统一、便捷的数据平台成为必要,在这样的背景下,数据库平台的建设已经成为我们专业学科建设、实验室建设、教学科研、实证研究等首先解决的重要事项。

二、 金融数据库选择 金融数据库的选择可能涉及许多问题,但一些评价金融数据库的优劣标准基本是一致的。一般认为,金融数据库产品的关键技术标准有以下几点: 2.1 设计体系是否科学合理 设计体系科学合理的金融数据库,原则上需要设计人员在具有相当的金融理论与实务经验的基础上,且完成所有金融计算与模型的实现后,设计出来的数据库。科学的数据库设计体系将极大地方便使用者认知数据库内容,更方便数据获取与使用。反之,一个差的数据库设计体系,表面看上去数据库庞大、表格众多,但实际上是个冗余度极高、结构混乱、通用性差的数据库。 2.2 内容是否全面 内容是否全面是很明显的标准。数据越全面,当然越好。内容全面还包括历史数据全,缺失值少等。 2.3 数据质量是否好 错误率低,数据质量高是保证科学研究正确性的前提。 2.4 相关指标的计算是否正确 金融数据库除了基础数据外,还会提供大量方便用户研究的衍生指标,如收益、指数等。这些指标的计算一定要正确,否则,只能使研究者产生垃圾进垃圾出的研究成果。如最基本的衍生指标是收益,金融实证与投资研究中,真正有用的是持有期收益。象著名的CRSP,非常强调使用其提供的持有期收益指标作实证研究,甚至认为累积收益指标用户可以自己计算,他们并不直接提供该类收益指标。 2.5 是否方便易用 是否方便不同需要层次研究人员的数据获取与使用,也是判断一个金融数据库好坏的标准。国外甚至有专门的机构提供用户获取数据的平台,像WRDS与FACTSET等。 2.6 数据库结构是否稳定 数据库的大类确定后,尽量不要随便添加与更改,以保持数据库结构不稳定。此外,数据库的表名与字段等都应该保持稳定。 2.7 数据更新是否及时 对于用于教学与科研的金融研究数据库,相对及时的更新也很重要,这样才能比较充分地满足研究人员的需要。如果一个研究性的数据库要到每年6-7月份才能更新上一年的数据,其更新的及时性就很差了,因为这样的数据库,在每年的上半年只有前年的数据可以使用。 2.8 服务是否完善 包括采用不同的数据获取方式,如网上点击下载、随时方便地查看数据词典、算法与数据示例等。

三、 锐思数据库优势 RESSET金融研究数据库(RESSET/DB)是一个为模型检验、投资研究等提供专业服务的数据平台。RESSET/DB有多位国内外著名高校和研究机构专家全称参与,充分参照了国际著名数据库CRSP,Compustat等的设计标准,又考虑了中国金融市场实际情况,以实证研究为导向进行整体设计。RESSET/DB设计体系科学先进,数据全面准确,提供多种数据获取模式,方便易用。其设计思想、体系结构、数据质量、技术模式等,均达到了国际先进水平,可为实证研究、学科与实验室建设提供强力支持。 锐思数据(RESSET)推出的RESSET金融研究数据库RESSET/DB,是为实证研究、模型检验等提供支持的数据平台。主要供高校、金融研究机构、金融企业的研究部门使用。RESSET/DB金融研究数据库目前包括股票、固定收益、基金、宏观、行业、港股、外汇、期货、黄金等9大系列,共60多个数据库,包括中英文各500多张表,超过15000个字段的内容,覆盖范围广泛,历史数据全面,涵盖了经济、金融、会计实证与投资研究所需的绝大部分数据。 在同类型数据库中,锐思数据库提供的金融数据是最完整也是最准确的,该数据库的所有原始数据都经过进一步处理,如删除废、误数据,填补了缺失数据等。另一点是,其衍生指标丰富,提供了大量经过深加工的衍生指标数据,如:股票持有期收益,风险因子,波动率,估计指标,三因子数据,期限结构等,并且对于这些指标提供相应的模型说明,这能为教学研究提供极大的便利。此外,其还提供数据定制服务,极大地方便老师的研究。 下面列出的是RESSET/DB的显著优势:  涵盖范围广泛:股票、固定收益、基金、期货、黄金、外汇、宏观、行业、高频数据等9大系列。  信息量大:库表数据量超过50G,数据库表超过1,000个,数据字段数近20,000个。  历史数据完整:确保每张表都有完整的历史数据。  数据的专业合并,方便用户使用,如股票综合数据,行情与分配表,债券信息,债券行情等。  数据格式多样:支持包含Txt,Excel,SAS,SPSS,MATLAB,逗号分隔文本CSV,Tab键分隔文本TXT,HTML表格,XML文件格式在内的9种格式。独创SAS、SPSS格式下载。  衍生指标丰富:提供了大量经过深加工的衍生指标数据,如:股票持有期收益,风险因子,波动率,估计指标,三因子数据,期限结构等。  金融知识全面:对于每个表都有详细说明(全部中英文对照);同时还给出金融分析所需背景、模型、历史变更等知识,以及完全开放的模型和算法,构成了一个全面专业的金融知识库。  数据频度齐全:提供最为详细的交易所和银行间分笔高频数据。  数据更新及时:标准更新频率为每月更新。  界面友好,使用方便:提供下载查询时结果数据集大小的设定;提供查询数据范围,条件查询语句等查询条件;提供数据自动定位及连续下载功能。  强大的搜索功能:提供对所有数据表的字段(变量)的中英文跨库搜索。支持单次最大200万条记录检索下载;单表数据连续下载。  多种访问模式:互联网方式;局域网方式;通过ODBC直接调用。

四、 锐思数据库内容

类别 数据库名 数据表清单

股票 股票综合数据 日股票综合数据、周股票综合数据、月股票综合数据

标识与信息 最新股票信息、公司信息、三板股票信息、退市信息、上市公司行业分类、 概念板块列表

事件 名称变更历史 、CSRC行业分类、CSRC行业变更历史、CSRC行业分类代码对照、汇率、佣金与印花税、首次发行与上市、处理、分配、股数变动历史、股权分置分配、停牌、交易所日交易信息、股票特别处理与撤销

融资与分红 分红、A股发行与上市、B股发行业上市、A股配股、B股配股、增发A股、增发B股、增发H股、发行与上市中介结构、市场年度现金红利总额、资金投向说明 行情与分配 行情、行情与分配、三板市场行情与分配

指数 指数信息、指数成分、指数成份股权重、指数行情、指数日收益、指数周收益、指数月收益、指数季收益、指数年收益 国际指数 国际指数信息、国际指数行情与收益

收益 日持有期收益、周持有期收益、月持有期收益、季持有期收益、年持有期收益、市场日收益持有期收益、市场周收益持有期收益、市场月收益持有期收益、市场季收益持有期收益、市场年收益持有期收益、证监会门类行业日收益、证监会门类行业周收益、证监会门类行业月收益、证监会门类行业季收益、证监会门类行业年收益、证监会次类行业日收益、证监会次类行业周收益、证监会次类行业月收益、证监会次类行业季收益、证监会次类行业年收益、周累积收益、月累积收益、季累积收益、年累积收益、市场周累积收益、市场月累积收益、市场季累积收益、市场年累积收益

三板市场收益 日持有期收益、周持有期收益、月持有期收益、季持有期收益、年持有期收益、周累积收益、月累积收益、季累积收益、年累积收益

股票市值 日市值、月市值、年市值、市场日市值、市场月市值、市场年市值、证监会门类行业日市值、证监会门类行业月市值、证监会门类行业年市值、证监会次类行业日市值、

证监会次类行业月市值、证监会次类行业年市值

股票风险因子 个股日收益Beta_年度数据资本资产定价模型、日收益Beta-240天滚动、个股月收益Beta_时点前数据资本资产定价模型、月收益Beta-12个月滚动、月收益Beta-24个月滚动、月收益Beta-36个月滚动、行业组合日收益Beta_年度数据资本资产定价模型、日收益Beta-240天滚动、行业组合月收益Beta_时点前数据资本资产定价模型、月收益Beta-12个月滚动、月收益Beta-24个月滚动、月收益Beta-36个月滚动 波动率 日收益方差-移动平均、日波动率

估值指标 估值指标、估值指标-旧准则、日市盈率、月市盈率、季市盈率、年市盈率、市场日市盈率、市场月市盈率、市场季市盈率、市场年市盈率、证券风险评级 业绩预测 业绩预测 三因子模型 月度三因子数据、日三因子数据、Fama-Fremch股票组合日收益率、Fama-Fremch股票组合月收益率

权证 权证基本信息、权证创设及交易信息、权证行情、权证行情与创设、权证日收益、权证周收益、权证月收益、权证季收益、权证年收益、权证与基金持有人信息

财务报表 新准则非金融行业资产负债表、新准则非金融行业利润表、新准则非金融行业现金流量表、新准则金融行业资产负债表、新准则金融行业利润表、新准则金融行业现金流量表、新准则所有者权益变动表、旧准则非金融行业资产负债表、旧准则非金融行业利润和利润分配表、旧准则非金融行业现金流量表、旧准则金融行业资产负债表、旧准则金融行业利润和利润分配表、旧准则金融行业现金流量表、新准则单季利润表、新准则单季现金流量表、旧准则非金融行业单季利润表、旧准则非金融行业单季现金流量表、旧准则金融行业单季利润表、旧准则金融行业单季现金流量表、审计意见表、公司模型指标

财务指标 新准则财务指标、新准则单季财务指标、旧准则财务比率、旧准则单季财务指标、最新调整财务指标

财务报表附注 货币资金资产负债表附注、短期投资资产负债表附注、应收账款资产负债表附注、其他应收账款资产负债表附注、预付账款资产负债表附注、存货资产负债表附注、长期投资资产负债表附注、无形资产资产负债表附注、资产减值准备资产负债表附注、资产减值准备-旧准则资产负债表附注、短期借款资产负债表附注、应付账款资产负债表附注、预收账款资产负债表附注、应交税金资产负债表附注、其他应交款资产负债表附注、其他应付款资产负债表附注、预提费用资产负债表附注、一年内到期的长期借款资产负债表附注、长期借款资产负债表附注、预计负债资产负债表附注、资本公积资产负债表附注、盈余公积资产负债表附注、应付职工薪酬资产负债表附注、固定资产及折旧资产负债表附注、交易性金融资产资产负债表附注、持有至到期投资资产负债表附注、企业税项利润表附注、财务费用利润表附注、投资收益利润表附注、补贴收入利润表附注入、营业外收入利润表附注、营业外支出利润表附注 股东权益 股东权益表、股东权益调节表

相关文档
最新文档