11月10日，DolphinDB 创始人兼 CEO 周小华博士受邀出席了浙江大学金融家大讲堂活动，作为讲师带来了主题为《探索中高频量化交易的世界：高性能基础设施的构建和应用》的精彩讲座。当天虽然小雨淅沥，但完全没有影响参会者的热情，近五十人参加了本次讲座。

      “如何在中高频数据中挖掘 Alpha 信号？”周博士的讲座以一个简短有力的问题开场，围绕“如何高效存储和分析海量数据，更快发掘新的有效因子”这一行业重点问题，周博士详细描述了中高频量化投研中面临的新挑战，并向大家分享了DolphinDB 在为行业解决这些问题时，总结出的深刻经验。

      随着行情数据频率的提高，海量数据会给投研带来极大的压力。以高频因子数据为例，数据量是原始行情数据的 10-100 倍，通常会达到 500+TB。如何海量数据集上实现数据的高效存储、分析和实时计算，是每一个量化团队必须面对的问题。周博士从存储、计算、实时计算三个方面，分别总结了传统解决方案的缺点与不足，并以 DolphinDB 为例，向大家介绍了中高频量化投研的最佳实践。

      存储方面，传统的解决方案（以关系型数据库为例）有着压缩比低、分析和计算能力弱、数据难以管理等问题；

      分析方面，SQL 和 Python 虽然应用广泛，但却有着复杂逻辑表达能力不足和计算性能不佳等问题，C++性能满足要求，但自研开发成本太高。此外还有 Spark 和 Ray 等分布式计算工具，均没有针对金融领域开发的算子库，因此可能并不是中高频量化投研的最佳选择。

      实时计算方面，现有流行的流计算组件有着生产上线成本高，从批计算到流计算代码转写和结果校验非常耗时；Flink、Kafka 等技术栈开发成本高，物化视图技术只能解决简单的流计算问题，且时延较高不能满足高性能的要求。

      如何解决上述问题，DolphinDB 提出了新的解决方案。

      此次讲座不仅提供了丰富的技术洞见，也为在场的同学和研究人员提供了一个宝贵的学习和交流平台。同学们积极参与，提出了许多深入的问题。周博士的回答不仅仅局限于理论，还涵盖了实际操作和行业内的实战经验。这种实用性强的交流，让参会者获益良多。

      DolphinDB 与高校合作计划

      DolphinDB 一直积极开展与高校之间的学术交流合作，近期我们也将联合复旦大学、上海交通大学等，为大家开设线下讲座，欢迎感兴趣的同学和朋友报名参加！（关注 DolphinDB 公众号，实时获取报名通知～）

本文为企业推广，本网站不做任何建议，仅提供参考，作为信息展示！

推荐阅读：叶紫网