DolphinDB WindTDF插件是一款专门用于简化万得宏汇行情系统数据接入的解决方案，通过封装TDF_C++ SDK实现，将复杂的API对接过程转化为简洁的脚本调用，大幅降低金融机构接入实时行情数据的技术门槛和开发成本。

本项目是一个将币安（Binance）实时数据接收与存储系统从Python迁移到C++的高性能解决方案。通过WebSocket连接币安，接收多种市场数据（包括订单簿、行情、K线、标记价格、资金费率、聚合交易、强平订单等），并实时写入云服务器的DolphinDB时序数据库中。系统定期将数据同步到本地DolphinDB数据库，并在同步后删除云端数据，以优化服务器磁盘空间使用。

总体的思路就是拿时间换空间，尽可能得串行，及时释放中间变量。

相较于 python gplearn，DolphinDB 推出的 Shark GPLearn 具有更丰富的算子库，并提供了高效的 GPU 版本实现。它引入分组语义，可以在训练中分组计算，从而支持在三维数据中挖掘因子。为了充分发挥 GPU 性能， Shark GPLearn 还支持单机多卡进行遗传因子挖掘，进一步提升效率和规模。

因子挖掘一直是构建有效投资模型的核心之一。目前，随着金融市场对数据分析能力要求的不断提升，传统的因子挖掘方法逐渐暴露出计算效率低、无法处理复杂三维数据等不足。 在这样的背景下，DolphinDB 推出 CPU-GPU 异构计算平台——Shark，其中一大关键应用便是基于遗传算法的自动因子挖掘 Shark GPLearn 。借助 Shark GPLearn，企业可以利用 GPU 大幅提升因子挖掘效率。

在量化投研领域，许多业务问题都可以转化为数学问题。例如，在投资组合优化、风险管理和衍生品定价中，我们通常会利用最优化函数，将利润、收益或风险等指标进行最大化或最小化，以求得最佳解。 在求最优解时，线性规划（LP）、二次规划（QP）、二次约束线性规划（QCLP）是常用的优化方法，可以处理线性约束或者较为简单的非线性问题。但当面对更复杂的场景，如杠杆限制、市场约束、资本要求等时，这些方法便力有不逮。 此时，使用二阶锥规划（SOCP）是一个更优选择。

查询持久化共享流表的数据

DolphinDB 脚本工程化管理

CTP插件

停止服务后的重启失败问题