东兴证券：基于 DolphinDB 推动量化投研革新

一、客户背景

作为国内较早布局量化与金融科技的券商之一，东兴证券长期以来重视数据在投研体系中的核心作用。其金融创新部承担着公司内部量化研究、算法交易、策略评估等多项关键任务，是连接研究所、自营、资产管理等业务的数据枢纽。

随着量化研究手段的不断演进，高频数据的利用已成为策略开发的重要方向。东兴证券金融创新部希望构建一个覆盖股票、债券及衍生品的部门级高频行情数据中心，以支持多团队的并行研究与策略验证。这一系统需要兼顾历史数据的高效管理与实时行情的快速接入，为公司级量化研究提供坚实的数据底座。

二、面临挑战

过去，东兴证券在高频数据管理上主要依赖通用数据库与分散式文件存储方案，这在日频数据处理中尚能应付，但在面对高频行情时，性能瓶颈逐渐显现。

以通联 Level2 历史行情数据为例，单日数据量可达数百 GB，覆盖十余年后总量已达数十 TB 级别。传统系统在导入、清洗、对比环节耗时极长，数据延迟直接影响策略验证的及时性。

此外，不同研究团队之间的数据需求存在差异：有的关注日频因子挖掘，有的专注微秒级的盘口信号捕捉。过去的架构难以在统一的数据平台上同时兼顾两种需求，导致数据标准不一致、重复存储严重、研发协作困难。

更具挑战性的是，随着策略研发逐渐转向高频化和自动化，系统不仅要能处理庞大的历史数据，还需具备实时计算与降频分析能力，支持毫秒级响应的量化因子计算。这对数据库的并行计算能力与流式处理能力提出了更高要求。

三、DolphinDB 解决方案与价值

针对上述问题，东兴证券最终选择以 DolphinDB 作为高频数据中台的核心引擎。在整体架构设计上，团队重点利用了 DolphinDB 在时序数据管理、分布式计算和统一脚本化分析环境方面的优势，构建了一个可同时支撑历史回测与实时研究的统一平台。

在数据层面，DolphinDB承担了通联 Level2 历史数据的清洗、导入与比对任务。其列式存储结构显著提升了 IO 效率，使十余年的高频行情能够快速入库、可查询、可验证。通过批量导入与自动化数据校验机制，原本需要数小时的人工作业缩短至数分钟，极大提升了数据中心建设效率。

在计算层面，金融创新部基于 DolphinDB 构建了高频量化投研中台。这一平台支持从日频到高频的多层级数据降频与特征提取，研究人员可以通过内置的高性能函数库快速完成数据聚合、因子生成与信号验证。借助 DolphinDB 的向量化计算框架，复杂的高频策略回测可在单机或集群环境下实现数十倍性能提升。

此外，DolphinDB 的脚本语言与 Python 接口无缝衔接，策略研究团队可以在熟悉的研发环境中调用底层高性能计算资源。这种“轻量封装+统一调度”的模式，使研究者能更专注于策略本身，而非底层数据处理逻辑。

从应用效果来看，DolphinDB 让东兴证券的高频研究体系实现了质的飞跃。以往在分钟级别完成的因子挖掘任务，如今可在秒级甚至毫秒级完成。研究人员可以更快地迭代策略、验证假设，将更多时间投入到模型创新上。更重要的是，中台化架构的建立让数据资产真正实现了“可管理、可共享、可复用”，为公司后续构建更广泛的量化生态奠定了基础。

四、结语

数据的深度价值，来自持续的积累与高效的使用。东兴证券金融创新部在 DolphinDB 的助力下，完成了从分散式数据管理向中台化架构的转变，实现了高频数据资产化、量化研究高效化、策略验证实时化的目标。在高速发展的量化时代，这一转型不仅提升了部门的研究能力，也为公司整体的数字化转型探索出了可复制的路径。未来，东兴证券计划继续深化 DolphinDB 在流式计算与实时信号捕捉方面的应用，拓展至更多交易与风控场景中。

如果您是：
寻求更优行情处理与实时分析能力的券商、资管机构；
需要高效量化研究平台与强大回测引擎的量化团队；
致力于构建实时风险管控系统的银行、金融科技公司；
任何需要处理海量时序数据、追求极速分析的行业创新者……
欢迎访问官网下载并试用 DolphinDB！