经典sql题(三)查找股票价格波峰波谷

了解价格的波动情况对市场决策至关重要,本文通过 SQL 查询,演示如何从一个价格数据表中提取价格波动信息,识别出波峰和波谷。我们假设有一个名为 test 的表,包含每个时间点的价格数据。

示例数据

假设我们的 test 表有以下数据:

id ds price
1 2023-10-01 08:00:00 100
1 2023-10-01 09:00:00 110
1 2023-10-02 10:00:00 105
1 2023-10-03 11:00:00 115
2 2023-10-01 10:00:00 200
2 2023-10-02 12:00:00 190
2 2023-10-03 14:00:00 195
2 2023-10-04 15:00:00 210
3 2023-10-01 16:00:00 300

查询步骤

第一步:计算前后价格

我们将使用窗口函数 LAGLEAD 来获取每个价格点的前后价格。

sql 复制代码
SELECT 
    id,
    ds,
    price,
    LAG(price, 1) OVER (PARTITION BY id ORDER BY ds) AS lag_price,
    LEAD(price, 1) OVER (PARTITION BY id ORDER BY ds) AS lead_price
FROM 
    test;

结果(中间表):

id ds price lag_price lead_price
1 2023-10-01 08:00:00 100 NULL 110
1 2023-10-01 09:00:00 110 100 105
1 2023-10-02 10:00:00 105 110 115
1 2023-10-03 11:00:00 115 105 NULL
2 2023-10-01 10:00:00 200 NULL 190
2 2023-10-02 12:00:00 190 200 195
2 2023-10-03 14:00:00 195 190 210
2 2023-10-04 15:00:00 210 195 NULL
3 2023-10-01 16:00:00 300 NULL NULL
第二步:识别波峰与波谷

在获取前后价格的基础上,我们接着使用 CASE 语句来标记波峰和波谷。

sql 复制代码
SELECT 
    id,
    ds,
    price,
    CASE 
        WHEN price > lag_price AND price > lead_price THEN '波峰'
        WHEN price < lag_price AND price < lead_price THEN '波谷'
        ELSE '无'
    END AS price_type
FROM (
    SELECT 
        id,
        ds,
        price,
        LAG(price, 1) OVER (PARTITION BY id ORDER BY ds) AS lag_price,
        LEAD(price, 1) OVER (PARTITION BY id ORDER BY ds) AS lead_price
    FROM 
        test
) AS subquery;

结果(最终结果):

id ds price price_type
1 2023-10-01 08:00:00 100
1 2023-10-01 09:00:00 110 波峰
1 2023-10-02 10:00:00 105 波谷
1 2023-10-03 11:00:00 115
2 2023-10-01 10:00:00 200
2 2023-10-02 12:00:00 190 波谷
2 2023-10-03 14:00:00 195
2 2023-10-04 15:00:00 210
3 2023-10-01 16:00:00 300

完整步骤解析

  1. 计算前后价格

    • 使用 LAGLEAD 函数,基于每个 id 的时间顺序提取前后价格。
  2. 识别波峰与波谷

    • 使用 CASE 语句判断当前价格的波动状态,标记为"波峰"、"波谷"或"无"。
相关推荐
寻道模式1 分钟前
【时间之外】私有化部署AI的3个优点和3个缺点
大数据·人工智能·ollama·私有化·genericagent
郑寿昌4 分钟前
2026脑机接口与大模型融合架构解析
大数据·人工智能·架构
malog_7 分钟前
Milvus向量数据库:AI时代的搜索革命
数据库·人工智能·后端·milvus
涤生大数据9 分钟前
大数据面试高频题:row_number() 数据倾斜到底怎么解决?
java·大数据·面试
lizhihai_9914 分钟前
股市学习心得-技术指标学习(布林线+MACD)
大数据·人工智能·学习
胡耀超19 分钟前
《设计数据密集型应用》(DDIA, 2nd ed.) 心智模型导览——《Designing Data-Intensive Applications》书介绍导航
大数据·数据库·分布式·ai·架构·数据
一个数据大开发26 分钟前
数据中台架构中本体驱动的语义治理实践
大数据·架构
ai安歌26 分钟前
鸿蒙PC:Qt适配OpenHarmony实战【人名录】:单机联系人卡片,不读系统通讯录也能演示详情联动
数据库·qt·harmonyos
夏贰四27 分钟前
数据库管理有哪些核心要点?数据库管理该如何规范落地?
大数据·数据库·数据库管理·数据库管理员
彦为君33 分钟前
JavaSE-11-ByteBuffer(NIO核心组件)
java·开发语言·前端·数据库·后端·spring·nio