Nse Stock Option Trading Software

Perangkat Lunak Analisis dan Perdagangan Livevol Pro - Options Dirancang oleh beberapa pedagang industri pilihan yang paling sukses, Livevol Pro dibangun sebagai standar baru dalam opsi perdagangan di ujung depan. Livevol Pro terstruktur seputar proses pengambilan keputusan dunia nyata para pedagang dan pembuat pasar dengan karir perdagangan jangka panjang yang menguntungkan. Berbagai data, perhitungan, peringatan, dan visualisasi yang diperlukan untuk menjalankan perdagangan yang sukses dijalin secara mulus ke dalam satu alat berbasis web tanpa download atau pemasangan yang dibutuhkan. Hasilnya adalah sebuah aplikasi yang membuat trader berada di garis depan pasar dan menyediakan segala sesuatu yang dibutuhkan untuk segera menganalisis peluang trading baru. Data Futures Real-Time VIX sekarang tersedia. Livevol Pro tersedia sebagai platform berbasis web seharga 300 per bulan. Dengan potongan harga yang tersedia berdasarkan jumlah langganan bulanan (lihat jadwal tingkat harga yang lengkap di bawah ini). Selain itu, harga diskon 250 per bulan tersedia untuk klien dengan komitmen satu tahun. Market: Option Trade Tracker, Volume by Exchange, Bagan Samper 500 Statistik Chart: Aliran Pemesanan, Perdagangan Terbesar Hari, Volume oleh Exch, Premi Neto, OTM, Pada OfferBid, Panggilan: Letakkan Grafik: Chart Vol Lanjutan (IV30trade, 60,90,180,360 HV30trade , 10,20,60,90,180,360), Pilihan Teknis: Interaktif Montage, Vol, Hist. Vol oleh Line, OI, Hist. OI, Trades, Level II, Volume by Line Skew: 3D Patent Pending Skew Chart dengan 2 Tahun Pemutaran Fundamental: Business amp Ikhtisar Keuangan, Umum, Ukuran Penghasilan, Data Per Share, Rasio Waktu O Penjualan: Dengan saham, strike, size, exchange , Opsi, yang mendasari, 2 tahun sejarah Penghasilan amp Dividen: Melacak ATM Vol, Stradel ATM, Harga yang mendasari melalui siklus pendapatan Kalender: Penghasilan dan Tanggal Dividen untuk Daftar Tontonan atau Semua Tontonan: Peringatan volatilitas, Peringatan harga Vol Analytics, Notes, Custom folders Ticker: Market Block Trades Sektor: Secara sektoral, empat panggilan tertutup teratas (diurutkan berdasarkan diam diam), alert volatilitas dan panggilan dan menempatkan peringatan volume pada saham SP 500 Pro Scanner: Real-time Scanning Underlying Scans Earnings: Laba PrePost Vol, PrePost Perubahan Harga Laba Tersirat Vol: Naik, Turun, Meledak, Imploding IV vs HV: 30, 60, 90 hari comps Arus Pemesanan: Sentimen ISE, Call: Put Ratio, Net Premium, Delta Bersih, Penawaran OTTA, Isu Aktif, Minat Terbuka Harga: Gainer S, Losers Time Spreads: Bulan 1, Bulan 2, Bulan 3 dan beberapa permutasi Strategi Pilihan Memindai Panggilan Terikat Kas Aman Meletakkan Besi Condors Pelindung Menempatkan Panggil Spread Vertikal Letakkan Spread Vertikal Tingkatkan pengalaman Livevol Pro Anda dengan mengalirkan data langsung ke Excel. Pelajari lebih lanjut 2015 copyChicago Board Options Exchange, Incorporated. Pilihan melibatkan risiko dan tidak sesuai untuk semua investor. Sebelum membeli atau menjual opsi, seseorang harus menerima salinan Characteristics and Risks of Standardised Options (ODD). Salinan ODD tersedia dari broker Anda, dengan menghubungi 1-888-OPTIONS, atau dari The Options Clearing Corporation, One North Wacker Drive, Suite 500, Chicago, Illinois 60606. Informasi di situs ini disediakan hanya untuk pendidikan umum dan Tujuan informasi dan oleh karena itu sebaiknya tidak dianggap lengkap, tepat, atau mutakhir. Banyak hal yang dibahas tunduk pada peraturan, peraturan, dan ketentuan perundang-undangan yang rinci yang harus dirujuk ke detail tambahan dan tunduk pada perubahan yang mungkin tidak tercermin dalam informasi situs web. Tidak ada pernyataan dalam situs web yang harus ditafsirkan sebagai rekomendasi untuk membeli atau menjual sekuriti atau memberikan saran investasi. Dimasukkannya iklan non-CBOE di situs web tidak boleh dianggap sebagai pengesahan atau indikasi nilai produk, layanan, atau situs web apa pun. Syarat dan Ketentuan mengatur penggunaan situs ini dan penggunaan situs web ini akan dianggap menerima Persyaratan dan Ketentuan tersebut. Situs web yang Anda pilih, Livevol Securities, adalah agen broker berlisensi. Livevol Securities dan Livevol terpisah tapi berafiliasi. Hubungan web antara kedua perusahaan bukanlah tawaran atau ajakan untuk memperdagangkan sekuritas atau opsi, yang bisa bersifat spekulatif dan melibatkan risiko. Jika Anda ingin pergi ke Livevol Securities, klik OK. Jika tidak, klik Cancel. NSE Mobile Trading system menyediakan suite aplikasi revolusioner yang menampilkan platform pemantauan perdagangan dan pasar yang komprehensif. Kami menawarkan penawaran streaming real time, dengan antarmuka sederhana dan user friendly untuk semua jenis pengguna. Ini memberikan kebebasan untuk memperdagangkan kerumitan gratis di mana saja dan kapan saja. User ID dan Password harus disediakan oleh Anggota Perdagangan terdaftar NSE Anda. Mohon hubungi 1800 266 0052 (Bebas Pulsa) untuk bantuan NSE,:. ,. . ID NSE , 1800 266 0052 () Paling aktif 10 sekuritas dan kontrak yang paling aktif diperdagangkan disajikan dalam urutan menurun keduanya. Kuantitas Diperdagangkan atau Nilai Perdagangan (dalam lakh). Kontrak selanjutnya dikategorikan berdasarkan Futures and Options, Call atau Puts and Indices and Underlying. Peta Pasar Peta Pasar adalah kumpulan mosaik cluster data berkode warna ubin yang membedakan kinerja masing-masing sektor dalam indeks. Ini memberikan keunggulan dalam mengidentifikasi isu-isu kritis, memahami tren yang sedang berkembang dan melihat kinerja pasar yang kompleks di berbagai tingkat secara komprehensif. TAME Charts TAME (Technical Analysis Made Easy) adalah teknik charting dan alat analisis untuk mengukur pergerakan pasar dengan bantuan indikator. TAME memberikan pengalaman menggembirakan dengan indikator built-in yang membuat analisis menjadi sederhana dan mudah. Pelajari pasar dengan alat kami untuk mengetahui lebih banyak tentang perdagangan dengan margin dan manajemen risiko di lingkungan virtual. Live Watch (NIFTY 50)

Moving Average Postgresql

Dalam database transaksi yang mencakup 1.000 entitas selama 18 bulan, saya ingin menjalankan kueri untuk mengelompokkan setiap periode 30 hari yang mungkin dengan entityid dengan SUM dari jumlah transaksi mereka dan COUNT transaksi mereka dalam periode 30 hari tersebut, Dan mengembalikan data dengan cara yang kemudian dapat kujawab melawan. Setelah banyak pengujian, kode ini menyelesaikan sebagian besar dari apa yang saya inginkan: Dan saya akan menggunakan kueri yang lebih besar untuk menyusun sesuatu seperti: Kasus yang tidak ditutup oleh query ini adalah ketika jumlah transaksi akan berlangsung beberapa bulan, namun tetap dalam 30 hari. Satu sama lain. Apakah jenis kueri ini mungkin dilakukan dengan Postgres Jika demikian, saya menyambut masukan apa pun. Banyak topik lain membahas agregat berjalan, tidak bergulir. Script CREATE TABLE: Output ideal mencakup SUM (jumlah) dan COUNT () dari semua transaksi selama periode 30 hari yang bergulir. Lihat gambar ini, misalnya: Penyorotan tanggal hijau menunjukkan apa yang disertakan oleh kueri saya. Penyorotan baris kuning menunjukkan catatan apa yang saya ingin menjadi bagian dari himpunan. Dengan setiap periode 30 hari yang mungkin oleh entityid, maksud Anda, periode dapat dimulai kapan saja, jadi 365 periode yang mungkin terjadi dalam tahun (non-lompatan) Atau apakah Anda hanya ingin mempertimbangkan hari dengan transaksi aktual sebagai awal periode secara individual untuk Entityid. Either way, tolong berikan definisi tabel Anda, versi Postgres, beberapa data sampel dan hasil yang diharapkan untuk sampel. Ndash Erwin Brandstetter 20 Jul pukul 7:18 Secara teori, saya bermaksud setiap hari, tapi dalam praktiknya tidak perlu memikirkan hari dimana tidak ada transaksi. Saya telah memposting data sampel dan definisi tabel. Ndash tufelkinder 20 Jul 15 at 14:50 Jadi Anda ingin mengumpulkan deretan entityid yang sama dalam jendela 30 hari yang dimulai pada setiap transaksi aktual. Mungkinkah ada banyak transaksi yang sama (transdate, entityid) atau kombinasi itu didefinisikan unik. Definisi tabel Anda tidak memiliki batasan UNIQUE atau PK, namun kendala sepertinya akan hilang. Ndash Erwin Brandstetter Jul 20 15 at 15:44 Permintaan yang Anda miliki Anda bisa menyederhanakan permintaan Anda menggunakan klausa WINDOW, tapi itu hanya memperpendek sintaksnya, tidak mengubah rencana kueri. Juga menggunakan hitungan sedikit lebih cepat (). Karena id pasti didefinisikan TIDAK NULL Dan Anda tidak perlu ORDER BY entityid karena Anda sudah PARTITION BY entityid Anda dapat menyederhanakannya lebih jauh, meskipun: Jangan menambahkan ORDER BY ke definisi jendela sama sekali, itu tidak relevan dengan kueri Anda. Maka Anda tidak perlu mendefinisikan bingkai jendela khusus, baik: Simpler, lebih cepat, tapi tetap saja versi yang lebih baik dari apa yang Anda miliki. Dengan bulan statis Permintaan yang mungkin Anda inginkan tidak didefinisikan dengan jelas, karena itulah, berdasarkan asumsi ini: hitunglah transaksi dan jumlah untuk setiap periode 30 hari dalam transaksi pertama dan terakhir dari setiap entitas. Kecualikan periode terdepan dan tertinggal tanpa aktivitas, namun mencakup semua kemungkinan periode 30 hari di dalam batas luar itu. Ini daftar semua periode 30 hari untuk setiap entityid dengan agregat Anda dan dengan transdate menjadi hari pertama (incl) pada periode tersebut. Untuk mendapatkan nilai bagi setiap baris individu, gabungkan ke tabel dasar sekali lagi. Kesulitan dasar adalah sama seperti yang dibahas di sini: Definisi bingkai jendela tidak dapat bergantung pada nilai baris saat ini. Permintaan yang sebenarnya Anda inginkan Setelah memperbarui dan mendiskusikan pertanyaan: Akumulasi baris entitas yang sama di jendela 30 hari yang dimulai pada setiap transaksi aktual. Karena data Anda terdistribusi jarang, sebaiknya lebih efisien menjalankan self-join dengan range condition. Semakin lama sejak Postgres 9.1 tidak memiliki LATERAL bergabung, namun: Jendela bergulir hanya bisa masuk akal (berkenaan dengan kinerja) dengan data hampir sepanjang hari. Ini tidak menggabungkan duplikat pada (transdate, entityid) per hari, namun semua baris pada hari yang sama selalu disertakan dalam jendela 30 hari. Untuk meja besar, indeks penutup seperti ini bisa membantu sedikit: Jumlah kolom terakhir hanya berguna jika Anda hanya memindai indeks saja. Lain menjatuhkannya Tapi itu tidak akan digunakan saat Anda memilih keseluruhan meja. Ini akan mendukung kueri untuk subset kecil. Beta Version Enodo Score menggunakan beragam API dan kemitraan berbagi data yang tersedia secara umum untuk sumber datanya. Data demografis dan ekonomi kami umumnya berasal dari Biro Sensus A. S., sementara data pasar apartemen kami terutama dikumpulkan dari sumber berbayar dan kemitraan berbagi data dengan para pemimpin industri. Kami berusaha keras untuk membersihkan, membakukan dan memformat data sebelum digunakan untuk analisis prediktif. Seiring perkembangan platform, sebagian besar data kami akan langsung berasal dari pengguna melalui upload langsung dan integrasi perangkat lunak manajemen properti, memastikan konsistensi dan akurasi informasi. Database Enodo Scores dirancang untuk mengumpulkan data operasi properti serta data tentang penggunaan platform itu sendiri, atau data meta, dari setiap pengguna. Data ini kemudian digunakan untuk melatih dan menyempurnakan algoritma prediktif kami. Kami tahu betapa pentingnya data bagi industri real estat Inilah sebabnya kami merancang platform kami untuk bekerja seperti CRM berbasis awan (misalnya Salesforce). Setiap data benar-benar aman dalam akun mereka sendiri. Kapan pun properti diunggah atau dianalisis oleh pengguna, salinan properti itu dibuat, dengan ID unik yang hanya dapat diakses dari akun pengguna tersebut. Untuk algoritma prediktif kami, data spesifik pengguna tunggal tidak penting. Data kolektif dan dianonimkan dari SEMUA pengguna adalah di mana nilai sebenarnya terletak, dan ini adalah data yang algoritma kami gunakan untuk terus meningkatkan prediksi dan membuat proyeksi pasar berwawasan ke depan. Tim Enodo Scores Data Science telah mampu mencapai lebih dari 93 prediksi sewa yang akurat sebagai fungsi alamat properti, jumlah kamar tidur, jumlah kamar mandi, rekaman unit persegi, fasilitas (dengan sekitar 200 fasilitas berbeda diperhitungkan secara nasional), dan single Vs tipe properti multifamily. Kami memastikan keakuratan ini dengan menguji prediksi kami mengenai data historis dan dengan memeriksa prediksi kami secara langsung dengan investor, pengembang dan pialang yang aktif di industri multifamily. Berdasarkan apa yang didengar dari pengguna yang tertarik, Enodo Score memiliki penerapan yang luas ke banyak segmen industri. Berikut adalah beberapa contohnya: Nilai tambah investor - Investor menyukai kesempatan untuk mengukur kenaikan sewa dari setiap kemudahan dalam investasi nilai tambah, dan dengan cepat menganalisis peluang baru. Rata-rata, analisis peluang investasi memerlukan sekitar 4,5 jam pengumpulan dan analisis informasi - kami mendidih proses itu sampai di bawah 10 menit. Pengembang - Kemampuan untuk menentukan pasar mana yang akan menunjukkan kinerja investasi terbaik, dan untuk menguji paket campuran dan paket produk yang berbeda di pasar tersebut, nampaknya merupakan aspek terpenting dari produk bagi pengembang. Pialang - Pialang penjualan investasi ingin bisa menganalisa strategi value-add, langsung menarik comps, dan membandingkan peluang secara obyektif dengan skor sederhana. Banyak yang mengindikasikan bahwa mereka ingin menggunakannya untuk mendukung asumsi investasi saat mereka mengumpulkan pendapat dan nilai dari para broker mengenai penawaran dan memorandum. Pemberi pinjaman - Banyak kreditur telah mendekati kami tentang penggunaan Skor Enodo dengan cara yang sama seperti skor FICO saat ini digunakan untuk mengukur risiko calon penyewa. Karena Skor Enodo mengkuantifikasi imbal hasil yang disesuaikan dengan risiko, kita pasti melihat potensi di pasar ini. Penilai - Penilai komersial sering menggunakan analisis regresi untuk menentukan dampak inkremental dari berbagai atribut bangunan, namun jarang dengan akurasi yang sebanding. Banyak yang menyatakan minatnya untuk menggunakan Enodo Score sebagai cara yang tepat untuk mendukung asumsi underwriting investasi mereka. Untuk mendapatkan Enodo Score, proyek perangkat lunak kami menyewakan, hunian, biaya operasional dan perkiraan nilai properti ke depan berdasarkan demografi masing-masing pasar, mendiskontokan arus kas masa depan untuk setiap properti yang kembali ke hari ini dengan tingkat hambatan yang disesuaikan dengan risiko untuk pasar, dan Kemudian membandingkan masing-masing propertys NPV secara per unit, memeringkatnya pada skala 1-100 relatif terhadap properti lainnya di pasar yang sama. Kami tahu apa yang Anda pikirkan - kedengarannya sangat mudah. Percaya atau tidak, sebenarnya cukup sulit untuk mendapatkan semua data yang diperlukan untuk melakukan ini secara terus menerus, belum lagi memproyeksikan nilai tersebut ke depan berdasarkan tren demografis dan makroekonomi. Enodo Score mencakup setiap pasar di seluruh Amerika Serikat. Apa yang ditemukan adalah bahwa ada cukup data untuk menerapkan algoritma prediktif di setiap pasar, namun kualitas dan kuantitas data yang tersedia di area metro utama menyebabkan akurasi prediksi yang lebih besar di pasar tersebut. Beberapa pasar memiliki data multifamily yang sangat kecil sehingga kita harus melihat pasar serupa lainnya untuk mendapatkan data yang cukup untuk membuat prediksi yang akurat. Untungnya bagi pelanggan kami, pasar dengan data yang sangat kecil cenderung menjadi pasar dimana perkembangan multifamily sangat sedikit terjadi. Sebagian besar analisis yang diselesaikan pada platform kemungkinan akan berada di area metro utama, di mana data berlimpah dan prediseons kami paling akurat. Di Pengembang Berita UIUX Kami mencari Pengembang UIUX dengan pengalaman 3-5 tahun untuk membantu mengembangkan platform analisis prediktif real estat kami, Enodo Score. Kandidat harus memiliki tingkat kemampuan yang tinggi dalam desain pengalaman pengguna antarmuka pengguna dan pengembangan web. Ini mencakup analisis bisnis, pengumpulan dan dokumentasi kebutuhan dari pemangku kepentingan bisnis dan pelanggan, pembuatan kerangka kawat, prototipe, dan koordinasi pengembangan produk dengan menggunakan metodologi tangkas antara pengembang backend, ilmuwan data, dan pakar industri real estat untuk memberikan empat rilis fitur produk dengan jadwal yang agresif. Sepanjang 2017. Tingkat perhatian yang luar biasa terhadap detail adalah suatu keharusan. Kandidat yang ideal akan mengetahui praktik terbaik, dapat mendokumentasikannya, dan dapat bekerja dengan tim yang dinamis untuk memastikan semua pengembangan UIUX dilakukan sesuai standar tersebut. Tanggung Jawab Menganalisis tantangan pengalaman pengguna dan menciptakan solusi desain yang sesuai dengan sasaran bisnis Menganalisis persyaratan data dan peraturan bisnis aplikasi dan persyaratan bisnis, memahami arus data dari sumber ke layar Membuat desain yang berpusat pada pengguna dengan mempertimbangkan analisis pasar, umpan balik pelanggan, dan temuan kegunaan Mengakui dan Memprediksi kasus penggunaan dan interaksi pengguna, dan merancang aplikasi intuitif untuk mendukungnya Arsitektur informasi dan rangka kawat, dan pembuatan prototip interaktif sejak dimulainya peluncuran fitur Asumsikan tanggung jawab keseluruhan untuk desain Antarmuka Pengguna, menggabungkan kegunaan, alur kerja komprehensif, menerapkan standar, menggunakan Berbagai alat untuk membuat antarmuka grafis untuk aplikasi berbasis web Bekerja secara langsung dengan pemangku kepentingan bisnis, pelanggan, perancang, pengembang, insinyur, dan ilmuwan data untuk mengkoordinasikan pembangunan aplikasi dengan spesifikasi dan tepat waktu Tetap up-to-speed pada tren UIUX, juga Sebagai perusahaan dan indust Ry standar Berpartisipasi dalam penelitian pengujian dan perancangan pengguna untuk mendapatkan wawasan tentang Persyaratan UIUX S1 di bidang sains komputer atau bidang terkait 3 tahun UI UX, desain grafis dan visual dalam konteks perusahaan atau agen Mampu mengambil umpan balik secara konstruktif dan iterasi pada desain dan Ide dari banyak pemangku kepentingan dengan pendapat yang berbeda Pemahaman dan pengalaman dalam proses desain yang berpusat pada pengguna Pemikir kreatif yang dapat secara efektif berinovasi gagasan besar dan juga menyelesaikan semua detail Semangat untuk memperjuangkan UX dan inovasi Merasakan desain yang bergerak melalui proses pengembangan yang tangkas Pengalaman wireframe dan prototyping Terampil menggunakan desain, wireframing, dan use case tools Kemampuan desain interaksi yang bagus Kemampuan untuk kode dengan cepat dan efisien dalam HTML, CSS, dan JavaScript Pengalaman masa lalu dengan Vue. js, Leaflet. js, D3.js dan perpustakaan visualisasi data lainnya Pengalaman dengan PythonDjango Adalah plus Kemampuan untuk berkomunikasi secara efektif dengan semua pemangku kepentingan yaitu Pengembang teknis, pemimpin bisnis, dan pengguna Portofolio yang menunjukkan kemampuan UI dan UX Anda dibutuhkan dengan aplikasi CloseFull-Stack Pengembang Python Enodo Score mencari pengembang Python, PostgreSQL dan HTMLCSSJavaScript penuh untuk bergabung dengan tim pengembangan produk lean yang bergerak cepat kami. Pada pengembangan lanjutan platform analisis prediktif real estat kami. Peran tersebut akan mencakup penyampaian fitur baru yang andal dan terukur bagi pengguna, yang dikembangkan dengan Python menggunakan kerangka kerja Web2Py dan Vue. js. Anda akan bekerja sama dengan tim pengembang untuk merancang dan memberikan kualitas, kualitas, dan fitur yang lengkap, tepat waktu. Tanggung Jawab Berkolaborasi dengan tim ilmuwan data interdisipliner, insinyur perangkat lunak dan profesional real estat untuk merancang, mengembangkan, menguji unit, dan mendukung fitur baru Upayakan kualitas tinggi dan hasil yang cepat melalui penggunaan praktik terbaik pengembangan perangkat lunak tangkas Penyesuaian, pengujian, refactoring, Kegunaan, dan otomasi Mendukung, memelihara, dan membantu mendokumentasikan fungsionalitas perangkat lunak Menjaga standar pengkodean, kepatuhan, dan keamanan Bekerja sama dengan pelanggan lain mengenai pengembangan perangkat lunak, perbaikan, alat internal, dan masalah implementasi Pemeliharaan dan dukungan teknis masa lalu dan masa depan yang akan datang Secara Proaktif Pelajari kerangka produk dan kode dasar Enodo Score adalah perusahaan startup, dan karena itu tanggung jawab yang diuraikan di atas dapat berubah dan berkembang dari waktu ke waktu. Fleksibilitas, keingintahuan, pola pikir kewirausahaan, dan etika kerja yang kuat sangat penting untuk peran ini. Hal ini didorong bahwa setiap orang di tim terus meneliti teknologi baru dan peluang analitis untuk memperbaiki platform. Platform kami dibangun dengan Python dan PostgreSQL, dan menggunakan framework Web2Py dan Vue. js. Setiap kode yang dikembangkan perlu di Python 2.7 dan kompatibel dengan basis kode yang ada. Persyaratan 3 tahun Python 2.7 dan CSSHTMLJavaScript pengalaman 2 tahun SQL, dengan pengalaman menggunakan PostgreSQL Gelar Sarjana Ilmu Komputer Magister Ilmu Komputer atau bidang terkait plus Pengalaman menggunakan GitHub dan pemahaman yang solid tentang kontrol versi perangkat lunak Pengalaman dengan kerangka kerja Python seperti Django atau Web2Py Pengalaman bekerja dengan perusahaan SaaS dengan pertumbuhan tinggi lebih disukai Agile, lean, atau sejenisnya. Metodologi pengalaman dengan pengalaman Microsoft Azure atau AWS plus dengan Vue. js atau kerangka kerja frontend lainnya Memahami Web Application Security (OWASP) Bermotivasi dan mampu bekerja dalam Tim kecil dengan pengawasan minimal Pengalaman dengan ilmu data dan analisis prediktif plus ClosePostgreSQL vs MS SQL Server 0. Apa ini semua tentang saya bekerja sebagai analis data di perusahaan jasa profesional global (yang sudah pasti Anda dengar). Saya telah melakukan ini selama sekitar satu dekade. Saya telah menghabiskan dekade itu untuk menangani data, perangkat lunak database, perangkat keras database, pengguna database, pemrogram database dan metode analisis data, jadi saya tahu sedikit tentang hal-hal ini. Saya sering berhubungan dengan orang-orang yang tahu sedikit tentang hal-hal ini ndash meskipun beberapa dari mereka tidak menyadarinya. Selama bertahun-tahun saya telah membahas masalah PostgreSQL vs MS SQL Server berkali-kali. Prinsip yang terkenal di IT mengatakan: jika Anda melakukannya lebih dari satu kali, otomatiskan itu. Dokumen ini adalah cara saya mengotomatisasi percakapan itu. Kecuali dinyatakan lain, saya mengacu pada PostgreSQL 9.3 dan MS SQL Server 2014, walaupun pengalaman saya dengan MS SQL Server adalah dengan versi 2008 R2 dan 2012 ndash demi keadilan dan relevansi Saya ingin membandingkan versi terbaru dari PostgreSQL sampai yang terbaru. Versi MS SQL Server Di mana saya telah membuat klaim tentang MS SQL Server, saya telah melakukan yang terbaik untuk memastikan penerapannya pada versi 2014 dengan berkonsultasi dengan dokumentasi Microsoft sendiri ndash walaupun, untuk alasan yang akan saya dapatkan. Saya juga harus sangat bergantung pada Google, Stack Overflow dan pengguna internet. Saya tahu itu tidak secara ilmiah sangat ketat untuk melakukan perbandingan seperti ini ketika saya tidak memiliki pengalaman yang sama dengan kedua database, tapi ini bukan latihan akademis yang membandingkan perbandingan dunia nyata. Saya telah melakukan yang jujur ​​terbaik untuk mendapatkan fakta saya tentang MS SQL Server ndash yang benar, kita semua tahu tidak mungkin mengoceh seluruh internet. Jika saya tahu bahwa saya salah, saya memperbaikinya. Saya membandingkan dua database dari sudut pandang seorang analis data. Mungkin MS SQL Server menendang postgreSQLs sebagai backend OLTP (walaupun saya meragukannya), tapi bukan itu yang saya tulis di sini, karena saya bukan pengembang OLTPDBAsysadmin. Akhirnya, ada alamat email di kanan atas. Silakan gunakan itu jika Anda ingin saya akan melakukan yang terbaik untuk menanggapi. DISCLAIMER: semua pendapat subjektif di sini benar-benar milik saya sendiri. 1. Mengapa PostgreSQL berjalan, jauh lebih baik daripada MS SQL Server Oops, peringatan spoiler. Bagian ini merupakan perbandingan dua database dalam hal fitur yang relevan dengan analisis data. 1.1. CSV mendukung CSV adalah cara standar de facto untuk memindahkan data terstruktur (yaitu tabular). Semua RDBMS dapat membuang data ke dalam format proprietary yang tidak dapat dibaca lagi, yang baik untuk backup, replikasi dan sejenisnya, namun sama sekali tidak digunakan untuk memigrasikan data dari sistem X ke sistem Y. Platform analisis data harus dapat dilihat Pada data dari berbagai macam sistem dan menghasilkan keluaran yang dapat dibaca oleh berbagai macam sistem. Dalam prakteknya, ini berarti bahwa ia harus dapat menelan dan mengekskresikan CSV dengan cepat, andal, berulang dan tanpa rasa sakit. Mari kita tidak mengecilkan ini: platform analisis data yang tidak dapat menangani CSV dengan kokoh adalah tanggung jawab yang rusak dan tidak berguna. Dukungan CSV PostgreSQL adalah kedudukan tertinggi. Perintah COPY TO dan COPY FROM mendukung spesifikasi yang digariskan di RFC4180 (yang merupakan hal yang paling dekat dengan standar CSV resmi) serta varian dan dialek umum dan tidak biasa. Perintah ini cepat dan kuat. Saat terjadi kesalahan, mereka memberi pesan kesalahan yang bermanfaat. Yang penting, mereka tidak akan diam-diam melakukan korupsi, salah paham atau mengubah data. Jika PostgreSQL mengatakan bahwa impor Anda berhasil, maka itu bekerja dengan baik. Sedikit bau masalah dan mengabaikan impor dan melempar pesan kesalahan yang bermanfaat. (Ini mungkin terdengar rewel atau merepotkan, tapi sebenarnya ini adalah contoh prinsip desain yang mapan. Masuk akal: lebih baik Anda tahu impor Anda salah sekarang, atau sebulan dari sekarang ketika klien Anda mengeluh bahwa hasil Anda adalah Off) MS SQL Server tidak dapat mengimpor atau mengekspor CSV. Kebanyakan orang tidak mempercayai saya saat saya menceritakannya pada mereka. Kemudian, pada titik tertentu, mereka melihat sendiri. Biasanya mereka mengamati sesuatu seperti: MS SQL Server diam-diam memotong bidang teks MS SQL Server menangani pengkodean teks yang salah MS SQL Server melemparkan pesan kesalahan karena tidak mengerti mengutip atau melarikan diri (bertentangan dengan kepercayaan populer, mengutip dan melarikan diri bukanlah ekstensi eksotis untuk CSV Mereka adalah konsep dasar secara harfiah setiap spesifikasi data serialisasi yang dapat dibaca oleh manusia. Jangan percaya siapa pun yang tidak tahu apa ini) MS SQL Server mengekspor dokumen CSV Microsoft yang tidak berguna. Bagaimana mereka bisa mengelompokan sesuatu yang sesederhana CSV Ini sangat membingungkan karena parser CSV sepele mudah untuk menulis (saya menulis satu di C dan memasukkannya ke PHP satu atau dua tahun yang lalu, karena saya tidak bahagia dengan penanganan CSV aslinya. Semua hal itu mungkin membutuhkan 100 baris kode dan tiga jam ndash dua di antaranya dihabiskan untuk mengatasi dengan SWIG yang baru bagi saya saat itu). Jika Anda tidak mempercayai saya, unduh file CSF UTF-8 yang diformat dengan benar, sesuai standar dan gunakan MS SQL Server untuk menghitung panjang string rata-rata (yaitu jumlah karakter) dari kolom terakhir pada file ini (memiliki 50 kolom) . Ayo, coba saja. (Jawaban yang Anda cari tepat 183.895.) Tentu, menentukan hal ini sepele mudah dalam PostgreSQL ndash sebenarnya, bit yang paling banyak memakan waktu adalah membuat tabel dengan 50 kolom untuk menyimpan datanya. Kurangnya pemahaman tentang CSV tampaknya endemik di Microsoft bahwa file akan memecahkan Access dan Excel juga. Sedih tapi benar: beberapa programmer database saya tahu baru-baru ini menghabiskan banyak waktu dan usaha menulis kode Python yang sanitises CSV untuk memungkinkan MS SQL Server untuk mengimpornya. Mereka werent mampu menghindari perubahan data aktual dalam proses ini. Ini sama gilanya dengan menghabiskan banyak uang di Photoshop dan kemudian harus menulis beberapa kode kustom untuk mendapatkannya untuk membuka JPEG, hanya untuk menemukan bahwa gambar telah sedikit berubah. 1.2. Ergonomi Setiap platform analisis data yang layak disebut adalah Turing yang lengkap, yang berarti, memberi atau menerima, bahwa salah satu dari mereka dapat melakukan apapun yang dapat dilakukan orang lain. Tidak ada hal seperti yang dapat Anda lakukan X di perangkat lunak A tapi Anda tidak dapat melakukan X di perangkat lunak B. Anda dapat melakukan apapun dalam segala hal yang berbeda-beda adalah seberapa sulitnya. Alat yang bagus membuat hal-hal yang Anda butuhkan untuk melakukan alat miskin yang mudah membuat mereka sulit. Thats apa yang selalu bermuara pada. (Ini semua benar secara konseptual, jika tidak benar - misalnya, tidak ada RDBMS yang saya tahu bisa menghasilkan grafis 3D. Tetapi salah satu dari mereka dapat meniru perhitungan apapun yang bisa dilakukan GPU.) PostgreSQL ditulis dengan jelas oleh orang-orang yang benar-benar peduli dengan Menyelesaikan pekerjaan MS SQL Server terasa seperti ditulis oleh orang-orang yang tidak pernah harus benar-benar menggunakan MS SQL Server untuk mencapai apapun. Berikut adalah beberapa contoh untuk mendukungnya: PostgreSQL mendukung DROP TABLE IF EXISTS. Yang merupakan cara yang cerdas dan jelas untuk mengatakan jika tabel ini tidak ada, tidak melakukan apapun, tapi jika memang demikian, singkirkanlah itu. Sesuatu seperti ini: Heres bagaimana Anda harus melakukannya di MS SQL Server: Ya, hanya satu baris kode tambahan, namun perhatikan parameter kedua yang misterius pada fungsi OBJECTID. Anda perlu mengganti dengan NV untuk menjatuhkan tampilan. NP-nya untuk prosedur tersimpan. Saya havent belajar semua huruf yang berbeda untuk semua jenis objek database (mengapa harus saya harus) Perhatikan juga bahwa nama tabel diulang tidak perlu. Jika konsentrasi Anda tergelincir sejenak, orang mati mudah melakukan ini: Lihatlah apa yang terjadi di sana Ini adalah sumber kesalahan yang menyebalkan dan menyia-nyiakan waktu yang berharga. PostgreSQL mendukung DROP SCHEMA CASCADE. Yang menjatuhkan skema dan semua objek database di dalamnya. Ini sangat, sangat penting bagi metodologi pengiriman analisis yang kuat, di mana tear-down-and-rebuild adalah prinsip dasar kerja analisis yang berulang, dapat diaudit dan kolaboratif. Tidak ada fasilitas seperti itu di MS SQL Server. Anda harus menjatuhkan semua objek dalam skema secara manual, dan dalam urutan yang benar. Karena jika Anda mencoba menjatuhkan objek yang menjadi objek lain, MS SQL Server hanya melempar kesalahan. Ini memberi gambaran betapa rumitnya proses ini. PostgreSQL mendukung CREATE TABLE AS. Contoh wee: Ini berarti Anda dapat menyoroti semuanya kecuali baris pertama dan menjalankannya, yang merupakan tugas yang berguna dan umum saat mengembangkan kode SQL. Di MS SQL Server, pembuatan tabel berjalan seperti ini: Jadi, untuk mengeksekusi pernyataan SELECT biasa, Anda harus memberi komentar atau menghapus bit INTO. Ya, komentar dua baris itu mudah bukan intinya. Intinya adalah bahwa di PostgreSQL Anda dapat melakukan tugas sederhana ini tanpa memodifikasi kode dan di MS SQL Server Anda tidak dapat, dan itu mengenalkan sumber bug dan gangguan lain yang potensial. Di PostgreSQL, Anda dapat mengeksekusi sebanyak mungkin pernyataan SQL yang Anda inginkan dalam satu batch selama Anda mengakhiri setiap pernyataan dengan titik koma, Anda dapat mengeksekusi kombinasi pernyataan apa pun yang Anda sukai. Untuk menjalankan proses batch otomatis atau data berulang yang membangun atau tugas keluaran, ini adalah fungsi yang sangat penting. Di MS SQL Server, pernyataan CREATE PROCEDURE tidak dapat muncul di tengah serangkaian pernyataan SQL. Tidak ada alasan bagus untuk ini, itu hanya batasan yang sewenang-wenang. Ini berarti bahwa langkah-langkah manual tambahan sering diperlukan untuk menjalankan batch SQL yang besar. Langkah manual meningkatkan risiko dan mengurangi efisiensi. PostgreSQL mendukung klausul RETURNING, memungkinkan UPDATE. INSERT dan DELETE statement untuk mengembalikan nilai dari baris yang terpengaruh. Ini elegan dan berguna. MS SQL Server memiliki klausa OUTPUT, yang membutuhkan definisi variabel tabel terpisah untuk fungsi. Ini kikuk dan merepotkan dan memaksa programmer membuat dan memelihara kode boilerplate yang tidak perlu. PostgreSQL mendukung string quoting, seperti: Ini sangat berguna untuk menghasilkan SQL dinamis karena (a) memungkinkan pengguna untuk menghindari penggandaan manual yang membosankan dan tidak dapat diandalkan dan melarikan diri saat string literal disarangkan dan (b) karena editor teks dan IDE cenderung tidak Recogniise sebagai pembatas string, penyorotan sintaks tetap fungsional bahkan dalam kode SQL dinamis. PostgreSQL memungkinkan Anda menggunakan bahasa prosedural hanya dengan mengirimkan kode ke mesin database Anda menulis kode prosedural dengan Python atau Perl atau R atau JavaScript atau bahasa lain yang didukung (lihat di bawah) tepat di samping SQL Anda, dalam naskah yang sama. Ini nyaman, cepat, mudah perawatan, mudah ditinjau ulang, mudah digunakan kembali dan sebagainya. Di MS SQL Server, Anda bisa menggunakan bahasa prosedural T-SQL yang kental, lamban, canggung, atau Anda dapat menggunakan bahasa untuk membuat perakitan dan memasukkannya ke dalam database. Ini berarti kode Anda ada dua tempat terpisah dan Anda harus melalui serangkaian langkah manual berbasis GUI untuk mengubahnya. Itu membuat kemasan semua barang Anda menjadi satu tempat lebih keras dan lebih rawan kesalahan. Dan ada banyak contoh di luar sana. Masing-masing hal ini, dalam isolasi, mungkin tampak seperti niggle yang relatif kecil namun, efek keseluruhannya adalah bahwa mendapatkan pekerjaan nyata yang dilakukan di MS SQL Server secara signifikan lebih sulit dan lebih rentan terhadap kesalahan daripada di PostgreSQL, dan analis data menghabiskan waktu dan energi yang berharga. Pada workarounds dan proses manual alih-alih berfokus pada masalah sebenarnya. Update: itu menunjukkan kepada saya bahwa satu fitur yang sangat berguna MS SQL Server yang kekurangan PostgreSQL adalah kemampuan untuk mendeklarasikan variabel dalam skrip SQL. Seperti ini: PostgreSQL tidak bisa melakukan ini. Saya berharap bisa, karena ada banyak penggunaan untuk fitur seperti itu. 1.3. Anda bisa menjalankan PostgreSQL di Linux, BSD dll (dan tentu saja Windows) Siapa pun yang mengikuti perkembangan di IT tahu bahwa cross-platform adalah sesuatu sekarang. Dukungan cross-platform bisa dibilang merupakan fitur pembunuh di Jawa, yang sebenarnya merupakan bahasa pemrograman yang agak kacau dan jelek, namun tetap sukses, berpengaruh dan meluas. Microsoft tidak lagi memiliki monopoli yang pernah dinikmati di desktop, berkat bangkitnya Linux dan Apple. Infrastruktur TI semakin heterogen berkat fleksibilitas layanan cloud dan akses mudah ke teknologi virtualisasi performa tinggi. Perangkat lunak lintas platform adalah tentang memberi kontrol pengguna atas infrastruktur mereka. (Saat bekerja saat ini saya mengelola beberapa database PostgreSQL, beberapa di Windows dan beberapa di Ubuntu Linux. Saya dan rekan-rekan saya dengan bebas memindahkan kode dan dump database di antara mereka. Kami menggunakan Python dan PHP karena mereka juga bekerja di kedua sistem operasi. .) Kebijakan Microsoft dan selalu menjadi vendor lock-in. Mereka tidak membuka sumber kode mereka, mereka tidak menyediakan versi cross-platform dari perangkat lunak mereka, mereka bahkan menemukan keseluruhan ekosistem. NET, dirancang untuk menarik garis keras antara pengguna Microsoft dan pengguna non-Microsoft. Ini bagus untuk mereka, karena ini melindungi pendapatan mereka. Ini buruk bagi Anda, pengguna, karena membatasi pilihan Anda dan menciptakan pekerjaan yang tidak perlu untuk Anda. (Update: beberapa hari setelah saya menerbitkan ini, Microsoft membuat saya terlihat seperti prat dengan mengumumkan bahwa itu adalah open-sourcing. Ini adalah langkah bagus, tapi mari kita tidak membuka Bollinger dulu.) Sekarang, ini bukan Dokumen Linux vs Windows, walaupun saya yakin akhirnya akan menulis salah satu dari mereka di beberapa titik. Cukup dengan mengatakan bahwa, untuk pekerjaan TI yang sebenarnya, Linux (dan keluarga mirip UNIX: Solaris, BSD dll) meninggalkan Windows di debu. Sistem operasi mirip UNIX mendominasi pasar server, layanan awan, superkomputer (dalam bidang ini monopoli hampir) dan komputasi teknis, dan dengan alasan bagus, sistem ini dirancang oleh teknisi untuk teknisi. Akibatnya, mereka menukar keramahan pengguna dengan kekuatan dan fleksibilitas yang luar biasa. OS seperti UNIX yang tepat bukan hanya sebuah perintah yang bagus ndash itu adalah ekosistem program, utilitas, fungsionalitas dan dukungan yang membuat pekerjaan nyata berjalan dengan efisien dan menyenangkan. Seorang hacker Linux yang kompeten dapat mencapainya dalam satu lemparan tunggal dari skrip Bash tugas yang akan sulit dan menyita waktu di Windows. (Contoh: beberapa hari yang lalu saya melihat-lihat koleksi film teman-teman dan dia bilang menurutnya jumlah file dalam sistem file tinggi, mengingat berapa banyak film yang dimilikinya, dan dia bertanya-tanya apakah mungkin dia sengaja menyalin folder besar Struktur ke dalam salah satu folder filmnya. Aku menghitung rekursif file-per-folder untuknya seperti ini: Semuanya butuh waktu sekitar satu menit untuk menulis dan yang kedua untuk dijalankan. Ini menegaskan bahwa beberapa foldernya bermasalah dan Memberitahu yang mana mereka Bagaimana Anda melakukan ini di Windows) Untuk analisis data, RDBMS tidak ada dalam ruang hampa, ini adalah bagian dari tumpukan alat. Oleh karena itu lingkungannya penting. MS SQL Server terbatas pada Windows, dan Windows hanyalah lingkungan analisis yang buruk. 1.4. Fitur bahasa prosedural Ini adalah masalah besar. SQL deklaratif murni bagus dalam hal ini dirancang untuk manipulasi data kuasi ndash dan query. Anda dengan cepat mencapai batasnya jika Anda mencoba menggunakannya untuk proses analitis yang lebih terlibat, seperti perhitungan minat yang kompleks, analisis deret waktu dan perancangan algoritma umum. Penyedia database SQL mengetahui hal ini, jadi hampir semua database SQL menerapkan beberapa jenis bahasa prosedural. Hal ini memungkinkan pengguna database untuk menulis kode gaya imperatif untuk tugas yang lebih kompleks atau fiddly. Dukungan bahasa prosedural PostgreSQL luar biasa. Tidak mungkin untuk melakukan keadilan untuk itu dalam ruang yang singkat, tapi Heres sampel barang. Salah satu dari bahasa prosedural ini dapat digunakan untuk menulis prosedur dan fungsi yang tersimpan atau hanya dimasukkan ke dalam blok kode yang akan dijalankan secara inline. PLPGSQL: ini adalah bahasa prosedural PostgreSQL. Its seperti Oracles PLSQL, tapi lebih modern dan lengkap fitur. PLV8: mesin JavaScript V8 dari Google Chrome tersedia di PostgreSQL. Mesin ini stabil, penuh fitur dan tidak kepalang cepat ndash sering mendekati kecepatan eksekusi yang dikompilasi, dioptimalkan C. Kombinasikan dengan dukungan asli PostgreSQL untuk tipe data JSON (lihat di bawah) dan Anda memiliki kekuatan dan fleksibilitas maksimal dalam satu paket. Lebih baik lagi, PLV8 mendukung status global (yaitu fungsi cross-function call), yang memungkinkan pengguna untuk menyeleksi data cache secara selektif dalam RAM untuk akses acak cepat. Misalkan Anda perlu menggunakan 100.000 baris data dari tabel A pada masing-masing 1.000.000 baris data dari tabel B. Di SQL biasa, Anda harus bergabung dengan tabel ini (menghasilkan tabel antara baris 100bn, yang akan membunuh yang manapun tapi yang paling banyak immense server) or do something akin to a scalar subquery (or, worse, cursor-based nested loops), resulting in crippling IO load if the query planner doesnt read your intentions properly. In PLV8 you simply cache table A in memory and run a function on each of the rows of table B ndash in effect giving you RAM-quality access (negligible latency and random access penalty no non-volatile IO load) to the 100k-row table. I did this on a real piece of work recently ndash my PostgreSQLPLV8 code was about 80 times faster than the MS T-SQL solution and the code was much smaller and more maintainable. Because it took about 23 seconds instead of half an hour to run, I was able to run 20 run-test-modify cycles in an hour, resulting in feature-complete, properly tested, bug-free code. Look here for more detail on this. (All those run-test-modify cycles were only possible because of DROP SCHEMA CASCADE and freedom to execute CREATE FUNCTION statements in the middle of a statement batch, as explained above. See how nicely it all fits together) PLPython: you can use full Python in PostgreSQL. Python2 or Python 3, take your pick, and yes, you get the enormous ecosystem of libraries for which Python is justifiably famous. Fancy running a SVM from scikit-learn or some arbitrary-precision arithmetic provided by gmpy2 in the middle of a SQL query No problem PLPerl: Perl has been falling out of fashion for some time, but its versatility earned it a reputation as the Swiss army knife of programming languages. In PostgreSQL you have full Perl as a procedural language. PLR: R is the de facto standard statistical programming environment in academia and data science, and with good reason - it is free, robust, fully-featured and backed by an enormous library of high-quality plugins and add-ons. PostgreSQL lets you use R as a procedural language. Java, Lua, sh, Tcl, Ruby and PHP are also supported as procedural languages in PostgreSQL. C: doesnt quite belong in this list because you have to compile it separately, but its worth a mention. In PostgreSQL it is trivially easy to create functions which execute compiled, optimised C (or C or assembler) in the database backend. This is a power user feature which provides unrivalled speed and fine control of memory management and resource usage for tasks where performance is critical. I have used this to implement a complex, stateful payment processing algorithm operating on a million rows of data per second ndash and that was on a desktop PC. MS SQL Servers inbuilt procedural language (part of their T-SQL extension to SQL) is clunky, slow and feature-poor. It is also prone to subtle errors and bugs, as Microsofts own documentation sometimes acknowledges. I have never met a database user who likes the T-SQL procedural language. What about the fact that you can make assemblies in languages and then use them in MS SQL Server This doesnt count as procedural language support because you cant submit this code to the database engine directly. Manageability and ergonomics are critically important. Inserting some Python code inline in your database query is easy and convenient firing up Visual Studio, managing projects and throwing DLL files around (all in GUI-based processes which cannot be properly scripted, version-controlled, automated or reviewed) is awkward, error-prone and non-scalable. In any case, this mechanism is limited to languages. 1.5. Native regular expression support Regular expressons (regexen or regexes) are as fundamental to analytics work as arithmetic ndash they are the first choice (and often only choice) for a huge variety of text processing tasks. A data analytics tool without regex support is like a bicycle without a saddle ndash you can still use it, but its painful. PostgreSQL has smashing out-of-the-box support for regex. Some examples: Get all lines starting with a repeated digit followed by a vowel: Get the first isolated hex string occurring in a field: Break a string on whitespace and return each fragment in a separate row: Case-insensitively find all words in a string with at least 10 letters: MS SQL Server has LIKE. SUBSTRING. PATINDEX and so on, which are not comparable to proper regex support (if you doubt this, try implementing the above examples using them). There are third-party regex libraries for MS SQL Server theyre just not as good as PostgreSQLs support, and the need to obtain and install them separately adds admin overhead. Note also that PostgreSQLs extensive procedural language support also gets you several other regex engines and their various features - e. g. Pythons regex library provides the added power of positive and negative lookbehind assertions. This is in keeping with the general theme of PostgreSQL giving you all the tools you need to actually get things done. 1.6. Custom aggregate functions This is a feature that, technically, is offered by both PostgreSQL and MS SQL Server. The implementations differ hugely, though. In PostgreSQL, custom aggregates are convenient and simple to use, resulting in fast problem-solving and maintainable code: Elegant, eh A custom aggregate is specified in terms of an internal state and a way to modify that state when we push new values into the aggregate function. In this case we start each customer off with zero balance and no interest accrued, and on each day we accrue interest appropriately and account for payments and withdrawals. We compound the interest on the 1st of every month. Notice that the aggregate accepts an ORDER BY clause (since, unlike SUM. MAX and MIN. this aggregate is order-dependent) and PostgreSQL provides operators for extracting values from JSON objects. So, in 28 lines of code weve created the framework for monthly compounding interest on bank accounts and used it to calculate final balances. If features are to be added to the methodology (e. g. interest rate modifications depending on debitcredit balance, detection of exceptional circumstances), its all right there in the transition function and is written in an appropriate language for implementing complex logic. (Tragic side-note: I have seen large organisations spend tens of thousands of pounds over weeks of work trying to achieve the same thing using poorer tools.) MS SQL Server, on the other hand, makes it absurdly difficult . Incidentally, the examples in the second link are for implementing a simple string concatenation aggregate. Note the huge amount of code and gymnastics required to implement this simple function (which PostgreSQL provides out of the box, incidentally. Probably because its useful). MS SQL Server also does not allow an order to be specified in the aggregate, which renders this function useless for my kind of work ndash with MS SQL Server, the order of string concatenation is random, so the results of a query using this function are non-deterministic (they might change from run to run) and the code will not pass a quality review. The lack of ordering support also breaks code such as the interest calculation example above. As far as I can tell, you just cant do this using an MS SQL Server custom aggregate. (It is actually possible to make MS SQL Server do a deterministic string concatenation aggregation in pure SQL but you have to abuse the RECURSIVE query functionality to do it. Although an interesting academic exercise, this results in slow, unreadable, unmaintainable code and is not a real-world solution). 1.7. Unicode support Long gone are the days when ASCII was universal, character and byte were fungible terms and foreign (from an Anglocentric standpoint) text was an exotic exception. Proper international language support is no longer optional. The solution to all this is Unicode. There are a lot of misconceptions about Unicode out there. Its not a character set, its not a code page, its not a file format and its nothing whatsoever to do with encryption. An exploration of how Unicode works is fascinating but beyond the scope of this document ndash I heartily recommend Googling it and working through a few examples. The key points about Unicode that are relevant to database functionality are: Unicode-encoded text (for our purposes this means either UTF-8 or UTF-16) is a variable-width encoding. In UTF-8 a character can take one, two, three or four bytes to represent. In UTF-16 its either two or four. This means that operations like taking substrings and measuring string lengths need to be Unicode-aware to work properly. Not all sequences of bytes are valid Unicode. Manipulating valid Unicode without knowing its Unicode is likely to produce something that is not valid Unicode. UTF-8 and UTF-16 are not compatible. If you take one file of each type and concatenate them, you (probably) end up with a file which is neither valid UTF-8 nor valid UTF-16. For text which mostly fits into ASCII, UTF-8 is about twice as space-efficient as UTF-16. PostgreSQL supports UTF-8. Its CHAR. VARCHAR and TEXT types are, by default, UTF-8, meaning they will only accept UTF-8 data and all the transformations applied to them, from string concatenation and searching to regular expressions, are UTF-8-aware. It all just works. MS SQL Server 2008 does not support UTF-16 it supports UCS-2, a deprecated subset of UTF-16. What this means is that most of the time, it will look like its working fine, and occasionally, it will silently corrupt your data. Since it interprets text as a string of wide (i. e. 2-byte) characters, it will happily cut a 4-byte UTF-16 character in half. At best, this results in corrupted data. At worst, something else in your toolchain will break badly and youll have a disaster on your hands. Apologists for MS are quick to point out that this is unlikely because it would require the data to contain something outside Unicodes basic multilingual plane. This is completely missing the point. A databases sole purpose is storing, retreiving and manipulating data. A database which can be broken by putting the wrong data in it is as useless as a router that breaks if you download the wrong file. MS SQL Server versions since 2012 have supported UTF-16 properly, if you ensure you select a UTF-16-compliant collation for your database. It is baffling that this is (a) optional and (b) implemented as late as 2012. Better late than never, I suppose. 1.8. Data types that work properly A common misconception is that all databases have the same types ndash INT. CHAR. DATE and so on. This is not true. PostgreSQLs type system is really useful and intuitive, free of annoyances which introduce bugs or slow work down and, as usual, apparently designed with productivity in mind. MS SQL Servers type system, by comparison, feels like beta software. It cant touch the feature set of PostgreSQLs type system and it is beset with traps waiting to ensnare the unwary user. Lets take a look: CHAR, VARCHAR and family PostgreSQL: the docs actively encourage you to simply use the TEXT type. This is a high-performance, UTF-8 validated text storage type which stores strings up to 1GB in size. It supports all the text operations PostgreSQL is capable of: simple concatenation and substringing regex searching, matching and splitting full-text search casting character transformation and so on. If you have text data, stick it in a TEXT field and carry on. Moreover, since anything in a TEXT field (or, for that matter, CHAR or VARCHAR fields) must be UTF-8, there is no issue with encoding incompatibility. Since UTF-8 is the de facto universal text encoding, converting text to it is easy and reliable. Since UTF-8 is a superset of ASCII, this conversion is often trivially easy or altogether unnecessary. It all just works. MS SQL Server: its a pretty sad story. The TEXT and NTEXT types exist and stretch to 2GB. Bafflingly, though, they dont support casting. Also, dont use them, says MS ndash they will be removed in a future version of MS SQL Server. You should use CHAR. VARCHAR and their N - prefixed versions instead. Unfortunately, VARCHAR(MAX) has poor performance characteristics and VARCHAR(8000) (the next biggest size, for some reason) tops out at 8,000 bytes. (Its 4,000 characters for NVARCHAR .) Remember how PostgreSQLs insistence on a single text encoding per database makes everything work smoothly Not so in MS-land: As with earlier versions of SQL Server, data loss during code page translations is not reported. link In other words, MS SQL Server might corrupt your data, and you wont know about it until something else goes wrong. This is, quite simply, a deal-breaker. A data analytics platform which might silently change, corrupt or lose your data is an enormous liability. Consider the absurdity of forking out for a server using expensive ECC RAM as a defence against data corruption caused by cosmic rays, and then running software on it which might corrupt your data anyway. Date and time types PostgreSQL: you get DATE. TIME. TIMESTAMP and TIMESTAMP WITH TIME ZONE. all of which do exactly what you would expect. They also have fantastic range and precision, supporting microsecond resolution from the 5th millennium BC to almost 300 millennia in the future. They accept input in a wide variety of formats and the last one has full support for time zones. They can be converted to and from Unix time, which is very important for interoperability with other systems. They can take the special values infinity and - infinity. This is not a metaphysico-theologico-philosophical statement, but a hugely useful semantic construction. For example, set a users password expiry date to infinity to denote that they do not have to change their password. The standard way of doing this is to use NULL or some date far in the future, but these are clumsy hacks ndash they both involve putting inaccurate information in the database and writing application logic to compensate. What happens when a developer sees NULL or 3499-12-31. If youre lucky, he knows the secret handshakes and isnt confused by it. If not, he assumes either that the date is unknown or that it really does refer to the 4th millennium, and you have a problem. The cumulative effect of hacks, workarounds and kludges like this is unreliable systems, unhappy programmers and increased business risk. Helpful semantics like infinity and - infinity allow you to say what you mean and write consistent, readable application logic. They also support the INTERVAL type, which is so useful it has its own section right after this one. Casting and conversion of date and time types is easy and intuitive - you can cast any type to TEXT. and the tochar and totimestamp functions give you ultimate flexibility, allowing conversion in both directions using format strings. For example: and, going in the other direction, As usual, it just works. As a data analyst, I care very much about a databases date-handling ability, because dates and times tend to occur in a multitude of different formats and they are usually critical to the analysis itself. MS SQL Server: dates can only have positive 4-digit years, so they are restricted to 0001 AD to 9999 AD. They do not support infinity and - infinity. They do not support interval types, so date arithmetic is tedious and clunky. You can convert them to and from UNIX time, but its a hack involving adding seconds to the UNIX epoch, 1970-01-01T00:00:00Z, which you therefore have to know and be willing to hardcode into your application. Date conversion deserves a special mention, because even by MS SQL Servers shoddy standards its bloody awful. The CONVERT function takes the place of PostgreSQLs tochar and totimestamp. but it works like this: Thats right ndash youre simply expected to know that 126 is the code for converting strings in that format to a datetime. MSDN provides a table of these magic numbers. I didnt give the same example as for PostgreSQL because I couldnt find a magic number corresponding to the right format for Saturday 03 Feb 2001. If someone gave you data with such dates in it, I guess youd have to do some string manipulation (pity the string manipulation facilities in MS SQL Server are almost non-existent. ) PostgreSQL: the INTERVAL type represents a period of time, such as 30 microseconds or 50 years. It can also be negative, which may seem counterintuitive until you remember that the word ago exists. PostgreSQL also knows about ago, in fact, and will accept strings like 1 day ago as interval values (this will be internally represented as an interval of -1 days). Interval values let you do intuitive date arithmetic and store time durations as first-class data values. They work exactly as you expect and can be freely casted and converted to and from anything which makes sense. MS SQL Server: no support for interval types. PostgreSQL: arrays are supported as a first-class data type, meaning fields in tables, variables in PLPGSQL, parameters to functions and so on can be arrays. Arrays can contain any data type you like, including other arrays. This is very, very useful . Here are some of the things you can do with arrays: Store the results of function calls with arbitrarily-many return values, such as regex matches Represent a string as integer word IDs, for use in fast text matching algorithms Aggregation of multiple data values across groups, for efficient cross-tabulation Perform row operations using multiple data values without the expense of a join Accurately and semantically represent array data from other applications in your tool stack Feed array data to other applications in your tool stack I cant think of any programming languages which dont support arrays, other than crazy ones like Brainfuck and Malbolge. Arrays are so useful that they are ubiquitous. Any system, especially a data analytics platform, which doesnt support them is crippled. MS SQL Server: no support for arrays. PostgreSQL: full support for JSON, including a large set of utility functions for transforming between JSON types and tables (in both directions), retreiving values from JSON data and constructing JSON data. Parsing and stringification are handled by simple casts, which as a rule in PostgreSQL are intelligent and robust. The PLV8 procedural language works as seamlessly as you would expect with JSON ndash in fact, a JSON-type internal state in a custom aggregate (see this example) whose transition function is written in PLV8 provides a declarativeimperative best-of-both-worlds so powerful and convenient it feels like cheating. JSON (and its variants, such as JSONB) is of course the de facto standard data transfer format on the web and in several other data platforms, such as MongoDB and ElasticSearch, and in fact any system with a RESTful interface. Aspiring Analytics-as-a-Service providers take note. MS SQL Server: no support for JSON. PostgreSQL: HSTORE is a PostgreSQL extension which implements a fast key-value store as a data type. Like arrays, this is very useful because virtually every high-level programming language has such a concept (and virtually every programming language has such a concept because it is very useful). JavaScript has objects, PHP has associative arrays, Python has dicts, C has std::map and std::unorderedmap. Go has maps. And so on. In fact, the notion of a key-value store is so important and useful that there exists a whole class of NoSQL databases which use it as their main storage paradigm. Theyre called, uh, key-value stores . There are also some fun unexpected uses of such a data type. A colleague recently asked me if there was a good way to deduplicate a text array. Heres what I came up with: i. e. put the array into both the keys and values of an HSTORE, forcing a dedupe to take place (since key values are unique) then retrieve the keys from the HSTORE. Theres that PostgreSQL versatility again. MS SQL Server: No support for key-value storage. Range types PostgreSQL: range types represent, well, ranges. Every database programmer has seen fields called startdate and enddate. and most of them have had to implement logic to detect overlaps. Some have even found, the hard way, that joins to ranges using BETWEEN can go horribly wrong, for a number of reasons. PostgreSQLs approach is to treat time ranges as first-class data types. Not only can you put a range of time (or INT s or NUMERIC s or whatever) into a single data value, you can use a host of built-in operators to manipulate and query ranges safely and quickly. You can even apply specially-developed indices to them to massively accelerate queries that use these operators. In short, PostgreSQL treats ranges with the importance they deserve and gives you the tools to work with them effectively. Im trying not to make this document a mere list of links to the PostgreSQL docs, but just this once, I suggest you go and see for yourself . (Oh, and if the pre-defined types dont meet your needs, you can define your own ones. You dont have to touch the source code, the database exposes methods to allow you to do this.) MS SQL Server: no support for range types. NUMERIC and DECIMAL PostgreSQL: NUMERIC (and DECIMAL - theyre symonyms) is near-as-dammit arbitrary precision: it supports 131,072 digits before the decimal point and 16,383 digits after the decimal point. If youre running a bank, doing technical computation, landing spaceships on comets or simply doing something where you cannot tolerate rounding errors, youre covered. MS SQL Server: NUMERIC (and DECIMAL - theyre symonyms) supports a maximum of 38 decimal places of precision in total. PostgreSQL: XML is supported as a data type and the database offers a variety of functions for working with XML. Xpath querying is supported. MS SQL Server: finally, some good news MS SQL Server has an XML data type too, and offers plenty of support for working with it. (Shame XML is going out of style. ) 1.9. Scriptability PostgreSQL can be driven entirely from the command line, and since it works in operating systems with proper command lines (i. e. everything except Windows), this is highly effective and secure. You can SSH to a server and configure PostgreSQL from your mobile phone, if you have to (I have done so more than once). You can automate deployment, performance-tuning, security, admin and analytics tasks with scripts. Scripts are very important because unlike GUI processes, they can be copied, version-controlled, documented, automated, reviewed, batched and diffed. For serious work, text editors and command lines are king. MS SQL Server is driven through a GUI. I dont know to what extent it can be automated with Powershell I do know that if you Google for help and advice on getting things done in MS SQL Server, you get a lot of people saying right-click on your database, then click on Tasks. . GUIs do not work well across low-bandwidth or high-latency connections text-based shells do. As I write I am preparing to do some sysadmin on a server 3,500 miles away, on a VPN via a shaky WiFi hotspot, and thanking my lucky stars its an UbuntuPostgreSQL box. (Who on Earth wants a GUI on a server anyway) 1.10. Good external language bindings PostgreSQL is very, very easy to connect to and use from programming environments, because libpq, its external API, is very well-designed and very well-documented. This means that writing utilities which plug into PostgreSQL is very easy and convenient, which makes the database more versatile and a better fit in an analytics stack. On many occasions I have knocked up a quick program in C or C which connects to PostgreSQL, pulls some data out and does some heavy calculations on it, e. g. using multithreading or special CPU instructions - stuff the database itself is not suitable for. I have also written C programs which use setuid to allow normal users to perform certain administrative tasks in PostgreSQL. It is very handy to be able to do this quickly and neatly. MS SQL Servers external language bindings vary. Sometimes you have to install extra drivers. Sometimes you have to create classes to store the data you are querying, which means knowing at compile time what that data looks like. Most importantly, the documentation is a confusing, tangled mess, which makes getting this done unnecessarily time-consuming and painful. 1.11. Documentation Data analytics is all about being a jack of all trades. We use a very wide variety of programming languages and tools. (Off the top of my head, the programmingscripting languages I currently work with are PHP, JavaScript, Python, R, C, C, Go, three dialects of SQL, PLPGSQL and Bash.) It is hopelessly unrealistic to expect to learn everything you will need to know up front. Getting stuff done frequently depends on reading documentation. A well-documented tool is more useful and allows analysts to be more productive and produce higher-quality work. PostgreSQLs documentation is excellent. Everything is covered comprehensively but the documents are not merely reference manuals ndash they are full of examples, hints, useful advice and guidance. If you are an advanced programmer and really want to get stuck in, you can also simply read PostgreSQLs source code, all of which is openly and freely available. The docs also have a sense of humour: The first century starts at 0001-01-01 00:00:00 AD, although they did not know it at the time. This definition applies to all Gregorian calendar countries. There is no century number 0, you go from -1 century to 1 century. If you disagree with this, please write your complaint to: Pope, Cathedral Saint-Peter of Roma, Vatican. MS SQL Servers documentation is all on MSDN, which is an unfriendly, sprawling mess. Because Microsoft is a large corporation and its clients tend to be conservative and humourless, the documentation is business appropriate ndash i. e. officious, boring and dry. Not only does it lack amusing references to the historical role of Catholicism in the development of date arithmetic, it is impenetrably stuffy and hidden behind layers of unnecessary categorisation and ostentatiously capitalised official terms. Try this: go to the product documentation page for MS SQL Server 2012 and try to get from there to something useful. Or try reading this gem (not cherry-picked, I promise): A report part definition is an XML fragment of a report definition file. You create report parts by creating a report definition, and then selecting report items in the report to publish separately as report parts. Has the word report started to lose its meaning yet (And, of course, MS SQL Server is closed source, so you cant look at the source code. Yes, I know source code is not the same as documentation, but it is occasionally surprisingly useful to be able to simply grep the source for a relevant term and cast an eye over the code and the comments of the developers. Its easy to think of our tools as magical black boxes and to forget that even something as huge and complex as an RDBMS engine is, after all, just a list of instructions written by humans in a human-readable language.) 1.12. Logging thats actually useful MS SQL Servers logs are spread across several places - error logs, Windows event log, profiler logs, agent logs and setup log. To access these you need varying levels of permissions and you have to use various tools, some of which are GUI-only. Maybe things like Splunk can help to automate the gathering and parsing of these logs. I havent tried, nor do I know anyone else who has. Google searches on the topic produce surprisingly little information, surprisingly little of which is of any use. PostgreSQLs logs, by default, are all in one place. By changing a couple of settings in a text file, you can get it to log to CSV (and since were talking about PostgreSQL, its proper CSV, not broken CSV). You can easily set the logging level anywhere from dont bother logging anything to full profiling and debugging output. The documentation even contains DDL for a table into which the CSV-format logs can be conveniently imported. You can also log to stderr or the system log or to the Windows event log (provided youre running PostgreSQL in Windows, of course). The logs themselves are human-readable and machine-readable and contain data likely to be of great value to a sysadmin. Who logged in and out, at what times, and from where Which queries are being run and by whom How long are they taking How many queries are submitted in each batch Because the data is well-formatted CSV, it is trivially easy to visualise or analyse it in R or PostgreSQL itself or Pythons matplotlib or whatever you like. Overlay this with the wealth of information that Linux utilities like top, iotop and iostat provide and you have easy, reliable access to all the server telemetry you could possibly need. 1.13. Support How is PostgreSQL going to win this one Everyone knows that expensive flagship enterprise products by big commercial vendors have incredible support, whereas free software doesnt have any Of course, this is nonsense. Commercial products have support from people who support it because they are paid to. They do the minimum amount necessary to satisfy the terms of the SLA. As I type this, some IT professionals I know are waiting for a major hardware vendor to help them with a performance issue in a 40,000 server. Theyve been discussing it with the vendor for weeks theyve spent time and effort running extensive tests and benchmarks at the vendors request and so far the vendors reaction has been a mixture of incompetence, fecklessness and apathy. The 40,000 server is sitting there performing very, very slowly, and its users are working 70-hour weeks to try to stay on schedule. Over the years I have seen many, many problems with expensive commercial software ndash everything from bugs to performance issues to incompatibility to insufficient documentation. Sometimes these problems cause a late night or a lost weekend for the user sometimes they cause missed deadlines and angry clients sometimes it goes as far as legal and reputational risk. Every single time, the same thing happens: the problem is fixed by the end users, using a combination of blood, sweat, tears, Google and late nights. I have never seen the vendor swoop to the rescue and make everything OK. So what is the support for PostgreSQL like On the two occasions I have asked the PostgreSQL mailing list for help, I have received replies from Tom Lane within 24 hours. Take a moment to click on the link and read the wiki - the guy is not just a lead developer of PostgreSQL, hes a well-known computer programmer. Needless to say, his advice is as good as advice gets. On one of the occasions, where I asked a question about the best way to implement cross-function call persistent memory allocation, Lane replied with the features of PostgreSQL I should study and suggested solutions to my problem ndash and for good measure he threw in a list of very good reasons why my tentative solution (a C static variable) was rubbish. You cant buy that kind of support, but you can get it from a community of enthusiastic open source developers. Oh, did I mention that the total cost of the database software and the helpful advice and recommendations from the acclaimed programmer was 0.00 Note that by support I mean help getting it to work properly. Some people (usually people who dont actually use the product) think of support contracts more in terms of legal coverage ndash theyre not really interested in whether help is forthcoming or not, but they like that theres someone to shout at and, more importantly, blame. I discuss this too, here . (And if youre really determined to pay someone to help you out, you can of course go to any of the organisations which provide professional support for PostgreSQL. Unlike commercial software vendors, whose support functions are secondary to their main business of selling products, these organisations live or die by the quality of the support they provide, so it is very good.) 1.14. Flexible, scriptable database dumps Ive already talked about scriptability, but database dumps are very important, so they get their own bit here. PostgreSQLs dump utility is extremely flexible, command-line driven (making it easily automatable and scriptable) and well-documented (like the rest of PostgreSQL). This makes database migration, replication and backups ndash three important and scary tasks ndash controllable, reliable and configurable. Moreover, backups can be in a space-effecient compressed format or in plain SQL, complete with data, making them both human-readable and executable. A backup can be of a single table or of a whole database cluster. The user gets to do exactly as he pleases. With a little work and careful selection of options, it is even possible to make a DDL-only plain SQL PostgreSQL backup executable in a different RDBMS. MS SQL Servers backups are in a proprietary, undocumented, opaque binary format. 1.15. Reliability Neither PostgreSQL nor MS SQL Server are crash-happy, but MS SQL Server does have a bizarre failure mode which I have witnessed more than once: its transaction logs become enormous and prevent the database from working. In theory the logs can be truncated or deleted but the documentation is full of dire warnings against such action. PostgreSQL simply sits there working and getting things done. I have never seen a PostgreSQL database crash in normal use. PostgreSQL is relatively bug-free compared to MS SQL Server. I once found a bug in PostgreSQL 8.4 ndash it was performing a string distance calculation algorithm wrongly. This was a problem for me because I needed to use the algorithm in some fuzzy deduplication code I was writing for work. I looked up the algorithm on Wikipedia, gained a rough idea of how it works, found the implementation in the PostgreSQL source code, wrote a fix and emailed it to one of the PostgreSQL developers. In the next release of PostgreSQL, version 9.0, the bug was fixed. Meanwhile, I applied my fix to my own installation of PostgreSQL 8.4, re-compiled it and kept working. This will be a familiar story to many of the users of PostgreSQL, and indeed any large piece of open source software. The community benefits from high-quality free software, and individuals with the appropriate skills do what they can to contribute. Everyone wins. With a closed-source product, you cant fix it yourself ndash you just raise a bug report, cross your fingers and wait. If MS SQL Server were open source, section 1.1 above would not exist, because I (and probably thousands of other frustrated users) would have damn well written a proper CSV parser and plumbed it in years ago. 1.16. Ease of installing and updating Does this matter Well, yes. Infrastructure flexibility is more important than ever and that trend will only continue. Gone are the days of the big fat server install which sits untouched for years on end. These days its all about fast, reliable, flexible provisioning and keeping up with cutting-edge features. Also, as the saying goes, time is money. I have installed MS SQL Server several times. I have installed PostgreSQL more times than I can remember - probably at least 50 times. Installing MS SQL Server is very slow. It involves immense downloads (who still uses physical install media) and lengthy, important-sounding processes with stately progress bars. It might fail if you dont have the right version of or the right Windows service pack installed. Its the kind of thing your sysadmin needs to find a solid block of time for. Installing PostgreSQL the canonical way ndash from a Linux repo ndash is as easy as typing a single command, like this: How long does it take I just tested this by spinning up a cheap VM in the cloud and installing PostgreSQL using the above command. It took 16 seconds . Thats the total time for the download and the install. As for updates, any software backed by a Linux repo is trivially easily patched and updated by pulling updates from the repo. Because repos are clever and PostgreSQL is not obscenely bloated, downloads are small and fast and application of updates is efficient. I dont know how easy MS SQL Server is to update. I do know that a lot of production MS SQL Server boxes in certain organisations are still on version 2008 R2 though. 1.17. The contrib modules As if the enormous feature set of PostgreSQL is not enough, it comes with a set of extensions called contrib modules. There are libraries of functions, types and utilities for doing certain useful things which dont quite fall into the core feature set of the server. There are libraries for fuzzy string matching, fast integer array handling, external database connectivity, cryptography, UUID generation, tree data types and loads, loads more. A few of the modules dont even do anything except provide templates to allow developers and advanced users to develop their own extensions and custom functionality. Of course, these extensions are trivially easy to install. For example, to install the fuzzystrmatch extension you do this: 1.18. Its free PostgreSQL is free as in freedom and free as in beer. Both types of free are extremely important. The first kind, free as in freedom, means PostgreSQL is open-source and very permissively licensed. In practical terms, this means that you can do whatever you want with it, including distributing software which includes it or is based on it. You can modify it in whatever way you see fit, and then you can distribute the modifications to whomever you like. You can install it as many times as you like, on whatever you like, and then use it for any purpose you like. The second kind, free as in beer, is important for two main reasons. The first is that if, like me, you work for a large organisation, spending that organisations money involves red tape. Red tape means delays and delays sap everyones energy and enthusiasm and suppress innovation. The second reason is that because PostgreSQL is free, many developers, experimenters, hackers, students, innovators, scientists and so on (the brainy-but-poor crowd, essentially) use it, and it develops a wonderful community. This results in great support (as I mentioned above ) and contributions from the intellectual elite. It results in a better product, more innovation, more solutions to problems and more time and energy spent on the things that really matter. 2. The counterarguments For reasons which have always eluded me, people often like to ignore all the arguments and evidence above and try to dismiss the case for PostgreSQL using misconceptions, myths, red herrings and outright nonsense. Stuff like this: 2.1. But a big-name vendor provides a safety net No it doesnt. This misconception is a variant of the old adage no-one ever got fired for buying IBM. Hilariously, if you type that into Google, the first hit is the Wikipedia article on fear, uncertainty and doubt - and even more hilariously, the first entry in the examples section is Microsoft. I promise I did not touch the Wikipedia article, I simply found it like that. In client-serving data analytics, you just have to get it right. If you destroy your reputation by buggering up an important job, your software vendor will not build you a new reputation. If you get sued, then maybe you can recover costs from your vendor - but only if they did something wrong. Microsoft isnt doing anything technically wrong with MS SQL Server, theyre simply releasing a terrible product and being up front about how terrible it is. The documentation admits its terrible. It works exactly as designed the problem is that the design is terrible. You cant sue Microsoft just because you didnt do your due diligence when you picked a database. Even if you somehow do successfully blame the vendor, you still have a messed up job and an angry client, who wont want to hear about MS SQL Servers unfortunate treatment of UTF-16 text as UCS-2, resulting in truncation of a surrogate pair during a substring operation and subsequent failure to identify an incriminating keyword. At best they will continue to demand results (and probably a discount) at worst, they will write you off as incompetent ndash and who could blame them, when you trusted their job to a RDBMS whose docs unapologetically acknowledge that it might silently corrupt your data Since the best way to minimise risk is to get the job done right, the best tool to use is the one which is most likely to let you accomplish that. In this case, thats PostgreSQL. 2.2. But what happens if the author of PostgreSQL dies Same thing that happens if the author of MS SQL Server dies ndash nothing. Also, needless to say, the author of PostgreSQL is as meaningless as the author of MS SQL Server. Theres no such thing. A senior individual with an IT infrastructure oversight role actually asked me this question once (about Hadoop, not PostgreSQL). There just seems to be a misconception that all open-source software is written by a loner who lives in his mums basement. This is obviously not true. Large open source projects like PostgreSQL and Hadoop are written by teams of highly skilled developers who are often commercially sponsored. At its heart, the development model of PostgreSQL is just like the development model of MS SQL Server: a large team of programmers is paid by an organisation to write code. There is no single point of failure. There is at least one key difference, though: PostgreSQLs source code is openly available and is therefore reviewed, tweaked, contributed to, improved and understood by a huge community of skilled programmers. Thats one of the reasons why its so much better. Crucially, because open-source software tends to be written by people who care deeply about its quality (often because they have a direct personal stake in ensuring that the software works as well as possible), it is often of the very highest standard (PostgreSQL, Linux, MySQL, XBMC, Hadoop, Android, VLC, Neo4JS, Redis, 7Zip, FreeBSD, golang, PHP, Python, R, Nginx, Apache, node. js, Chrome, Firefox. ). On the other hand, commercial software is often designed by committee, written in cube farms and developed without proper guidance or inspiration (Microsoft BOB, RealPlayer, Internet Explorer 6, iOS Maps, Lotus Notes, Windows ME, Windows Vista, QuickTime, SharePoint. ) 2.3. But open-source software isnt securereliabletrustworthyenterprise-readyetc Theres no kind way to say this: anyone who says such a thing is very ignorant, and you should ignore them ndash or, if youre feeling generous, educate them. Well, I guess Im feeling generous: Security: the idea that closed-source is more secure is an old misconception, for many good reasons which I will briefly summarise (but do read the links ndash theyre excellent): secrecy isnt the same as security an open review process is more likely to find weaknesses than a closed one properly reviewed open source software is difficult or impossible to build a back door into. If you prefer anecdotal evidence to logical arguments, consider that Microsoft Internet Explorer 6, once a flagship closed-source commercial product, is widely regarded as the least secure software ever produced, and that Rijndael, the algorithm behind AES, which governments the world over use to protect top secret information, is an open standard. In any case, relational databases are not security software. In the IT world, security is a bit like support our troops in the USA or think of the children in the UK ndash a trump card which overrules all other considerations, including common sense and evidence. Dont fall for it. Reliability: Windows was at one point renowned for its instability, although these days things are much better. (Supposedly, Windows 9x would spontaneously crash when its internal uptime counter, counting in milliseconds, exceeded the upper bound of an unsigned 32-bit integer, i. e. after 2 32 milliseconds or about 49.7 days. I have always wanted to try this.) Linux dominates the server space, where reliability is key, and Linux boxes routinely achieve uptimes measured in years. Internet Explorer has always (and still does) failed to comply with web standards, causing websites to break or function improperly the leaders in the field are the open-source browsers Chrome and Firefox. Lotus Notes is a flaky, crash-happy, evil mess Thunderbird just works. And I have more than once seen MS SQL Server paralyse itself by letting transaction log files blow up, something PostgreSQL does not do. Trustworthiness: unless youve been living under a rock for the past couple of years, you know who Edward Snowden is. Thanks to him, we know exactly what you cannot trust: governments and the large organisations they get their hooks into. Since Snowden went public, it is clear that NSA back doors exist in a vast array of products, both hardware and software, that individuals and organisations depend on to keep their data secure. The only defence against this is open code review. The only software that can be subjected to open code review is open source software. If you use proprietary closed-source software, you have no way of knowing what it is really doing under the hood. And thanks to Mr. Snowden, we now know that there is an excellent chance it is giving your secrets away. At the time of writing, 485 of the top 500 supercomputers in the world run on Linux. As of July 2014, Nginx and Apache, two open-source web servers, power over 70 of the million busiest sites on the net. The computers on the International Space Station (the most expensive single man-made object in existence) were moved from Windows to Linux in 2013 in an attempt to improve stability and reliability. The back-end database of Skype (ironically now owned by Microsoft) is PostgreSQL. GCHQ recently reported that Ubuntu Linux is the most secure commonly-available desktop operating system. The Large Hadron Collider is the worlds largest scientific experiment. Its supporting IT infrastructure, the Worldwide LHC Computing Grid, is the worlds largest computing grid. It handles 30 PB of data per year and spans 36 countries and over 170 computing centres. It runs primarily on Linux. Hadoop, the current darling of many large consultancies looking to earn Big Data credentials, is open-source. Red Hat Enterprise Linux CEntOS (Community Enterprise OS) SUSE Linux Enterprise Server Oracle Linux IBM Enterprise Linux Server etc. The idea that open-source software is not for the enterprise is pure bullshit. If you work in tech for an organisation which disregards open source, enjoy it while it lasts. They wont be around for long. 2.4. But MS SQL Server can use multiple CPU cores for a single query This is an advantage for MS SQL Server whenever youre running a query which is CPU-bound and not IO-bound. In real-life data analytics this happens approximately once every three blue moons. On those very rare, very specific occasions when CPU power is truly the bottleneck, you almost certainly should be using something other than an RDBMS. RDBMSes are not for number crunching. This advantage goes away when a server has to do many things at once (as is almost always the case). PostgreSQL uses multiprocessing ndash different connections run in different processes, and hence on different CPU cores. The scheduler of the OS takes care of this. Also, I suspect this query parallelism is what necessitates the merge method which MS SQL Server custom aggregate assemblies are required to implement bits of aggregation done in different threads have to be combined with each other, MapReduce-style. I further suspect that this mechanism is what prevents MS SQL Server aggregates from accepting ORDER BY clauses. So, congratulations ndash you can use more than one CPU core, but you cant do a basic string roll-up. 2.5. But I have MS SQL Server skills, not PostgreSQL skills Youd rather stick with a clumsy, awkward, unreliable system than spend the trivial amount of effort it takes to learn a slightly different dialect of a straightforward querying language Well, just hope you never end up in a job interview with me. 2.6. But a billion Microsoft users cant all be wrong This is a real-life quotation as well, from a senior data analyst I used to work with. I replied well there are 1.5 billion Muslims and 1.2 billion Catholics. They cant all be right. Ergo, a billion people most certainly can be wrong. (In this particular case, 2.7 billion people are wrong.) 2.7. But if it were really that good then it wouldnt be free People actually say this too. I feel sorry for these people, because they are unable to conceive of anyone doing anything for any reason other than monetary gain. Presumably they are also unaware of the existence of charities or volunteers or unpaid bloggers or any of the other things people do purely out of a desire to contribute or to create something or simply to take on a challenge. This argument also depends on an assumption that open source development has no benefit for the developer, which is nonsense. The reason large enterprises open-source their code and then pay their teams to continue working on it is because doing so benefits them. If you open up your code and others use it, then you have just gained a completely free source of bug fixes, feature contributions, code review, product testing and publicity. If your product is good enough, it is used by enough people that it starts having an influence on standards, which means broader industry acceptance. You then have a favoured position in the market as a provider of support and deployment services for the software. Open-sourcing your code is often the most sensible course of action even if you are completely self-interested. As a case in point, here I am spending my free time writing a web page about how fabulous PostgreSQL is and then paying my own money to host it. Perhaps Teradata or Oracle are just as amazing, but theyre not getting their own pages because I cant afford them, so I dont use them. 2.8. But youre biased No, I have a preference. The whole point of this document is to demonstrate, using evidence, that this preference is justified. If you read this and assume that just because I massively prefer PostgreSQL I must be biased, that means you are biased, because you have refused to seriously consider the possibility that it really is better. If you think theres actual evidence that I really am biased, let me know. 2.9. But PostgreSQL is a stupid name This one is arguably true its pretty awkward. It is commonly mispronounced, very commonly misspelt and almost always incorrectly capitalised. Its a good job that stupidness of name is not something serious human beings take into account when theyre choosing industrial software products. That being said, MS SQL Server is literally the most boring possible name for a SQL Server provided by MS. It has anywhere from six to eight syllables, depending on whether or not you abbreviate Microsoft and whether you say it sequel or ess queue ell, which is far too many syllables for a product name. Microsoft has a thing for very long names though ndash possibly its greatest achievement ever is Microsoft WinFX Software Development Kit for Microsoft Pre-Release Windows Operating System Code-Named Longhorn, Beta 1 Web Setup I count 38 syllables. Wow. 2.10. But SSMS is better than PGAdmin Its slicker, sure. Its prettier. It has code completion, although I always turn that off because it constantly screws things up, and for every time it helps me out with a field or table name, theres at least one occasion when it does something mental, like auto-correcting a common SQL keyword like table to a Microsoft monstrosity like TABULATIONNONTRIVIALDISCOMBOBULATEDMACHIAVELLIANGANGLYONID or something. For actually executing SQL and looking at the results in a GUI, PGAdmin is fine. Its just not spectacular. SSMS is obviously Windows-only. PGAdmin is cross-platform. This is actually quite convenient. You can run PGAdmin in Windows, where you have all your familiar stuff ndash Office, Outlook etc. ndash whilst keeping the back end RDBMS in Linux. This gets you the best of both worlds (even an open source advocate like me admits that if youre a heavy MS Office user, there is no serious alternative). Several guys I work with do this. One point in SSMSs favour is that if you run several row-returning statements in a batch, it will give you all the results. PGAdmin returns only the last result set. This can be a drag when doing data analytics, where you often want to simultaneously query several data sets and compare the results. Theres another thing though: psql. This is PostgreSQLs command-line SQL interface. Its really, really good. It has loads of useful catalog-querying features. It displays tabular data intelligently. It has tab completion which, unlike SSMSs code completion, is actually useful, because it is context sensitive. So, for example, if you type DROP SCHEMA t and hit tab, it will suggest schema names starting with t (or, if there is only one, auto-fill it for you). It lets you jump around in the file system and use ultra-powerful text editors like vim inline. It automatically keeps a list of executed commands. It provides convenient, useful data import and export functionality, including the COPY TO PROGRAM feature which makes smashing use of pipes and command-line utilities to provide another level of flexibility and control of data. It makes intelligent use of screen space. It is fast and convenient. You can use it over an SSH connection, even a slow one. Its only serious disadvantage is that it is unsuitable for people who want to be data analysts, but are scared of command lines and typing on a keyboard. 2.11. But MS SQL Server can import straight from Excel Yes. So what Excel can output to CSV (in a rare moment of sanity, Microsoft made Excels CSV export code work properly) and PostgreSQL can import CSV. Admittedly, its an extra step. Is the ability to import straight from Excel a particularly important feature in an analytics platform anyway 2.12. But PostgreSQL is slower than MS SQL Server A more accurate rephrasing would be MS SQL Server is slightly more forgiving if you dont know what youre doing. For certain operations, PostgreSQL is definitely slower than MS SQL Server ndash the easiest example is probably COUNT(). which is (I think) always instant in MS SQL Server and in PostgreSQL requires a full table scan (this is due to the different concurrency models they use). PostgreSQL is slow out-of-the box because its default configuration uses only a tiny amount of system resources ndash but any system being used for serious work has been tuned properly, so raw out-of-the-box performance is not a worthwhile thing to argue about. I once saw PostgreSQL criticised as slow because it was taking a long time to do some big, complex regex operations on a large table. But everyone knows that regex operations can be very computationally expensive, and in any case, what was PostgreSQL being compared to Certainly not the MS SQL Server boxes, which couldnt do regexes. PostgreSQLs extensive support for very clever indexes, such as range type indexes and trigram indexes, makes it orders of magnitude faster than MS SQL Server for a certain class of operations. But only if you know how to use those features properly. The immense flexibility you get from the great procedural language support and the clever data types allows PostgreSQL-based solutions to outperform MS SQL Server-based solutions by orders of magnitude. See my earlier example . In any case, the argument about speed is never only about computer time it is about developer time too. Thats why high-level languages like PHP and Python are very popular, despite the fact that C kicks the shit out of them when it comes to execution speed. They are slower to run but much faster to use for development. Would you prefer to spend an hour writing maintainable, elegant SQL followed by an hour of runtime, or spend three days writing buggy, desperate workarounds followed by 45 minutes of runtime 2.13. But you never mentioned such-and-such feature of MS SQL Server As I said in the banner and the intro. I am comparing these databases from the point of view of a data analyst, because Im a data analyst and I use them for data analysis. I know about SSRS, SSAS, in-memory column stores and so on, but I havent mentioned them because I dont use them (or equivalent features). Yes, this means this is not a comprehensive comparison of the two databases, and I never said it would be. It also means that if you care mostly about OLTP or data warehousing, you might not find this document very helpful. 2.14. But Microsoft has open-sourced Yeah, mere hours after I wrote all about how theyre a vendor lock-in monster and are anti-open source. Doh. However, lets look at this in context. Remember the almighty ruckus when the Office Open XML standard was being created Microsoft played every dirty trick in the book to ensure that MS Office wouldnt lose its dominance. Successfully, too ndash the closest alternative, LibreOffice, is still not a viable option, largely because of incompatibility with document formats. The OOXML standard that was finally pushed through is immense, bloated, ambiguous, inconsistent and riddled with errors. That debacle also started with an apparent gesture toward open standards on Microsofts part. If that seems harsh or paranoid, lets remember that this is an organisation that has been in legal trouble with both the USA and the EU for monopolistic and anticompetitive behaviour and abuse of market power, in the latter case being fined almost half a billion Euros. Then theres the involvement in SCOs potentially Linux-killing lawsuit against IBM. When Steve Ballmer was CEO he described Linux as a cancer (although Ballmer also said Theres no chance that the iPhone is going to get any significant market share. No chance, so maybe he just likes to talk nonsense). Microsoft has a long-established policy of preferring conquest to cooperation. So, if they play nice for the next few years and their magnanimous gesture ushers in a new era of interoperability, productivity and harmony, I (and millions of developers who want to get on with creating great things instead of bickering over platforms and standards) will be over the moon. For now, thinking that MS has suddenly become all warm and fuzzy would just be naive. 2.15. But youre insultingI dont like your toneyou come across as angryyou sound like a fanboythis is unprofessionalthis is a rant This page is unprofessional by definition ndash Im not being paid to write it. That also means I get to use whatever tone I like, and I dont have to hide the way I feel about things. I hope you appreciate the technical content even if you dont like the way I write if my tone makes this document unreadable for you, then I guess Ive lost a reader and youve lost a web page. Cest la vie.

Insentif Stock Options Tax Rules

Pendahuluan Untuk Pilihan Stok Insentif Salah satu manfaat utama yang ditawarkan banyak pengusaha kepada pekerjanya adalah kemampuan untuk membeli saham perusahaan dengan semacam keuntungan pajak atau potongan harga yang harus dikeluarkan. Ada beberapa jenis rencana pembelian saham yang mengandung fitur ini, seperti opsi opsi saham nonqualified. Rencana ini biasanya ditawarkan kepada semua karyawan di sebuah perusahaan, dari eksekutif puncak sampai ke staf kustodian. Namun, ada jenis opsi saham lainnya. Dikenal sebagai opsi saham insentif. Yang biasanya hanya ditawarkan kepada karyawan kunci dan manajemen kelas atas. Pilihan ini juga umum dikenal sebagai pilihan resmi atau berkualitas, dan mereka dapat menerima perlakuan pajak preferensial dalam banyak kasus. Karakteristik Kunci ISOs Opsi saham insentif serupa dengan pilihan nonstatutory dalam hal bentuk dan struktur. Jadwal ISO dikeluarkan pada tanggal awal, yang dikenal sebagai tanggal pemberian dana, dan kemudian karyawan tersebut menjalankan haknya untuk membeli opsi pada tanggal pelaksanaan. Begitu pilihannya dieksekusi, karyawan tersebut memiliki kebebasan untuk segera menjual saham tersebut atau menunggu beberapa saat sebelum melakukannya. Tidak seperti pilihan non-undang-undang, periode penawaran untuk opsi saham insentif selalu 10 tahun, setelah opsi berakhir. Vesting ISO biasanya berisi jadwal vesting yang harus dipuaskan sebelum karyawan dapat menggunakan pilihan. Jadwal tebing tiga tahun standar digunakan dalam beberapa kasus, di mana karyawan tersebut menjadi sepenuhnya diliputi oleh semua opsi yang dikeluarkan kepadanya pada saat itu. Majikan lain menggunakan jadwal penjadwalan bergradasi yang memungkinkan karyawan diinvestasikan dalam seperlima pilihan yang diberikan setiap tahun, dimulai pada tahun kedua dari hibah. Karyawan tersebut kemudian sepenuhnya diberi hak untuk semua opsi di tahun keenam dari hibah. Metode Latihan Opsi saham insentif juga menyerupai opsi non-undang-undang karena dapat dilakukan dengan beberapa cara yang berbeda. Karyawan dapat membayar uang tunai di depan untuk melaksanakannya, atau dapat dilakukan dalam transaksi tanpa uang tunai atau dengan menggunakan pertukaran saham. Elemen Bargain ISO biasanya dapat dilakukan dengan harga di bawah harga pasar saat ini dan dengan demikian memberikan keuntungan langsung bagi karyawan. Ketentuan Clawback Ini adalah kondisi yang memungkinkan atasan untuk mengingat kembali pilihannya, seperti jika karyawan tersebut meninggalkan perusahaan dengan alasan lain selain kematian, cacat atau pensiun, atau jika perusahaan itu sendiri secara finansial tidak dapat memenuhi kewajibannya dengan pilihannya. Diskriminasi Sedangkan sebagian besar jenis rencana pembelian saham karyawan harus ditawarkan kepada semua karyawan perusahaan yang memenuhi persyaratan minimal tertentu, ISO biasanya hanya ditawarkan kepada eksekutif dan atau karyawan kunci suatu perusahaan. ISO dapat disamakan secara informal dengan rencana pensiun yang tidak memenuhi syarat, yang biasanya juga disesuaikan bagi mereka yang berada di puncak struktur perusahaan, yang bertentangan dengan rencana berkualitas, yang harus ditawarkan kepada semua karyawan. Perpajakan ISO ISO berhak menerima perlakuan pajak yang lebih baik daripada jenis rencana pembelian saham karyawan lainnya. Perlakuan ini adalah pilihan yang membedakan pilihan dari bentuk kompensasi berbasis saham lainnya. Namun, karyawan harus memenuhi kewajiban tertentu agar bisa menerima tunjangan pajak. Ada dua jenis disposisi untuk ISO: Kualifikasi Disposisi - Penjualan saham ISO dibuat setidaknya dua tahun setelah tanggal pemberian dan satu tahun setelah opsi dieksekusi. Kedua kondisi tersebut harus dipenuhi agar penjualan saham diklasifikasikan dengan cara ini. Disqualifying Disposition - Penjualan saham ISO yang tidak memenuhi persyaratan holding period yang ditentukan. Sama seperti pilihan non-undang-undang, tidak ada konsekuensi pajak baik pada pemberian maupun vesting. Namun, peraturan pajak untuk latihan mereka sangat berbeda dari pilihan non-undang-undang. Karyawan yang menerapkan opsi non-undang-undang harus melaporkan elemen tawar-menawar dari transaksi tersebut sebagai pendapatan yang diterima yang dikenai pemotongan pajak. Pemegang ISO tidak akan melaporkan apa-apa pada saat ini tidak ada pelaporan pajak apapun sampai saham terjual. Jika penjualan saham merupakan transaksi kualifikasi. Maka karyawan tersebut hanya akan melaporkan keuntungan modal jangka pendek atau jangka panjang atas penjualan tersebut. Jika penjualan adalah disposisi yang mendiskualifikasi. Maka karyawan tersebut harus melaporkan setiap elemen tawar-menawar dari latihan tersebut sebagai pendapatan yang diterima. Contoh Steve menerima 1.000 opsi saham non-statutory dan 2.000 opsi saham insentif dari perusahaannya. Harga pelaksanaan untuk keduanya adalah 25. Dia melatih semua jenis opsi sekitar 13 bulan kemudian, ketika saham diperdagangkan pada 40 saham, dan kemudian menjual 1.000 saham dari pilihan insentifnya enam bulan setelah itu, untuk 45 a Bagikan. Delapan bulan kemudian, dia menjual sisa sahamnya sebanyak 55 saham. Penjualan pertama dari saham insentif adalah disposisi yang mendiskualifikasi, yang berarti bahwa Steve harus melaporkan elemen tawar-menawar sebesar 15.000 (40 harga saham aktual - 25 harga pelaksanaan 15 x 1.000 saham) sebagai pendapatan yang diterima. Dia harus melakukan hal yang sama dengan elemen tawar-menawar dari latihan non-undang-undangnya, jadi dia akan memiliki 30.000 tambahan pendapatan W-2 untuk dilaporkan pada tahun latihan. Tapi dia hanya akan melaporkan keuntungan modal jangka panjang sebesar 30.000 (harga jual 55 - 25 harga pelaksanaan x 1.000 saham) untuk disposisi ISO kualifikasi. Perlu dicatat bahwa pengusaha tidak diharuskan untuk menahan pajak dari latihan ISO, jadi mereka yang berniat membuat disposisi yang diskualifikasi harus berhati-hati untuk menyisihkan dana untuk membayar pajak federal, negara bagian dan lokal. Serta Jamsostek. Medicare dan FUTA. Pelaporan dan AMT Meskipun disposisi ISO yang memenuhi syarat dapat dilaporkan sebagai keuntungan modal jangka panjang pada tahun 1040, elemen tawar-menawar pada latihan juga merupakan item preferensi untuk Pajak Minimum Alternatif. Pajak ini dinilai oleh konsumen yang memiliki sejumlah besar jenis pendapatan tertentu, seperti elemen tawar menawar ISO atau bunga obligasi daerah, dan dirancang untuk memastikan bahwa wajib pajak membayar paling sedikit jumlah pajak minimal atas penghasilan yang seharusnya merupakan pajak - bebas. Hal ini dapat dihitung pada Formulir IRS 6251. Namun, karyawan yang menerapkan sejumlah besar ISO harus berkonsultasi dengan penasihat pajak atau penasihat keuangan sebelumnya sehingga mereka dapat mengantisipasi konsekuensi pajak dari transaksi mereka dengan benar. Hasil penjualan saham ISO harus dilaporkan pada formulir IRS 3921 dan kemudian dibawa ke Jadwal D. Opsi saham Bottom Line Incentive dapat memberikan pendapatan yang substansial bagi pemegangnya, namun peraturan pajak untuk latihan dan penjualannya bisa sangat kompleks dalam beberapa kasus. Artikel ini hanya membahas tentang bagaimana opsi ini bekerja dan cara penggunaannya. Untuk informasi lebih lanjut tentang opsi saham insentif, hubungi perwakilan SDM atau penasihat keuangan Anda. Jenis struktur kompensasi yang biasanya digunakan oleh hedge fund manager di bagian kompensasi mana yang berbasis kinerja. Perlindungan terhadap hilangnya pendapatan yang akan terjadi jika tertanggung meninggal dunia. Penerima manfaat bernama menerima. Ukuran hubungan antara perubahan kuantitas yang diminta dari barang tertentu dan perubahan harga. Harga. Total nilai pasar dolar dari seluruh saham perusahaan yang beredar. Kapitalisasi pasar dihitung dengan cara mengalikan. Frexit singkatan dari quotFrench exitquot adalah spinoff Prancis dari istilah Brexit, yang muncul saat Inggris memilih. Perintah ditempatkan dengan broker yang menggabungkan fitur stop order dengan pesanan limit. Perintah stop-limit akan. Tip-Kiat Pajak Untuk Opsi Saham Jika perusahaan Anda menawarkan stock terbatas, opsi saham atau insentif tertentu lainnya, dengarkanlah. Ada potensi besar perangkap pajak. Tapi ada juga beberapa keuntungan pajak besar jika Anda memainkan kartu Anda dengan benar. Sebagian besar perusahaan memberikan beberapa saran pajak (setidaknya umum) kepada peserta tentang apa yang seharusnya dan tidak boleh dilakukan, namun jarang dilakukan. Ada sejumlah kebingungan yang mengejutkan mengenai rencana ini dan dampak pajak mereka (segera dan tidak). Berikut adalah 10 hal yang harus Anda ketahui jika opsi saham atau hibah merupakan bagian dari paket pembayaran Anda. 1. Ada dua jenis opsi saham. Ada opsi saham insentif (atau ISO) dan opsi saham tidak memenuhi syarat (atau NSO). Beberapa karyawan menerima keduanya. Rencana Anda (dan hibah pilihan Anda) akan memberi tahu Anda jenis yang Anda terima. ISO dikenakan pajak paling baik. Umumnya tidak ada pajak pada saat mereka diberikan dan tidak ada pajak tetap pada saat mereka dieksekusi. Setelah itu, saat Anda menjual saham Anda, Anda akan membayar pajak, mudah-mudahan sebagai keuntungan modal jangka panjang. Perolehan capital gain yang biasa adalah satu tahun, namun untuk mendapatkan perawatan capital gain untuk saham yang diperoleh melalui ISO, Anda harus: (a) memegang saham lebih dari satu tahun setelah Anda menggunakan opsi dan (b) menjual saham setidaknya Dua tahun setelah ISO Anda diberikan. Yang terakhir, aturan dua tahun membuat banyak orang tidak sadar. 2. ISO membawa jebakan AMT. Seperti yang saya catat di atas, saat Anda menerapkan ISO Anda tidak membayar pajak reguler. Itu mungkin akan memberi tahu Anda bahwa Kongres dan IRS sedikit mengejutkan Anda: pajak minimum alternatif. Banyak orang terkejut saat mengetahui bahwa meskipun penerapan ISO tidak memicu pajak reguler, hal itu dapat memicu AMT. Perhatikan bahwa Anda tidak menghasilkan uang saat Anda menerapkan ISO, jadi Anda harus menggunakan dana lain untuk membayar uang AMT atau mengatur untuk menjual cukup stok pada saat latihan untuk membayar AMT. Contoh: Anda menerima ISO untuk membeli 100 saham dengan harga pasar saat ini 10 per saham. Dua tahun kemudian, bila saham bernilai 20, Anda berolahraga, membayar 10. Penyebaran 10 antara harga pelaksanaan Anda dan nilai 20 tunduk pada AMT. Berapa banyak AMT yang Anda bayarkan akan bergantung pada penghasilan dan deduksi Anda yang lain, tapi itu bisa menjadi tingkat rata-rata 28 AMT pada spread 10, atau 2,80 per saham. Kemudian, Anda menjual saham dengan keuntungan, Anda mungkin bisa mengembalikan AMT melalui apa yang dikenal sebagai kredit AMT. Tapi terkadang, jika stok mogok sebelum Anda menjual, Anda bisa terjebak membayar tagihan pajak yang besar untuk pendapatan hantu. Itulah yang terjadi pada karyawan yang dilanda payudara dot-com tahun 2000 dan 2001. Pada tahun 2008 Kongres mengeluarkan sebuah ketentuan khusus untuk membantu para pekerja tersebut keluar. (Untuk informasi lebih lanjut tentang bagaimana cara memberikan bantuan itu, klik di sini.) Tapi jangan mengandalkan Kongres untuk melakukan itu lagi. Jika Anda menggunakan ISO, Anda harus merencanakan pajak dengan benar. 3. Eksekutif mendapatkan pilihan yang tidak memenuhi syarat. Jika Anda seorang eksekutif, Anda lebih cenderung menerima semua (atau paling tidak sebagian besar) pilihan Anda sebagai opsi yang tidak memenuhi syarat. Mereka tidak dikenai pajak sebagus ISO, tapi setidaknya tidak ada perangkap AMT. Seperti halnya ISO, tidak ada pajak pada saat opsi diberikan. Tapi bila Anda menggunakan opsi nonqualified, Anda berhutang pajak penghasilan biasa (dan jika Anda adalah karyawan, Medicare dan pajak gaji lainnya) mengenai selisih antara harga dan nilai pasar Anda. Contoh: Anda menerima opsi untuk membeli saham dengan harga 5 per saham saat saham diperdagangkan di 5. Dua tahun kemudian, Anda berolahraga saat saham diperdagangkan pada 10 per saham. Anda membayar 5 saat berolahraga, tapi nilainya pada saat itu adalah 10, jadi Anda memiliki 5 dari kompensasi pendapatan. Kemudian, jika Anda memegang saham selama lebih dari satu tahun dan menjualnya, harga penjualan di atas 10 (dasar baru Anda) harus mendapatkan modal jangka panjang. Berolahraga pilihan mengambil uang, dan menghasilkan pajak untuk boot. Itulah mengapa banyak orang menggunakan pilihan untuk membeli saham dan menjual saham tersebut pada hari yang sama. Beberapa rencana bahkan mengizinkan latihan tanpa uang tunai. 4. Stok terbatas biasanya berarti pajak tertunda. Jika Anda menerima saham (atau properti lainnya) dari atasan Anda dengan persyaratan yang dilampirkan (misalnya Anda harus tinggal selama dua tahun untuk mendapatkannya atau menyimpannya), peraturan properti khusus yang dibatasi berlaku berdasarkan Bagian 83 dari Kode Pendapatan Internal. Aturan Bagian 83, bila dikombinasikan dengan opsi saham, membuat banyak kebingungan. Pertama, mari pertimbangkan properti terbatas murni. Sebagai wortel untuk tinggal bersama perusahaan, atasan Anda mengatakan jika Anda tinggal bersama perusahaan selama 36 bulan, Anda akan mendapatkan 50.000 saham. Anda tidak perlu membayar apapun untuk saham, tapi ini diberikan kepada Anda sehubungan dengan layanan pertunjukan. Anda tidak memiliki penghasilan kena pajak sampai Anda menerima saham. Akibatnya, IRS menunggu 36 bulan untuk melihat apa yang akan terjadi. Bila Anda menerima saham, Anda memiliki 50.000 pendapatan (atau kurang lebih, tergantung pada bagaimana saham tersebut telah dilakukan untuk sementara waktu). Penghasilan dikenai pajak sebagai upah. 5. IRS tidak akan menunggu selamanya. Dengan pembatasan yang akan selang seiring berjalannya waktu, IRS selalu menunggu untuk melihat apa yang terjadi sebelum mengenakan pajak. Namun beberapa batasan tidak akan pernah selang. Dengan batasan non-sela tersebut, nilai IRS akan dikenakan pada batasan tersebut. Contoh: Majikan Anda menjanjikan saham jika Anda tinggal bersama perusahaan selama 18 bulan. Bila Anda menerima saham itu akan dikenai pembatasan permanen berdasarkan perjanjian pembelian perusahaan untuk menjual kembali saham tersebut seharga 20 per saham jika Anda meninggalkan perusahaan tersebut. IRS akan menunggu dan melihat (tidak ada pajak) untuk 18 bulan pertama. Pada saat itu, Anda akan dikenakan pajak atas nilainya, yang kemungkinan akan berjumlah 20 diberi batasan penjualan kembali. 6. Anda dapat memilih untuk dikenai pajak lebih cepat. Aturan properti yang dibatasi umumnya mengadopsi pendekatan wait and see untuk pembatasan yang pada akhirnya akan gagal. Namun, di bawah apa yang dikenal sebagai pemilihan 83 (b), Anda dapat memilih untuk memasukkan nilai properti dalam penghasilan Anda lebih awal (yang berlaku pada mengabaikan batasan-batasan tersebut). Mungkin terdengar kontra-intuitif untuk memilih untuk memasukkan sesuatu pada pengembalian pajak Anda sebelum dibutuhkan. Namun permainan di sini adalah mencoba memasukkannya ke dalam pendapatan dengan nilai rendah, mengunci perawatan keuntungan modal masa depan untuk apresiasi di masa depan. Untuk memilih perpajakan saat ini, Anda harus mengajukan 83 (b) pemilihan tertulis dengan IRS dalam waktu 30 hari sejak menerima properti tersebut. Anda harus melaporkan pemilihan nilai dari apa yang Anda terima sebagai kompensasi (yang mungkin kecil atau bahkan nol). Kemudian, Anda harus melampirkan salinan lain dari pemilihan tersebut untuk pengembalian pajak Anda. Contoh: Anda ditawarkan saham oleh atasan Anda dengan harga 5 per saham saat saham bernilai 5, namun Anda harus tetap bersama perusahaan tersebut selama dua tahun untuk dapat menjualnya. Anda sudah memiliki nilai pasar wajar untuk saham tersebut. Itu berarti mengajukan 83 (b) pemilihan dapat melaporkan nol pendapatan. Namun dengan mengarsipkannya, Anda mengubah penghasilan masa depan yang akan datang menjadi keuntungan modal. Bila Anda menjual saham lebih dari setahun kemudian, Anda akan senang Anda mengajukan pemilihan. 7. Pilihan pembatasan bingung. Seakan peraturan aturan dan peraturan opsi properti yang dibatasi masing-masing tidak cukup rumit, terkadang Anda harus berurusan dengan kedua rangkaian peraturan tersebut. Misalnya, Anda mungkin diberi opsi saham (ISO atau NSO) yang dibatasi hak Anda atas mereka dari waktu ke waktu jika Anda tinggal dengan perusahaan. IRS umumnya menunggu untuk melihat apa yang terjadi dalam kasus seperti itu. Anda harus menunggu dua tahun untuk pilihan Anda untuk rompi, jadi tidak ada pajak sampai tanggal vesting itu. Kemudian, aturan opsi saham mengambil alih. Pada saat itu, Anda akan membayar pajak berdasarkan peraturan ISO atau NSO. Bahkan dimungkinkan untuk membuat 83 (b) pemilihan opsi saham kompensasi. 8. Anda membutuhkan bantuan dari luar. Sebagian besar perusahaan mencoba melakukan pekerjaan dengan baik untuk mencari ketertarikan Anda. Bagaimanapun, rencana opsi saham diadopsi untuk menciptakan loyalitas sekaligus memberikan insentif. Tetap saja, biasanya akan membayar untuk menyewa seorang profesional untuk membantu Anda mengatasi rencana ini. Aturan pajaknya rumit, dan Anda mungkin memiliki campuran ISO, NSO, stock terbatas dan banyak lagi. Perusahaan kadang-kadang memberikan saran perencanaan pajak dan perencanaan pribadi kepada eksekutif puncak sebagai merembes, tapi jarang mereka menyediakannya untuk semua orang. 9. Baca dokumen Anda Saya selalu terkejut melihat berapa banyak klien yang mencari panduan tentang jenis pilihan atau saham terlarang yang telah mereka berikan yang tidak memiliki dokumen atau havent membacanya. Jika Anda mencari bimbingan dari luar, Anda akan ingin memberikan salinan semua dokumen Anda kepada penasihat Anda. Dokumen itu harus mencakup dokumen rencana perusahaan, kesepakatan yang telah Anda tandatangani yang mengacu pada pilihan atau batasan saham, dan hibah atau penghargaan apa pun. Jika Anda benar-benar mendapatkan sertifikat saham, berikan salinannya juga. Tentu saja Id menyarankan untuk membaca dokumen Anda terlebih dahulu. Anda mungkin menemukan bahwa beberapa atau semua pertanyaan Anda dijawab oleh materi yang telah Anda terima. 10. Hati-hati dengan bagian 409A yang ditakuti. Akhirnya, berhati-hatilah dengan satu bagian Internal Revenue Code, 409A, yang disahkan pada tahun 2004. Setelah masa panduan transisi yang membingungkan, sekarang mengatur banyak aspek program kompensasi yang ditangguhkan. Kapan pun Anda melihat referensi ke bagian 409A yang mendaftar ke rencana atau program, dapatkan bantuan dari luar. Untuk lebih lanjut tentang 409A, klik di sini. Robert W. Wood adalah seorang pengacara pajak dengan praktik nasional. Penulis lebih dari 30 buku termasuk Perpajakan Damage Awards amp Settlement Payments (edisi ke 4 Ed. 2009) ia bisa dihubungi di woodwoodporter. Diskusi ini tidak dimaksudkan sebagai nasihat hukum dan tidak dapat diandalkan untuk tujuan apapun tanpa layanan dari seorang profesional yang berkualitas. Home 187 Articles 187 Opsi Saham dan Alternative Choice Tax (AMT) Opsi saham insentif (ISO) dapat menjadi cara yang menarik untuk Penghargaan karyawan dan penyedia layanan lainnya. Tidak seperti pilihan non-kualifikasi (NSO), di mana spread pada opsi dikenakan pajak pada olahraga dengan tarif pajak penghasilan biasa, walaupun sahamnya belum terjual, ISO, jika memenuhi persyaratan, memungkinkan pemegang untuk tidak membayar pajak sampai Saham dijual dan kemudian membayar pajak capital gain atas selisih antara harga hibah dan harga jual. Tapi ISO juga tunduk pada Alternative Minimum Tax (AMT), sebuah cara alternatif untuk menghitung pajak yang harus digunakan oleh pengarang tertentu. AMT dapat berakhir dengan mengenakan pajak pemegang ISO pada penyebaran yang disadari pada latihan meskipun perlakuannya biasanya menguntungkan untuk penghargaan ini. Aturan Dasar untuk ISOs Pertama, perlu dipahami bahwa ada dua jenis opsi saham, opsi nonqualified dan opsi saham insentif. Dengan salah satu pilihan, karyawan mendapatkan hak untuk membeli saham dengan harga tetap hari ini untuk jangka waktu tertentu di masa depan, biasanya 10. Bila karyawan memilih untuk membeli saham tersebut, mereka mengatakan untuk menggunakan opsi tersebut. Jadi seorang karyawan mungkin memiliki hak untuk membeli 100 saham dengan harga 10 per saham selama 10 tahun. Setelah tujuh tahun, misalnya, sahamnya mungkin berusia 30, dan karyawan tersebut dapat membeli 30 saham untuk 10. Jika pilihannya adalah NSO, karyawan tersebut akan segera membayar pajak atas 20 perbedaan (disebut spread) pada pajak penghasilan biasa. tarif. Perusahaan mendapatkan potongan pajak yang sesuai. Ini memegang apakah karyawan menyimpan saham atau menjualnya. Dengan ISO, karyawan tidak membayar pajak untuk latihan, dan perusahaan tidak mendapat potongan. Sebaliknya, jika karyawan memegang saham selama dua tahun setelah hibah dan satu tahun setelah latihan, karyawan tersebut hanya membayar pajak capital gain atas perbedaan tertinggi antara harga pelaksanaan dan penjualan. Jika kondisi ini tidak terpenuhi, maka pilihannya dikenai pajak seperti opsi yang tidak berkualifikasi. Untuk karyawan berpenghasilan lebih tinggi, perbedaan pajak antara ISO dan NSO dapat sebanyak 19,6 di tingkat federal saja, ditambah karyawan tersebut memiliki keuntungan untuk menunda pajak sampai sahamnya terjual. Ada persyaratan lain untuk ISO juga, seperti yang dijelaskan dalam artikel ini di situs kami. Tapi ISO memiliki kelemahan besar bagi karyawan. Penyebaran antara harga beli dan hibah tunduk pada AMT. AMT diberlakukan untuk mencegah pembayar pajak berpenghasilan tinggi membayar terlalu sedikit pajak karena mereka dapat mengambil berbagai potongan pajak atau pengecualian (seperti penyebaran pada penerapan ISO). Hal ini mengharuskan pembayar pajak yang mungkin dikenai pajak menghitung apa yang harus mereka bayar dengan dua cara. Pertama, mereka mencari tahu berapa banyak pajak yang harus mereka bayar dengan menggunakan peraturan pajak yang normal. Kemudian, mereka menambahkan kembali ke penghasilan kena pajak potongan dan pengecualian tertentu yang mereka ambil saat menghitung pajak reguler mereka dan, dengan menggunakan angka yang sekarang lebih tinggi, hitunglah AMT. Add-back ini disebut item preferensi dan spread pada opsi saham insentif (tapi bukan NSO) adalah salah satu dari item ini. Untuk penghasilan kena pajak sampai dengan 175.000 atau kurang (pada tahun 2013), tarif pajak AMT adalah 26 untuk jumlah di atas ini, tarifnya adalah 28. Jika AMT lebih tinggi, wajib pajak membayar pajak itu sebagai gantinya. Satu poin sebagian besar artikel mengenai masalah ini jangan dijelaskan adalah bahwa jika jumlah yang dibayarkan di bawah AMT melebihi apa yang seharusnya dibayar berdasarkan peraturan pajak normal tahun itu, kelebihan AMT ini menjadi kredit pajak minimum (MTC) yang dapat diterapkan di masa depan. Tahun ketika pajak normal melebihi jumlah AMT. Mengimaji Pajak Minimum Alternatif Tabel di bawah ini, yang berasal dari bahan yang diberikan oleh Janet Birgenheier, Direktur Pendidikan Klien di Charles Schwab, menunjukkan perhitungan AMT dasar: Tambah: Penghasilan kena pajak reguler Pengambilan keputusan medis Ditentukan pengurangan jumlah yang berbeda-beda tergantung pada deduksi pajak AMT Statelocalreal Personal Pengecualian Penyebaran pada latihan ISO Pendapatan kena pajak AMT sementara Kurangi: pembebasan standar AMT (78.750 untuk pengadu bersama 2012 50.600 untuk orang yang belum menikah 39.375 untuk pengarsipan menikah secara terpisah. Hal ini dikurangi sebesar 25 sen untuk setiap dolar penghasilan kena pajak AMT di atas 150.000 untuk pasangan, 112.500 untuk Single dan 75.000 untuk pengarsipan menikah secara terpisah.) Penghasilan kena pajak AMT yang sebenarnya Multiply: Penghasilan kena pajak AMT aktual sebanyak 26 untuk jumlah sampai 175.000, ditambah 28 jumlah di atas pajak minimum Tentatif Kurangi: Pajak minimum sementara - Pajak reguler AMT Jika hasil ini berlaku Perhitungannya adalah bahwa AMT lebih tinggi dari pajak biasa, maka Anda membayar AMT Jumlah ditambah pajak biasa. Jumlah AMT, bagaimanapun, menjadi kredit pajak potensial yang dapat Anda kurangi dari tagihan pajak masa depan. Jika pada tahun berikutnya pajak reguler Anda melebihi AMT Anda, maka Anda dapat menerapkan kredit tersebut terhadap selisihnya. Berapa banyak yang dapat Anda klaim tergantung pada berapa banyak tambahan yang Anda bayarkan dengan membayar AMT di tahun sebelumnya. Itu memberikan kredit yang bisa digunakan di tahun-tahun depan. Jika Anda membayar, misalnya, 15.000 lebih karena AMT pada tahun 2013 daripada yang Anda bayarkan dalam perhitungan pajak biasa, Anda dapat menggunakan kredit hingga 15.000 di tahun depan. Jumlah yang akan Anda klaim akan menjadi perbedaan antara jumlah pajak reguler dan perhitungan AMT. Jika jumlah reguler lebih besar, Anda dapat mengklaimnya sebagai kredit, dan meneruskan kredit yang tidak terpakai untuk tahun-tahun depan. Jadi jika pada tahun 2014, pajak reguler Anda 8.000 lebih tinggi dari pada AMT, Anda dapat mengklaim 8.000 kredit dan meneruskan kredit sebesar 7.000 sampai Anda menggunakannya. Penjelasan ini tentu saja merupakan versi sederhana dari materi yang berpotensi kompleks. Siapa saja yang berpotensi terkena AMT harus menggunakan penasihat pajak untuk memastikan semuanya dilakukan dengan tepat. Umumnya, orang dengan pendapatan lebih dari 75.000 per tahun adalah kandidat AMT, namun tidak ada garis pemisah yang terang. Salah satu cara untuk mengatasi perangkap AMT adalah agar karyawan menjual beberapa saham segera untuk menghasilkan uang yang cukup untuk membeli opsi di tempat pertama. Jadi seorang karyawan akan membeli dan menjual cukup saham untuk menutupi harga beli, ditambah pajak yang akan jatuh tempo, kemudian menyimpan sisa sahamnya sebagai ISO. Misalnya, seorang karyawan bisa membeli 5.000 saham dimana dia memiliki pilihan dan menyimpan 5.000 saham. Dalam contoh kita tentang saham yang bernilai 30, dengan harga pelaksanaan 10, ini akan menghasilkan bersih sebelum pajak 5.000 x 20 spread, atau 100.000. Setelah pajak, ini akan meninggalkan sekitar 50.000, menghitung gaji, pajak negara bagian, dan federal semua pada tingkat tertinggi. Pada tahun berikutnya, karyawan tersebut harus membayar AMT dengan sisa 100.000 spread untuk saham yang tidak terjual, yang bisa mencapai 28.000. Tapi karyawan tersebut akan memiliki lebih dari cukup uang yang tersisa untuk menangani hal ini. Strategi lain yang bagus adalah menggunakan opsi insentif di awal tahun. Itu karena karyawan tersebut dapat menghindari AMT jika sahamnya dijual sebelum akhir tahun kalender dimana opsi tersebut dieksekusi. Misalnya, anggap John menggunakan ISO-nya pada bulan Januari dengan harga 10 per saham pada saat saham bernilai 30. Tidak ada pajak langsung, namun 20 spread tersebut tunduk pada AMT, untuk dihitung pada tahun pajak berikutnya. John berpegang pada saham tersebut, namun memperhatikan harganya dengan cermat. Pada bulan Desember, mereka hanya bernilai 17. John adalah wajib pajak berpenghasilan tinggi. Akuntannya menasihatinya bahwa semua dari 20 spread tersebut akan dikenakan pajak 26 AMT, yang berarti John akan berhutang sekitar 5,20 per saham. Hal ini semakin tidak nyaman dengan 7 keuntungan yang dimiliki John saat ini. Dalam skenario terburuk, mereka jatuh di bawah 10 tahun depan, yang berarti John harus membayar 5,20 per saham pajak atas saham di mana ia benar-benar kehilangan uang. Jika, bagaimanapun, John menjual sebelum 31 Desember, ia dapat melindungi keuntungannya. Sebagai gantinya, neraka membayar pajak penghasilan biasa pada 7 spread. Aturannya di sini adalah harga jualnya kurang dari nilai pasar wajar saat berolahraga namun lebih tinggi dari harga hibah, maka pajak penghasilan biasa akan jatuh tempo. Jika lebih tinggi dari nilai pasar wajar (lebih dari 30 dalam contoh ini), pajak penghasilan biasa akan jatuh tempo pada jumlah spread pada saat exercise, dan pajak capital gain jangka pendek akan jatuh tempo pada selisih tambahan (jumlah di atas 30 di Contoh ini). Di sisi lain, jika pada bulan Desember harga saham masih terlihat kuat, John bisa bertahan selama satu bulan lagi dan memenuhi syarat untuk mendapatkan capital gain treatment. Dengan berolahraga di awal tahun, dia telah meminimalkan periode setelah tanggal 31 Desember dia harus memegang sahamnya sebelum membuat keputusan untuk menjual. Pada tahun berikutnya dia berlatih, semakin besar risikonya di tahun pajak berikutnya harga saham akan turun drastis. Jika John menunggu sampai 31 Desember untuk menjual sahamnya, tapi menjualnya sebelum masa memegang satu tahun habis, maka keadaannya benar-benar suram. Dia masih tunduk pada AMT dan harus membayar pajak penghasilan biasa atas penyebarannya juga. Untungnya, hampir dalam setiap kasus, ini akan mendorong pajak penghasilan biasa di atas perhitungan AMT dan dia tidak perlu membayar pajak dua kali. Akhirnya, jika John memiliki banyak pilihan non-kualifikasi yang tersedia, dia bisa melatih banyak dari mereka dalam satu tahun di mana dia juga menerapkan ISO-nya. Ini akan menaikkan jumlah pajak penghasilan biasa yang dia bayar dan bisa mendorong tagihan pajak biasa sebanyak cukup tinggi sehingga melebihi perhitungan AMT-nya. Itu berarti dia tidak akan memiliki AMT tahun depan untuk membayarnya. Perlu diingat bahwa ISO memberikan manfaat pajak bagi karyawan yang dengan rela mengambil risiko memegang saham mereka. Terkadang risiko ini tidak berlaku bagi karyawan. Selain itu, biaya riil AMT bukanlah jumlah total yang dibayarkan untuk pajak ini tetapi jumlah yang melebihi pajak biasa. Tragedi yang sesungguhnya bukanlah orang-orang yang mengambil risiko secara sadar dan kehilangan, tapi karyawan yang memegang saham mereka tanpa benar-benar mengetahui konsekuensinya, karena AMT masih merupakan sesuatu yang banyak diketahui sedikit atau tidak sama banyak dan terkejut (terlambat) untuk belajar Mereka harus membayar Tetap diinformasikan