招商银行基于 DolphinDB 的行情与回测平台建设实践

客户背景

招商银行一直在国内金融科技领域保持领先地位，研发中心与资金营运中心电子交易团队承担着银行内部量化研究、电子交易、做市策略开发等重要职能。随着跨品类资产配置需求不断增强，以及债券市场交易机制的持续变化，银行对高频数据、统一行情底座以及实时测试环境的依赖愈发明显。

为了支撑更复杂的策略研发链路，也为了让研究团队与交易团队能够在同一套数据体系中工作，招商银行启动了新一轮的数据与计算体系建设，优化行情数据、因子加工、回测体系和模拟撮合环境，并将其应用于日内做市、实时策略迭代与仿真验证。

面临挑战

在原有体系中，业务团队面临多维度的技术压力：

• FICC 相关行情（包括国债、地方债等）分散在不同系统及大数据平台中，跨源查询、加工和清洗常常耗费大量时间；不同业务部门在建设自身数据工具时，也难以保持加工逻辑的统一。
• 债券品种回测需求出现明显扩张，从早期的少量回测任务，逐步发展到覆盖几百支国债及几十支地方债的策略验证。原有计算体系在数据组织、高频回放、模拟成交等环节均存在性能瓶颈，使得回测流程难以在预期时间内完成，迭代速度受到限制。

更关键的挑战来自交易场景。随着电子化程度提升，资金营运中心电子交易团队希望构建日内做市策略，并且在秒级甚至毫秒级节奏中开展 tick 级回测。这不仅要求底层行情读取与计算足够快，而且必须具备仿真环境、模拟撮合、复杂事件处理等能力，用于再现真实市场微结构。

DolphinDB 解决方案

经过严格选型后，招商银行决定以 DolphinDB 为核心构建新的数据与回测体系，将原本分散在多个系统的大量 FICC 行情和宏观、财务、资讯等结构化与半结构化数据逐步迁移至统一的数据平台。

研发中心首先将 DolphinDB 用作部门级行情数据底座。通过高性能的分布式引擎，对迁移过来的行情数据进行清洗、比对、加工与指标聚合，建立结构一致、质量可靠、延迟可控的数据层，使研究团队无需再关注底层数据的异构问题。

随后，团队将重点转向高频场景，围绕几百支国债与数十支地方债构建高效的回测流程。借助 DolphinDB 在时间序列计算上的优势，团队可以在大规模品种与不同时间尺度上快速执行回测任务，且框架本身可随需求扩展，便于后续纳入更多债券品种。

同时，为满足开发日内做市策略的需求，系统引入基于 DolphinDB 的模拟撮合引擎与 Octopus（复杂事件处理引擎）。仿真环境能够按照真实市场的撮合逻辑还原 order book 的变化，使研究人员能更贴近真实市场行为验证策略，并为未来的 xbond 行情落盘、截面数据回测及“仿真交易所”等模块预留了技术空间。

前后端通过 DolphinDB 的统一接口进行连接，使研发中心、交易团队与其他业务端能够在同一计算环境中协同工作，减少重复开发成本。

方案效果与价值

方案落地后，招商银行在数据组织、研发效率与策略验证等多个方面获得了显著提升：

• 统一数据底座解决了跨系统数据标准不一致的问题，使不同团队可以在同一套逻辑、同一套加工链路下开展分析。数据清洗、指标聚合等过程在 DolphinDB 中完成后，重复劳动大幅减少，策略研发的前置准备时间显著缩短。
• 高频回测能力的提升直接改善了业务团队的策略迭代速度。无论是覆盖更多债券品种的批量回测，还是对特定市场场景的精细重放，DolphinDB 都能帮助研究人员在可控时间内完成验证，提高研发节奏与反馈效率。
• DolphinDB 提供的模拟撮合引擎和 Octopus 为日内做市策略提供了接近真实市场的验证环境，使团队能够在真实上线前，完成从行情读取、信号生成到订单匹配的全过程压力测试。这不仅减少了策略试错成本，也为未来开展 xbond 行情落盘、截面回测和仿真交易所建设奠定了基础。

项目推动了招商银行在 FICC 领域的数字化能力升级，使研究、交易与数据团队真正共用一套底座、一套计算引擎，实现了从数据到策略的高效闭环。通过 DolphinDB，原本割裂的流程被重新连为一体，让复杂的高频债券策略也能在快速、稳定且可扩展的环境中运行，从而支撑更具前瞻性的业务探索。

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！