在时序数据的处理中经常需要使用窗口计算。在DolphinDB中，窗口计算不仅可以应用于全量的历史数据计算，还能应用于增量的流计算。窗口函数既可应用于SQL（处理表中的列），也可应用于面板数据（处理矩阵中的列）。
与其它系统相比，除了拥有显著的性能优势，DolphinDB的窗口计算在使用上也更加灵活——自定义、内置函数可直接用于窗口计算，而且可以多个函数嵌套使用，能够简便地实现各种复杂逻辑，使数据分析步骤更简洁，效率更高。
以下方复杂因子为例，该因子由各种滑动窗口函数层层嵌套组成，计算量庞大，复杂程度高。DolphinDB通过其精心设计的底层计算架构、经优化的函数、以及向量化编程方式，将原本在Python中需要200余行的代码，减少到了50余行，计算速度（性能）提升了3000倍以上。
RANK(DECAYLINEAR(DELTA(CLOSE, 3), 20))
+TSRANK(DECAYLINEAR(TSRANK(CORR(TSRANK(CLOSE, 8), TSRANK(SMA(CLOSE, 70), 37), 15), 29), 26), 27
复制代码通过下方链接，大家可以快速了解如何通过DolphinDB实现复杂因子的高效计算。👇👇
作者：DolphinDB
链接：https://juejin.cn/post/7094438317285965832
