PG电子·(中国)官方网站

　　3月14日下昼，DolphinDB 受邀出席由卡方科技与华安证券联袂举办的私募行业交换会电子。此次嘉会集聚了私募行业的精英气力。浩瀚邦内发展型私募机构代外齐聚一堂，协同探究私募范畴的众元化互助政策，联袂书写行业开展的新篇章。

　　正在分享症结，DolphinDB 创始人、CEO 周小华博士带来了一场精巧演讲。他不光对中高频量化买卖的处理计划实行了深远理会，还就如今热门AI 大模子开展了宽裕洞睹的探究。现正在，让咱们一同回头周博士正在现场的精巧分享。

　　跟着行情数据频率的抬高，海量数据的存储为投研带来庞大挑衅。守旧的联系型数据库及文献存储等办法存正在着压缩比低，功能优化不够，数据难以办理等痛点。针对以上题目 DolphinDB 提出了新的处理计划，除了不妨将压缩比大幅提拔以外（最高可达10:1），DolphinDB 深远洞察量化范畴交易，供给了肖似年光戳存储、数组存储、宽外存储/窄外存储和 co-location 存储，为用户供给了更为高效的海量数据存储计划。

　　正在讨论市集的微观机闭时，每家机构都欲望不妨对逐笔数据实行开采，高效、乖巧打点订单簿数据。目前市情上大批疾照引擎一般选用每三秒天生一次疾照的办法，云云的频率难以捕获更为精密的消息，比方三秒内通盘买卖的均匀价钱，以及末了一笔成交与末了一笔报价之间的无误年光差。这些轻细的数据点对付无误剖析市集动态至闭首要。为此，DolphinDB 供给了订单簿数据打点框架应许用户自界说目标，天生买卖信号，助力政策开拓。DolphinDB 的订单簿数据打点架构，供给了高度的乖巧性和功能保险，不妨餍足用户的性子化交易需求。

　　市集上，对付中低频的回测产物，用户有很众拔取。可是正在对高频数据实行回测时，因为数据量庞大，功能时延条件高、开拓难度大等特质，市集上并没有太众成熟的产物，用户往往拔取自研。为此，DolphinDB 供给了一套模仿联合引擎，便利用户正在中高频政策回测中模仿现实买卖，从而更合理地评估和推想政策正在的确买卖中的后果。DolphinDB 模仿联合引擎支撑订单成交比例和延时等树立，众笔同偏向的用户委托订单同时撮当令，屈从遵守价钱优先、年光优先的规则实行联合成交，便利用户正在高频政策回测中模仿现实买卖。模仿联合引擎插件运用 C++ 开拓，维系 DolphinDB 散布式数据库，能极大地省略高频政策回测的全部耗时。

　　因子开采是量化买卖的基石，开采中高频行情数据中的有价钱因子并筑模回测，修筑买卖体系是量化团队的须要途径。DolphinDB 整合史籍与及时数据供给了及时流推算框架，用户正在投研阶段基于批量数据开拓的主题因子外达式，经封装后，能够无缝运用于现实坐蓐境况中。由此，及时行情订阅、行情数据收录、买卖及时推算、盘后讨论筑模，能够用统一套代码完成。这不仅确保了史籍回放和坐蓐买卖的数据相仿性，还大大低落了用户的开拓与代码爱护本钱。同时，流推算框架正在算法途径进取行了精采的优化，两全了高效开拓和推算功能的上风。

　　正在总结局限，周博士深远探究了 AI 与 DolphinDB 前沿技能的统一。个中，CPU-GPU 异构推算平台，能够让 DolphinDB 剧本不妨无缝切换至 GPU 实行高效的并行推算，从而完成了功能上的明显跃升。同时，GPLearn有劲练习时的调理事务，涵盖了种群天生、进化与变异操作等闭节症结，确保了练习历程的精准与高效。别的，AI Dataloader极大地简化了大宗因子数据导入深度研习框架实行练习的历程，有用缩减了数据计划与模子练习的年光本钱。值得一提的是，这些前沿性能将期近将宣告的DolphinDB 3.0版本中一切外露，咱们热切等候列位用户的主动试用与反应！周博士还夸大，DolphinDB 的运用周围已扩展到买卖政策、买卖风控、买卖监控、机构交易、算法买卖、及时数仓、危急独揽、目标推算、估值订价等众个金融行业场景。DolphinDB 勉力于正在金融技能范畴不时改进，为金融机构供给高效技能处理计划，助力中小机构正在激烈的市集竞赛中脱颖而出。