滑动查看更多图片
将 DolphinDB
融入多策略交易架构
滑动查看更多图片
DolphinDB
另一位来自某券商高频策略研发团队的深度用户，在此之前本身已熟悉 Python、 C++、R 等多种技术栈，但是仅仅基于传统数据库方案、文件系统以及自研C++系统，在对于 Tick 数据的研究分析上还是会遇到性能瓶颈。在入职券商后他便开始了深度的技术栈融合研发，将因子层的研发全部转移至 DolphinDB，在多因子大时序策略、大截面策略中，单因子多参数计算提速了50-100倍。
D-Day · 深圳站
DolphinDB：
量化基金日常投研工作中需要反复进行策略的回测工作，许多私募用户提到了“ Python 回测耗时长”、“海量数据存查慢”、“内存占用率过高”等问题，这其中，数据存查和因子计算性能是提升效率的关键：DolphinDB 的多范式脚本语言可实现因子代码快速编写，内置的分布式计算架构、1500+计算函数、10+流计算引擎，可以大幅提升用户的因子投研效率。
D-Day · 上海站
在分享中，马苏川表示：“ 在行情数据接入、因子投研、流数据处理、策略回测、实时交易等环节，实现大幅加速，为海量历史数据、实时行情数据的处理和计算提供高性能的投研方案，这就是 DolphinDB 广受好评的产品优势。”
面对庞大的因子数据量，传统的线性回归方法已难以满足处理需求，很多团队都已经引入了深度学习工具。DolphinDB 新研发的 AI Data Loader、 GPU 算子库、Vector Database 等功能，在不断加强对 AI 建模分析的支持。以新推出的 AI Data Loader 功能为例，用户可以用 SQL 语句把分布式数据库当中的数据直接对接到 PyTorch 等工具中，省去了数据转换与落地的成本。
在交流中寻找新思路
