数据结构和样例数据：

其中 sid 是股票代码，tdate 是交易日期，close 是收盘价。

1. 计算每日收盘价的 12 日 EMA

某支股票上市第 1 天的 n 日 EMA 为当日收盘价。

n 日 EMA=(前一日的 n 日 EMA*(n-1)+ 当日收盘价 *2)/(n+1)。

n 为 12 时称为 12 日 EMA，简写为 e12。

现在要计算股票 600036 每个交易日的 12 日 EMA，

写出 SQL 语句：

with recursive tbl as (
    select tdate, close, row_number() over(order by tdate) rn
    from stktrade where sid='600036'),
tbl2 as (
    select tdate,close, cast(close as decimal(22,16)) e12, rn 
    from tbl where rn=1
    union all
    select t1.tdate, t1.close, (t1.close*2+t2.e12*11)/13, t1.rn
    from tbl t1 join tbl2 t2 on t1.rn-1=t2.rn
)
    select * from tbl2;

每日 e12 都要基于上一日的 e12 来计算，SQL 先使用窗口函数人为造出序号，再用递归方式计算，理解、编写以及调试的过程都很困难。

更符合自然思维的解题步骤是这样：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。增加一个计算列 e12，除第一条记录 e12 等于 close 外，循环用每条记录的收盘价和上一条记录的 e12 计算得出当前行的 e12，即可得到下面的表：

当所有记录都遍历过后，就得到期望的结果了。

可是，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。

SPL 有和常规程序语言一样的过程式计算能力，可以轻松实现上述思路：

	A
1	=T("stock.csv").select(sid==600036).sort(tdate)
2	=A1.derive(if(#==1,close,(2*close+11*e12[-1])/13):e12)

A1 从 csv 文件中读入股票数据，过滤出代码为 600036 的股票数据，按照交易日期排序。

A2 就是实现上面讲过的思路，计算出 e12 列。这里 derive 是循环函数，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，表达式中的 e12[-1] 就是上一行的计算得到的 e12 值。# 是循环计算中当前行的次序号。

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：

2. 计算 MACD 指标

MACD 是股票分析中常见的趋势指标，相关计算公式如下 ：

快线 12 日 EMA=(前一日 EMA*11+ 今日收盘价 *2)/13

慢线 26 日 EMA=(前一日 EMA*25+ 今日收盘价 *2)/27

离差 DIFF = 今日 12 日 EMA- 今日 26 日 EMA

离差均线 DEA = (前一日 DEA*8+ 今日 DIFF*2)/10

MACD = 2*(DIFF-DEA)

现在要计算 600036 股票每个交易日的 MACD 指标。

写出 SQL:

with recursive tbl as(
    select tdate, close, row_number() over(order by tdate) rn
    from stktrade where sid='600036'
),
tbl2 as(
    select tdate,close, cast(close as decimal(22,16)) e12, 
        cast(close as decimal(22,16)) e26, rn 
    from  tbl where rn=1
    union all
    select t1.tdate, t1.close, (t1.close*2+t2.e12*11)/13, 
	    (t1.close*2+t2.e26*25)/27, t1.rn
    from tbl t1 join tbl2 t2 on t1.rn-1=t2.rn
),
tbl3 as (
    select tdate,close,e12, e26, e12-e26 diff,rn
    from tbl2
),
tbl4 as (
    select tdate,close,e12,e26, diff,diff dea,rn
    from tbl3 where rn=1
    union all
    select t3.tdate, t3.close, t3.e12, t3.e26, t3.diff, (t3.diff*2+t4.dea*8)/10, t3.rn
    from tbl3 t3 join tbl4 t4 on t3.rn-1=t4.rn
)
    select tdate,close,e12,e26,diff,dea,2*(diff-dea) macd
    from tbl4;

前面代码理解后，增加这些公式的计算并不难，但代码显得更繁琐了，而且 DEA 还要再次使用递归计算。

SPL 继续自然思路，只要在上个任务的 derive 函数中增加一些表达式并再多做一步 derive 就可以了：

	A
1	=T("stock.csv").select(sid==600036).sort(tdate)
2	=A1.derive(if(#==1,close,(2*close+11*e12[-1])/13):e12,if(#==1,close,(2*close+25*e26[-1])/27):e26)
3	=A2.derive(e12-e26:diff, if(#==1,diff,(2*diff+8*dea[-1])/10):dea, 2*(diff-dea):macd)

代码复杂度几乎没有变化，还是很简单易懂。

3. 查找金叉与死叉

某交易日的前一日 DIFF 小于 DEA，后一日 DIFF 大于 DEA，则这个交易日称为金叉。

某交易日的前一日 DIFF 大于 DEA，后一日 DIFF 小于 DEA，则这个交易日称为死叉。

下图中 2 的位置是金叉，1 的位置是死叉：

现在要查出 600036 股票所有的金叉与死叉交易日。

SQL：

with recursive tbl as (
    select tdate, close, row_number() over(order by tdate) rn
    from stktrade
    where sid='600036'
),
tbl2 as (
    select tdate,close, cast(close as decimal(22,16)) e12, 
        cast(close as decimal(22,16)) e26, rn 
    from  tbl where rn=1
    union all
    select t1.tdate, t1.close, (t1.close*2+t2.e12*11)/13, 
        (t1.close*2+t2.e26*25)/27, t1.rn
    from tbl t1 join tbl2 t2 on t1.rn-1=t2.rn
),
tbl3 as (
    select tdate,close,e12, e26, e12-e26 diff,rn
    from tbl2
),
tbl4 as (
    select tdate,close,e12,e26, diff,diff dea,rn
    from tbl3 where rn=1
    union all
    select t3.tdate, t3.close, t3.e12, t3.e26, t3.diff, (t3.diff*2+t4.dea*8)/10, t3.rn
    from tbl3 t3 join tbl4 t4 on t3.rn-1=t4.rn
),
tbl5 as (
    select tdate,close,e12,e26,diff,dea,2*(diff-dea) macd,
        case when rn=1 then 0 
             when lag(diff) over(order by rn)<lag(dea) over(order by rn) and diff>dea then 1
             when lag(diff) over(order by rn)>lag(dea) over(order by rn) and diff<dea then -1
        else 0 end `cross`
    from tbl4
)
    select * from tbl5 where `cross`<>0;

又增加了一层子查询，还要增加窗口函数，代码变得更长、更繁琐。

上个任务的 SPL 代码已经得到 DIFF 和 DEA，现在只要再多一步即可计算出金叉死叉：

	A
1	=T("stock.csv").select(sid==600036).sort(tdate)
2	=A1.derive(if(#==1,close,(2*close+11*e12[-1])/13):e12,if(#==1,close,(2*close+25*e26[-1])/27):e26)
3	=A2.derive(e12-e26:diff, if(#==1,diff,(2*diff+8*dea[-1])/10):dea, 2*(diff-dea):macd)
4	=A3.derive(if(diff[-1]<dea[-1]&&diff>dea:1,diff[-1]>dea[-1]&&diff<dea:-1;0):cross)
5	=A4.select@a(cross!=0)

A4 在 A3 的步骤之后再进行一次循环计算得到金叉死叉标志 cross，思路清晰。

A5 用 select@a 函数，得到所有符合 cross!=0 条件的结果，也就是所有的金叉和死叉。

4. 查找 MACD 顶背离

将股票数据按照交易日顺序划分成不同区间，如果后面区间的收盘价（或其他指标）最大值大于前面相邻区间最大值，称为收盘价（或其他指标）创新高。如果小于，则称为没有创新高。

MACD 顶背离是指相邻的两个金叉到死叉区间收盘价创新高，但 DIFF 没有创新高：

上图中箭头处，股票价格还在持续上升，但 macd 指标背离式走低，出现顶背离。

现在要查找股票 600036，所有 MACD 顶背离的两个区间中，第一个区间的最后一条记录。

SQL 实在过于复杂，不再尝试了。

SPL 上个任务已经计算出金叉和死叉的位置序号了。在此基础上，继续查找金叉到死叉的区间位置。然后再判断相邻两个区间的收盘价和 DIFF 是否创新高：

	A
1	=T("stock.csv").select(sid==600036).sort(tdate)
2	=A1.derive(if(#==1,close,(2*close+11*e12[-1])/13):e12,if(#==1,close,(2*close+25*e26[-1])/27):e26)
3	=A2.derive(e12-e26:diff, if(#==1,diff,(2*diff+8*dea[-1])/10):dea, 2*(diff-dea):macd)
4	=A3.derive(if(diff[-1]<dea[-1]&&diff>dea:1,diff[-1]>dea[-1]&&diff<dea:-1;0):cross,0:topdev)
5	=A4.pselect@a(cross==1)
6	=A5.(A4.to(A5.~, A4.pselect(cross==-1,A5.~)))
7	>A6.run(if(#>1&&~[-1].max(close)<~.max(close)&&~[-1].max(diff)>~.max(diff),~.m(-1).topdev=1))
	=A4.select(topdev==1)

A4 准备一个值为 0 的计算列 topdev，用于标记目标记录。

A5 查出所有金叉的位置序号，SPL 有丰富的位置运算能力，过滤时不仅可以返回满足条件的成员，还可以返回这些成员的位置。

A6：对 A5 中的金叉位置序号循环。A4.pselect(cross==-1,A5.~) 会得到该金叉之后的第一个死叉的位置。这样 A6 计算结果就是所有金叉到死叉区间：

双击结果中的成员，可以查看详细情况。比如第五个成员：

可以看到这是金叉（cross 为 1）到死叉（cross 为 -1）的区间。

A7：循环 A6，找出符合 MACD 线背离条件的相邻区间，并把其中第一个区间最后一条记录的 topdev 值赋值为 1。

A6 的成员是 A4 序表的排列，并没有产生新的序表，所以 A7 实际上是把 A4 序表目标记录的 topdev 赋值为 1。

A8 过滤 A4，得到期望的结果。