浙江大學講座回顧 用 DolphinDB 探索中高頻量化交易的世

　　11月10日，DolphinDB 創始人兼 CEO 周小華博士受邀出席了浙江大學金融家大講堂活動，作為講師帶來了主題為《探索中高頻量化交易的世界：高性能基礎設施的構建和應用》的精彩講座。當天雖然小雨淅瀝，但完全沒有影響參會者的熱情，近五十人參加了本次講座。

　　“如何在中高頻數據中挖掘 Alpha 信號？”周博士的講座以一個簡短有力的問題開場，圍繞“如何高效存儲和分析海量數據，更快發掘新的有效因子”這一行業重點問題，周博士詳細描述了中高頻量化投研中面臨的新挑戰，并向大家分享了DolphinDB 在為行業解決這些問題時，總結出的深刻經驗。

　　隨著行情數據頻率的提高，海量數據會給投研帶來極大的壓力。以高頻因子數據為例，數據量是原始行情數據的 10-100 倍，通常會達到 500+TB。如何海量數據集上實現數據的高效存儲、分析和實時計算，是每一個量化團隊必須面對的問題。周博士從存儲、計算、實時計算三個方面，分別總結了傳統解決方案的缺點與不足，并以 DolphinDB 為例，向大家介紹了中高頻量化投研的非常好的實踐。

　　存儲方面，傳統的解決方案（以關系型數據庫為例）有著壓縮比低、分析和計算能力弱、數據難以管理等問題；

　　分析方面，SQL 和 Python 雖然應用廣泛，但卻有著復雜邏輯表達能力不足和計算性能不佳等問題，C++性能滿足要求，但自研開發成本太高。此外還有 Spark 和 Ray 等分布式計算工具，均沒有針對金融領域開發的算子庫，因此可能并不是中高頻量化投研的非常好的選擇。

　　實時計算方面，現有流行的流計算組件有著生產上線成本高，從批計算到流計算代碼轉寫和結果校驗非常耗時；Flink、Kafka 等技術棧開發成本高，物化視圖技術只能解決簡單的流計算問題，且時延較高不能滿足高性能的要求。

　　如何解決上述問題，DolphinDB 提出了新的解決方案。

　　此次講座不僅提供了豐富的技術洞見，也為在場的同學和研究人員提供了一個寶貴的學習和交流平臺。同學們積極參與，提出了許多深入的問題。周博士的回答不僅僅局限于理論，還涵蓋了實際操作和行業內的實戰經驗。這種實用性強的交流，讓參會者獲益良多。

　　DolphinDB 與高校合作計劃

　　DolphinDB 一直積極開展與高校之間的學術交流合作，近期我們也將聯合復旦大學、上海交通大學等，為大家開設線下講座，歡迎感興趣的同學和朋友報名參加?。P注 DolphinDB 公眾號，實時獲取報名通知～）