本文讨论股票连涨问题，为了避免歧义，这里约定：股票连涨天数包括起始的 1 天，比如连涨 5 天意味着这 5 天内股票都在上涨，实际上只有从第 2 天开始的 4 次上涨。

数据结构和样例数据：

其中 CODE 是股票代码，DT 是交易日期，CL 是收盘价。

1. 某支股票最长连涨天数

以代码是 100046 的股票为例，写出 SQL 语句：

select max(ContinuousDays)
from (
    select count(*) ContinuousDays
    from (
        select sum(UpDownTag) over (order by DT) NoRisingDays
        from (
            select DT,
                case when CL>lag(CL) over ( order by DT) then 0 
                else 1 end UpDownTag
            from Stock
            where CODE=100046))
    group by NoRisingDays )

这个语句使用窗口函数后仍然有多层嵌套，读懂都很困难，编写、调试的过程就更困难了。

其实，这个问题并不难，容易想出符合自然思维的解题步骤：将该股票的数据按日期排序，上一条记录就是上一个交易日的数据。再准备一个变量存储连涨天数，初值为 1。用每条记录的收盘价和上一条记录的收盘价比较，如果涨了则将该变量加 1，未涨则将其重置为 1。我们把每条记录对应的这个变量值记入一个新的 UP 列中，即可得到下面的表：

当所有记录都遍历过后，UP 列的最大值就是最长的连涨天数。

但 SQL 对过程式计算的支持力度太弱，不用存储过程很难实现这个思路。上面那句 SQL 实际上是换了一种方法：累计从初始日期到当日的未上涨天数。对于连续上涨的交易日，对应的累计未上涨天数都相同。那么按这个累计未上涨天数分组就能得到一些连续上涨的区间，再求分组计数的最大值，即可得到结果。

这个方法的关键在于把数据分组，每个组都是连涨的日期区间，但 SQL 没有直接提供有序分组，只能借助累计未上涨天数将有序分组转换成普通的等值分组，整个过程非常绕。判断上涨和计算累计值都需要窗口函数配合子查询才能实现，结果就是两个窗口函数且嵌套四层的情况，代码难写难懂。

SPL 有和常规程序语言一样的过程式计算能力，可以轻松实现前面讲的自然思路。SPL 特有的循环函数还可以避免编写多句循环结构代码：

	A	B
1	=T("StockRecords.xlsx")	=A1.select(CODE==100046)
2	=B1.sort(DT)	=1
3	=A2.derive(B2=if(CL>CL[-1],B2+1,1):UP)
4	=A3.max(UP)

A1 从 excel 文件中读入股票数据。SPL 的 IDE 有很好的交互性，可以单步执行并随时在右边的面板中直观地查看到每一步的结果：

B1 过滤出代码为 100046 的股票数据，A2 按照交易日期排序，B2 用作前面说的变量，初值是 1。

A3 就是实现上面讲过的思路，计算出 UP 列。这里 derive 就是一个循环函数，直接针对集合实施循环处理，不必再写 for…next 这样的多条语句块。SPL 在循环函数中支持跨行引用，简单用 CL>CL[-1] 就可以判断出是否上涨，其中 CL[-1] 就是上一行的收盘价。

A4 计算 UP 的最大值，得到最长连涨的天数。

熟悉 SPL 编程后，可以把关键计算逻辑写到一起，省略生成 UP 列：

	A
1	=1
2	=T("StockRecords.xlsx").select(CODE==100046)
3	=A2.sort(DT).max(A1=if(CL>CL[-1],A1+1,1))

SPL 还有很强的有序计算能力，即使实现前面那句 SQL 的思路也更简单：

	A	B
1	=T("StockRecords.xlsx")	=A1.select(CODE==100046)
2	=B1.sort(DT)
3	=A2.group@i(CL<=CL[-1])
4	=A3.max(~.len())

A3 中 group@i 是 SPL 特有的有序分组函数，它会在参数表达式 CL<=CL[-1] 为真时，也就是股票没有涨价的情况下，产生新的分组。可以利用日期的有序性，直接把连续上涨的记录分到同一组，避免了像 SQL 那样先算累计值，再用累计值等值分组来凑出有序分组的复杂计算。

类似地，光标落在 A3 时，可以在右边面板中看到其计算结果：

其中的成员是连涨记录构成的分组子集，比如第三个成员，双击可以查看详细情况：

A4 中计算各组的长度，求最大值即可得到最长连涨的天数，不需要用临时变量来计数了。

这些代码中的关键逻辑也可以拼成一句：

	A
1	=T("StockRecords.xlsx").select(CODE==100046).sort(DT)
2	=A1.group@i(CL<=CL[-1]).max(~.len())

2. 某支股票最长连涨区间的起止日期

从统计连涨区间的天数改成返回区间的起止日期，看起来仅仅多了一步，但 SQL 会麻烦很多，要先计算最长连涨的天数，再找对应的起止日期：

with t1 as (
    select DT, CL, 
	    case when CL>lag(CL) over(order by DT) then 0 else 1 end UpDownTag
    from stock
    where sid='100046'),
t2 as (
    select DT, CL, sum(UpDownTag) over(order by DT) NoRisingDays
    from t1),
t3 as (
    select NoRisingDays, count(*) ContinuousDays 
    from t2 group by NoRisingDays),
t4 as (
    select * 
    from t2
    where NoRisingDays in (
	    select NoRisingDays
	    from t3
	    where ContinuousDays =(select max(ContinuousDays) from t3)
    ))
select min(DT) start, max(DT) end
from t4
group by NoRisingDays;

因为要复用其中的子查询，不适合再写成嵌套结构，这里改用 CTE 语法写出，代码更长了。

SQL 分组时必须强制聚合，不能保留分组子集，汇总出最长的连涨天数后，还要再重新查询出对应的明细数据，从而得到起止日期，以至于代码变得更复杂也更难懂。

SPL 能保持分组子集，在上个问题基础上简单增补就可以了：

	A
1	=T("StockRecords.xlsx").select(CODE==100046).sort(DT)
2	=A1.group@i(CL<CL[-1]).maxp@a(~.len())
3	=A2.new(~(1).DT:start,~.m(-1).DT:end)

A2 用 maxp@a 代替原来的 max，计算出所有最长连涨区间。maxp 会返回取到最大值的成员而不是最大值本身，这也是 SPL 特有而 SQL 没有的聚合函数，@a 表示如果有多个成员都能取到最大值则全部返回，SPL 到处都能体现出集合特征。

A3 用 new 生成目标结果集，其中 ~.m(1) 和 ~.m(-1) 分别取其中集合的第一个和最后一个成员，SPL 的集合都有序，可以用位置访问。

3. 找出最长连涨天数超过 5 天的股票

比任务 1 多了一步，先计算出每支股票的最长连涨天数再过滤。用 SQL 要在窗口函数中增加分区字段 CODE：

select CODE, max(ContinuousDays) as longestUpDays
from (
    select CODE, count(*) as ContinuousDays
    from (
        select CODE, DT, 
            sum(UpDownTag) over (partition by CODE order by CODE, DT) as NoRisingDays
        from (
            select CODE, DT, 
                case when CL > lag(CL) over (partition by CODE order by CODE, DT)  then 0
                else 1 end as UpDownTag
            from stock
        )
    )
    group by CODE, NoRisingDays
)
group by CODE
having max(ContinuousDays)>5

前面代码理解后，增加这一步倒不是很难，但代码显得更繁琐了。

SPL 可以保持分组子集而不必强制在分组时聚合，只要将数据按股票代码分组后，对每组执行前面的动作就可以了：

	A
1	=T("StockRecords.xlsx").sort(DT)
2	=A1.group(CODE;~.group@i(CL<=CL[-1]).max(~.len()):max_increase_days)
3	=A2.select(max_increase_days>5)

A2 按照股票代码分组，然后对每个分组子集执行前面讲过的算法，计算出这支股票连涨天数。A2 中第一个 ~ 是按 CODE 分组的子集，第二个 ~ 则是 group@i 有序分组的子集。

A3 过滤出最长连涨天数大于 5 的记录。

4. 找出所有连涨超过 5 天的区间

SQL 分组时必须强制聚合，不能保留分组子集，找到连涨 5 天的股票后，要和任务 2 重新查询出这些股票的交易数据，代码太复杂也更难懂，这里就不再写了。

SPL 能保持分组子集，很容易解决这个问题：

	A
1	=T("StockRecords.xlsx").sort(CODE,DT)
2	=A1.group@i(CODE!=CODE[-1] || CL<=CL[-1])
3	=A3.select(~.len()>5).conj()

A2 分组条件的意思是股票代码和上一条不同或价格不涨时分新组。CODE[-1] 和 CL[-1] 类似，表示上一条记录的股票代码。由于数据整体上是对 CODE 有序的，这样可以保证不同的股票不会分到同一组。

A2 只做分组，不做聚合，保留了分组子集：

双击其中的成员，可以看到一次连涨区间内的所有记录。比如第 4 个成员：

A3 过滤出长度大于 5 的分组，再将这些分组子集合并起来，就得到了期望的结果。