如何在DolphinDB SQL中计算依赖前序结果的持仓状态？

问题背景 #

有一张分钟级股票观测数据表，包含核心字段：

• ov95：突破95%压力位信号（取值0或1）
• ov70：突破70%压力位信号（取值0或1）

需要按以下规则计算持仓状态列position：

• 初始持仓状态为0（无持仓）
• 当前持仓为0且ov95=1时，持仓变为1（开仓）
• 当前持仓为1且ov70=0时，持仓变为0（平仓）
• 其他情况保持前一行持仓状态

核心难点在于持仓状态是链式依赖：每行的计算结果依赖于前一行的持仓值，普通CASE WHEN语句无法实现这种逻辑。

解决方案：使用DolphinDB cumulate 函数实现 #

DolphinDB提供的cumulate函数可以处理这种逐行状态累积的场景，结合自定义状态转换函数，无需循环即可完成计算。

步骤1：创建示例数据表 #

t = table(
    timestamp(2022.06.01T09:45:03 2022.06.01T09:45:06 2022.06.01T09:45:09 2022.06.01T09:45:12 2022.06.01T09:45:15 2022.06.01T09:45:18 2022.06.01T09:45:21 2022.06.01T09:45:24 2022.06.01T09:45:27) as Timestamp,
    `000717 as StockCode,
    [1,1,1,0,0,0,0,0,0] as ov95,
    [0,0,0,0,0,0,1,1,1] as ov70
)

步骤2：定义状态转换函数 #

该函数接收上一行的持仓状态、当前行的ov95和ov70，返回新的持仓状态：

def updatePosition(prevPos, ov95, ov70) {
    if (prevPos == 0 && ov95 == 1) {
        return 1
    } else if (prevPos == 1 && ov70 == 0) {
        return 0
    } else {
        return prevPos
    }
}

步骤3：计算持仓状态 #

使用cumulate结合context by（多股票场景下按股票分组计算）生成持仓列：

result = select *, cumulate(updatePosition, 0, ov95, ov70) as position from t context by StockCode

结果验证 #

执行后result表的position列与预期完全一致：

方案优势 #

• 纯SQL实现，无需编写循环逻辑，代码简洁易维护
• 基于DolphinDB的向量运算优化，大数据量下性能远高于Python/Java循环实现
• 支持多股票分组计算，适配实际业务场景

内容的提问来源于stack exchange，提问作者Polly