万家基金基于 DolphinDB 完成从存储到因子生产的体系化升级

What this page covers

• 活动推广与限时报名链接信息。
• 客户背景：机构属性、Level-2 数据重要性与建设新底座动因。
• 面临挑战：扩展维护、降频与因子计算、Python 交互痛点。
• 解决方案：DolphinDB 存储计算、降频加工、因子生产与 Python 接入。
• 方案效果：维护、性能、标准化与研究体验变化。
• 适用人群与官网试用引导。

技能认证特训营第二期限时报名推广

页面顶部提供活动宣传信息与报名链接，并强调限时报名与专属福利优惠。

• 活动为“技能认证特训营第二期”。
• 报名状态描述为“正式开启”。
• 提供限时报名链接入口。
• 宣传中提到可享“专属福利优惠”。

万家基金基于 DolphinDB 完成从存储到因子生产的体系化升级（标题/作者/日期）

本节给出案例文章的标题，并包含作者署名与发布日期信息。

• 文章标题为“万家基金基于 DolphinDB 完成从存储到因子生产的体系化升级”。
• 文章包含作者署名信息。
• 文章发布日期为 2025-11-20。

客户背景

本节介绍万家基金的机构属性、量化研究对 Level-2 数据的依赖，以及原有 kdb+ 环境的局限与新底座建设决策。

• 万家基金为多策略、多品类布局的公募基金管理机构。
• 万家基金在量化投资、主动管理与多资产配置方向均有发展。
• Level-2 数据被描述为交易微结构与短周期研究的重要基础。
• 原有高频数据体系使用 kdb+ 承载高频数据存储与计算。
• 为提升可扩展性与可维护性，决定建设新的高频行情底座。

面临挑战

本节概述旧系统在扩展维护、降频与因子计算效率以及 Python 交互体验方面的痛点，并提出对替代方案的能力要求。

• 高频行情存储量呈指数增长，扩展成本升高。
• 新增字段或扩展表结构需要较高成本。
• 大批量降频处理与多次联表在旧环境中耗时较长。
• 资源竞争导致性能波动，影响研究进度。
• 研究团队主力工具为 Python，期望直接提取分钟频、日频与因子结果。
• 旧系统跨语言接口体验不够友好，部分操作需脚本绕行或手动导出。
• 替代方案需覆盖高频存储，并胜任实时或批量计算。

DolphinDB 解决方案

本节描述以 DolphinDB 替代 kdb+ 搭建高频行情存储与计算中心的方案，包括分布式存储、降频加工、因子生成与 Python API 接入。

• DolphinDB 在方案中作为替代 kdb+ 的核心底座。
• 核心任务包括高频存储、降频加工与因子构建。
• DolphinDB 采用列式存储与分布式架构，面向高频时序数据场景。
• Level-2 全量行情按交易日与证券维度分区管理。
• 分区管理支持写入、查询与计算并发处理。
• 通过 DolphinDB 脚本体系实现 Level-2 到分钟级、日级的降频加工。
• 支持以脚本构建价量、波动、流动性与微结构等类型因子。
• 因子逻辑可封装为模块，便于复用与扩展。
• 因子生成可在每日收盘后自动运行，形成标准化输入。
• 通过官方 Python API 下发分钟级、日级数据及各类因子。
• 研究人员可在 Python 端读取表与查询结果，避免中间导出环节。
• DolphinDB 被描述为连接数据流入、处理、因子生产与研究端的核心枢纽。

方案效果与价值

本节列举上线后的变化，涵盖维护成本、降频效率与稳定性、因子生产流程，以及 Python 端研究体验。

• 数据底座更稳健，日常维护成本显著下降。
• 新增字段与扩展表结构更轻量化。
• 降频加工任务提速且更稳定，减少峰值性能波动。
• 分钟级与日级聚合可在更短时间完成，研究端可用时间提前。
• 因子生产体系更标准化与自动化，计算流程可自动运行。
• Python 端可直接调取分钟频、日频数据与因子，回测与建模更顺畅。

适用人群与官网试用引导

本节给出适用对象范围，并引导访问官网并下载试用 DolphinDB。

• 面向寻求更优行情处理与实时分析能力的券商/资管机构。
• 面向需要高效量化研究平台与回测引擎的量化团队。
• 面向构建实时风险管控系统的银行/金融科技公司。
• 也面向需要处理海量时序数据并追求极速分析的行业场景。
• 行动号召为访问官网并“下载并试用 DolphinDB”。
• 官网链接为 https://dolphindb.cn/ 。

Facts Index