2022年11月12日下午，以「如何在量化投研场景中落地高效的复杂计算」为主题的 D-Day 系列活动顺利举办。来自证券、公募、私募的各位金融行业嘉宾齐聚深圳，就量化交易相关话题共同交流、探讨。让我们一起来回顾精彩瞬间~
本次活动流程主要包含三个环节，DolphinDB 创始人周小华博士进行开场致辞后，首先由来自券商的两位嘉宾分别与大家分享了 DolphinDB 的应用、数据库选型等相关经验。
接着周小华博士就嘉宾分享做出了回应，并为大家介绍了 DolphinDB 最新研发成果和产品研发方向。
茶歇环节后，来自券商、私募、厂商等不同机构类型的三位嘉宾，与周博士共同就 “量化交易中如何降本增效” 展开了圆桌讨论。
精彩瞬间：嘉宾分享
如何使用 DolphinDB 进行中高低频复杂分析
来自券商的第一位嘉宾围绕 DolphinDB 在业务中的实际应用，为大家分享了团队选用 DolphinDB 的原因：包括 IT 协同难、底层编码能力弱、DolphinDB 学习成本低等。
“目前在柜台市场部的业务线中，DolphinDB 主要应用于存储、计算以及新业务实现。团队原有的方案存在诸多问题，例如 Kdb+ 存储方案运维成本高，数据获取难；Python 实现计算逻辑后 C++ 的投产周期太长；业务完全依赖厂商导致数据计算验证工作开展困难等。”
同时嘉宾还表示，DolphinDB 在未来仍有很大的潜力，支持自己的团队拓展一系列在场外衍生品、做市、统一的数据中台和算法平台等风向的业务。
在量化交易系统架构中如何选型数据库方案
第二位嘉宾结合多年量化投研经验，为大家介绍了团队目前正在使用的交易架构，包括关键技术、技术方案要求以及问题瓶颈等。
无论从投研端还是交易端，采用数据库方案都能够解决诸多痛点问题，包括远地大数据中心全量行情的存储、大量的数据处理；交易中对多核、大内存服务器的充分高效利用，以及一写多读，尽可能减少内存分配和各种 IO 等，大幅提升了运行效率。
“结合数据库在写入、读取、计算等方面的各项性能需求，团队针对市场的6种解决方案进行了对比选型。在涉及百GB级数据导入清洗、实现因子完整逻辑、接入实盘行情总线等业务情况下，使用 DolphinDB 的表现令人惊叹——据统计，策略思路明确后仅需两周即可实现，总脚本文件数量只有5个，总代码行数不足1000行。”
DolphinDB 具有超强的数据并行处理能力、逻辑表达能力以及多样的开放性接口方案，未来潜力无限。
精彩瞬间：创始人面对面
DolphinDB 最新研发成果和产品发展方向
创始人分享环节，DolphinDB CEO 周小华博士从交易、研发和回测、基础设施、行情接入这四个模块，分别为大家介绍了 DolphinDB 目前的研发成果和未来方向。
未来，DolphinDB 将在流计算中融入 JIT 技术，以降低计算时延；交易型内存数据库的上线将实现高并发低延时；同时，DolphinDB 也将推出跨进程共享内存表，极大提升数据库读写效率。
在研发和回测方面，DolphinDB 已经发布了一些常用的因子库，后续还将支持快照合成功能，强化模块代码加密和权限管理，以及上线模拟撮合引擎。
基础设施上，最值得一提的是 Python Parser 与流数据状态存储引擎，DolphinDB 将本着精益求精做产品的精神，在不久的将来上线这两大功能。
在行情接入方面，DolphinDB 也将扩展对行情数据接口的支持范围。
精彩瞬间：圆桌讨论
量化交易中如何通过软硬件方案降本增效
从过往的经验来看，量化团队的最大成本可能有哪些？实际的成本投入和最终产出是否完全正相关？团队如何实现降本增效？
来自券商、私募、厂商等不同类型机构的三位嘉宾就以上问题共同进行了探讨。
从人员和数据成本，因子验证、投产效率带来的时间成本，运维支持的便利性成本等，到通过坚持技术方向，寻求基建外包，加强 IT 与策略人员沟通，以及提高运维效率等方法实现降本增效，嘉宾们的讨论热火朝天。
此外，周小华博士结合 DolphinDB 服务众多金融机构的经验，也为降本增效提出了相关建议。
更多现场细节~
优雅环境
精美伴手礼
美味茶歇
友好交流
