假设给出某股某段行情K线（单位/日），从任何其他股票历史中匹配出与之最为相似的某段历史K线，并给出相似度值（单位/%），并以此排序，获取最为相似的N个结果。

我们可以使用k线的距离以及股票日回报的相关性来衡量k线相似度，使用Tushare提供的沪深股票2008年到2017年的日线行情数据来做实验。如何把Tushare数据导入到DolphinDB可以参考教程如何使用DolphinDB处理Tushare金融数据。

Tushare提供的沪深股票日线行情数据包含以下字段：

名称	描述
ts_code	股票代码
trade_date	交易日期
open	开盘价
high	最高价
low	最低价
close	收盘价
pre_close	昨收价
change	涨跌额
pct_change	涨跌幅
vol	成交量（手）
amount	成交额（千元）

下面将以漫步者（股票代码为002351.SZ）为例，介绍如何在历史数据中，找出与漫步者2016年9月1日到2016年9月30日最为相似的10段历史k线。

首先，把漫步者2016年9月1日到2016年9月30日的日线行情数据加载到内存。
把股票数据加载到内存中。
1.使用k线的距离衡量相似度

两段k线之间的距离可以用股票日回报的差的平方和来计算。距离越小表示k线的相似度越高。上面代码使用的moving是DolphinDB的模板函数，表示在大小为num，边界为beginDate和endDate的滚动窗口中计算两段k线之间的距离。square_sum{edifier.pct_change}是DolphinDB中的部分应用，用于固定函数的部分参数。找出与漫步者2016年9月1日到2016年9月30日最为相似的10段历史k线。定义一个函数getReturn，取出相似股票在beginDate和endDate之间的日回报。把每只相似股票的日回报数据保存到同一个回报矩阵中，每列表示一只股票在相应时间段中的日回报，并使用图表展示。上面的代码通过each模板函数取出最相似的10只股票的日回报，并以股票代码来命名每一列。
使用最短k线距离计算出来的股票包含当升科技（30073.SZ）、文山电力（600995.SH）、厦门钨业（600549.SH）、上电股份（600627.SH）、红星发展（600367.SH）、通化东宝（600867.SH）、川大智胜（002253.SZ）、蓝帆医疗（002382.SZ）、兴源环境（300266.SZ）和曲江文旅（600706.SH）。

2.使用股票日回报相关性衡量相似度
股票日回报的相关性是衡量k线相似度很好的指标。
找出与漫步者2016年9月1日到2016年9月30日最为相似的10段历史k线。同样地，把相似股票的日回报数据保存到回报矩阵中。
使用股票日回报相关性计算出来的股票包含红星发展（600367.SH）、厦门钨业（600549.SH）、当升科技（300073.SZ）、信立泰（002294.SZ）、文山电力（600995.SH）、扬农化工（600486.SH）、蓝帆医疗（002382.SZ）、川大智胜（002253.SZ）、凯迪生态（000939.SZ）和上电股份（600627.SH）。

3.性能分析
我们使用的是沪深股票2008年到2017年的日线行情数据，共530万的数据。使用第一种方法仅需7秒，使用第二种方法仅需3秒，性能极佳。

欢迎访问官网下载DolphinDB