富国基金：使用 DolphinDB 订单簿引擎进行订单簿合成

客户背景

富国基金是中国领先的资产管理机构之一，专注于为机构投资者和高净值客户提供多元化的金融产品与服务。随着量化投资策略的深化与高频交易需求的增长，富国基金面临海量实时交易数据处理、毫秒级响应能力提升以及系统稳定性保障等核心挑战。原有的交易数据分析架构基于传统数据库和手动处理流程，难以支撑日益复杂的市场波动分析和实时风控需求，亟需构建一套高性能、高可靠的分布式时序数据处理平台。

挑战与突破

在量化投资领域，订单簿数据是市场微观结构分析的核心基础。然而，传统方案依赖交易所提供的3秒级低频快照数据，难以满足高频策略对行情颗粒度的要求。富国基金尝试通过自研系统合成高频订单簿，但在实践中遭遇多重瓶颈：

数据处理的复杂性：逐笔委托与成交数据需实时合并、排序并计算多档量价，自研系统在乱序数据处理和交易规则兼容性上存在漏洞，导致订单簿准确性不足；
性能与时效性不足：历史批计算耗时过长，实时流处理延迟高达数百毫秒，影响策略执行的及时性；
运维成本高企：分布式节点的手动部署与扩缩容效率低下，跨可用区容灾能力薄弱，系统稳定性面临风险。

为突破这些瓶颈，富国基金选择与 DolphinDB 深度合作，借助其内置的订单簿引擎（Orderbook Snapshot Engine），构建了一套覆盖历史回溯与实时交易的高频数据处理平台。

解决方案与技术实现

DolphinDB 订单簿引擎以“流批一体”架构为核心，通过自动化合成逻辑与高性能计算能力，为富国基金提供了以下关键价值：

1. 高频订单簿的精准合成

多市场兼容性：支持沪深两市股票、基金及可转债的订单簿合成，内置创业板价格笼子规则、市价单处理逻辑等交易所特定规则，确保输出结果符合监管要求；
乱序数据容错：基于逐笔数据的唯一序号（ApplSeqNum），引擎自动缓存并排序乱序数据，避免因网络延迟导致的计算偏差；
自定义指标扩展：除标准十档量价外，支持衍生指标（如挂单时长、撤单总量）与用户自定义公式，满足多样化策略需求。

2. 端到端的性能优化

历史批计算加速：针对单日超600支股票的逐笔数据，1秒频率订单簿合成耗时仅需2分钟，10毫秒频率数据亦可控制在5分钟内完成；
实时流低延迟：通过分布式订阅与多线程并行处理，全市场股票订单簿的响应延迟稳定在0.7毫秒以内，支撑毫秒级策略决策；
资源弹性管理：结合Terraform实现AWS EC2实例的自动化部署，按需启停计算节点，资源利用率提升40%，年度云成本降低25%。

3. 全链路的数据可靠性保障

输入数据校验：通过字段枚举值映射与异常检测机制，确保逐笔数据的完整性与合规性；
结果准确性验证：以交易所3秒快照为基准，自动化脚本校验高频订单簿的覆盖率达到99%以上，异常字段（abnormal）全程监控并告警；
高可用架构：在AWS多可用区部署控制器与数据节点，通过Raft协议实现故障秒级切换，系统可用性达99.99%。

成果与业务价值

性能飞跃：交易数据处理延迟从秒级降至毫秒级；
风险控制增强：实时订单簿异常检测机制帮助识别多起市场操纵嫌疑，风控响应速度提升至毫秒级；
成本显著优化：云计算资源按需调配，年度基础设施成本降低，运维人力投入减少；
业务扩展能力：平台已扩展至其他产品的高频分析，为多资产量化策略提供统一数据底座。