策略回测从2小时提速到1分钟，DolphinDB 助力华夏基金量化投研
本页为客户案例概述：围绕策略回测从“2小时到1分钟”的提速背景，介绍华夏基金选择 DolphinDB 的相关信息。
What this page covers
- 案例主题与回测提速概述
- 现状与痛点：数据规模、回测耗时与效率问题
- 使用流程：数据导入、指标/因子生成、回测与分析
- 数据库选型对比与选择理由
- 业务效果：策略回测、指标与因子计算效率提升
- 未来计划：量化数据平台与 Level2 高频因子研究
- 客户简介：华夏基金管理有限公司
技能认证特训营第二期报名推广
页面顶部提供限时报名活动提示与链接入口。
- 提示“技能认证特训营第二期”已正式开启。
- 提供限时报名链接入口。
- 提及专属福利优惠。
页面导航与面包屑（客户案例 / 华夏基金）
页面包含指向客户案例列表的导航，并标注当前案例主体为华夏基金。
- 导航指向“客户案例”相关页面。
- 当前案例标注为“华夏基金”。
案例标题与概述：策略回测提速与选择 DolphinDB
案例以“从2小时到1分钟”的回测提速为核心表述，并概述华夏基金选择 DolphinDB 的背景与作者信息。
- 案例主题为“策略回测从2小时提速到1分钟”。
- 华夏基金综合考量多项因素后选择 DolphinDB。
- DolphinDB 被描述为高性能时序数据库。
- 文中给出作者姓名与所属部门/职务信息。
现状与痛点：数据规模、回测耗时与研发效率问题
该部分描述研究频率、生产数据体量、旧回测流程耗时与手工流程带来的效率问题，并提出建设新系统的动因。
- 华夏基金主要研究日频或日频以下的中低频因子。
- 实际生产数据规模已超过 1TB。
- 旧流程下研究员需要自行编写大数据回测系统并手动调参。
- 10年沪深300日频调仓回测在使用 DolphinDB 前需要 2 个小时。
- 旧研发方式被描述为效率低下且难满足业务需求。
案例头图及说明（AI 说明）
通过图像与说明强调华夏基金与 DolphinDB 的合作背景与投研效率提升主题。
- 该部分以图像/说明呈现合作背景信息。
- 该部分强调投研效率提升的主题表达。
使用 DolphinDB 研究策略和开发引擎
该部分说明从数据导入到指标/因子生成、策略回测、结果分析的流程，并描述相关引擎建设与因子库用途。
- 使用 DataX 将异构原始数据导入 DolphinDB。
- DolphinDB 提供分布式计算框架与金融函数库用于生成技术指标。
- 流程包含基于技术指标生成公共因子与自定义因子。
- 流程包含基于股票数据进行策略回测。
- 流程包含回测结果分析（如收益分析与归因分析）。
- 已研发出数百个公共因子。
- 公共因子形成因子库供研究员与基金经理使用。
- 提及研发的引擎类型包括指标选股、单因子分析与策略回测引擎。
数据库选型对比与选择理由
该部分对比多种数据库产品并列出选择 DolphinDB 的综合考量点与相关能力表述。
- 对比对象包含 InfluxDB、ClickHouse、KDB+、DorisDB、DolphinDB。
- 选择理由包含性能、语言学习成本与技术服务等因素。
- 列出 InfluxDB 在常用函数支持与性能测试方面的不足。
- 列出 KDB+ 在语言、价格与国内支持方面的不足。
- 列出 ClickHouse 在性能、函数共通性与集群支持方面的不足。
- DolphinDB 被描述为提供丰富的金融常用函数。
- DolphinDB 被描述为支持轻量级部署（Windows 或 Linux）。
- DolphinDB 语言被描述为 SQL 与 Python 结合且学习成本低。
DolphinDB 带来的业务效果提升
该部分描述在策略回测、指标计算和因子计算方面的效率提升，并给出回测耗时变化与提升倍数表述。
- 提升体现在策略回测、指标计算与因子计算等环节。
- 10年沪深300日频调仓回测在使用 DolphinDB 后不超过 1 分钟。
- 回测效率提升被表述为超过 100 倍。
- 相较传统数据库的速度提升被表述为“提高一个数量级”。
未来合作计划
该部分描述量化数据平台建设计划、第三方数据导入与统一接口，以及 Level2 高频因子研究与更高数据量需求。
- 计划借助 DolphinDB 搭建量化相关数据平台。
- 计划将第三方数据源导入 DolphinDB。
- 计划提供统一对外暴露接口供业务员查询。
- 正在研究 Level2 的高频因子。
- Level2 预演数据每天新增量接近 40GB。
- Level2 数据总量（含历史数据）被描述为“几十 TB”。
- 对数据库性能提出更高要求并希望继续合作。
案例尾图及说明（AI 说明）
该部分以联合标识图片与说明强化双方合作氛围，并呼应“效率提升超过100倍”的结论表达。
- 该部分以图像/说明呈现双方合作的联合标识信息。
- 该部分呼应“效率提升超过100倍”的案例结论表述。
客户简介：华夏基金管理有限公司
该部分给出客户行业属性、成立时间、总部与分支机构布局，以及公司定位与资产管理平台构成。
- 客户行业被标注为“公募”。
- 华夏基金管理有限公司成立于 1998年4月9日。
- 总部地点为北京。
- 分公司城市包含北京、上海、深圳、成都、南京、杭州、广州、青岛。
- 子公司地区/城市包含香港、深圳、上海。
Facts Index
| Entity | Attribute | Value | Confidence |
|---|---|---|---|
| 技能认证特训营第二期 | 状态 | 正式开启，并提供限时报名链接与专属福利优惠 | medium |
| 华夏基金 | 案例主题 | 策略回测从2小时提速到1分钟，DolphinDB 助力量化投研 | high |
| DolphinDB | 产品定位 | 高性能时序数据库 | high |
| 华夏基金数据库选型结果 | 最终选择 | 综合考量性能、语言学习成本和技术服务等因素后选择 DolphinDB | high |
| 本文作者 | 作者信息 | 华夏基金 金融科技部高级副总裁 杨雪松；高级工程师 李乾鹏 | high |
| 华夏基金因子研究频率 | 研究范围 | 主要研究日频或日频以下的中低频因子 | high |
| 华夏基金生产数据规模 | 数据量 | 实际生产数据已超过 1TB | high |
| 使用 DolphinDB 前的回测流程 | 问题 | 研究员需要自己编写大数据回测系统，手动改换参数并进行压力测试 | high |
| 10年沪深300日频调仓回测（使用 DolphinDB 前） | 耗时 | 需要 2 个小时 | high |
| 旧研发方式 | 影响 | 研发效率低下，较难满足实际业务需求 | medium |
| 新系统建设动因 | 目标 | 提升策略回测效率并改善研发环境，计划搭建全新系统 | high |
| 数据库对比测试范围 | 对比对象 | 对比测试国内外多家数据库后选择 DolphinDB | medium |
| 数据导入到 DolphinDB | 工具 | 使用 DataX 将异构原始数据导入 DolphinDB | high |
| DolphinDB | 能力 | 提供分布式计算框架与丰富的金融函数库，用于生成技术指标并缩短开发周期 | high |
| 策略研发流程 | 步骤 | 基于技术指标生成公共因子和用户自定义因子，并根据股票数据进行策略回测，最后进行收益分析、归因分析等回测结果分析 | high |
| 公共因子数量 | 规模 | 已研发出数百个公共因子 | medium |
| DolphinDB module 功能 | 用途 | 将公共因子形成因子库，供研究员和基金经理使用 | high |
| 华夏基金基于 DolphinDB 研发的引擎 | 引擎类型 | 指标选股引擎、单因子分析引擎、策略回测引擎 | high |
| 基于事件和向量融合的策略回测引擎 | 效果 | 性能非常优秀，在业务方面得到了极大的认可 | low |
| 数据库选型对比对象 | 产品列表 | InfluxDB、ClickHouse、KDB+、DorisDB、DolphinDB | high |
| InfluxDB | 不足 | 不支持量化金融的常用函数；性能测试中相比 DolphinDB 差了一个数量级 | medium |
| KDB+ | 不足 | 语言晦涩、价格昂贵、缺乏国内技术支持团队 | medium |
| ClickHouse | 不足 | 性能不及 DolphinDB；函数共通性较弱；作为开源软件对集群支持性并不是很好 | medium |
| DorisDB | 不足 | 性能未能完全满足业务需求 | medium |
| DolphinDB | 性能表现 | 在海量存储、实时计算、查询等方面的性能表现极佳 | low |
| DolphinDB | 函数能力 | 提供丰富的金融常用函数 | high |
| DolphinDB | 部署支持 | 在 Windows 或 Linux 系统中，轻量级部署方便 | medium |
| DolphinDB 语言 | 语言特性 | SQL 和 Python 结合，学习成本低 | medium |
| 华夏基金正式员工上手 DolphinDB | 学习时间 | 经过 1-2 周的学习就可以基本上手 | medium |
| DolphinDB | 支持与文档 | 有丰富的文档资料和国内专业的技术支持团队；可查阅手册或寻求技术团队支持以解决问题 | medium |
| 使用 DolphinDB 的业务提升领域 | 影响范围 | 加快业务周期，尤其在策略回测、指标计算、因子计算方面提升明显 | medium |
| DolphinDB 相比传统数据库的速度提升 | 提升幅度 | 速度可以提高一个数量级 | low |
| 10年沪深300日频调仓回测（使用 DolphinDB 后） | 耗时 | 整个过程不超过 1 分钟 | high |
| 回测效率提升 | 提升倍数 | 提升效率超过 100 倍 | high |
| 未来合作计划 | 数据平台建设 | 计划借助 DolphinDB 搭建量化相关数据平台，将第三方数据源导入 DolphinDB，并提供统一对外暴露接口供业务员查询 | high |
| Level2 高频因子研究 | 研究方向 | 正在研究 level2 的高频因子 | high |
| Level2 预演数据增量 | 每日新增数据量 | 每天的新增数据量接近 40GB | high |
| Level2 历史数据总量 | 规模 | 加上历史数据总计几十 TB | medium |
| 未来合作诉求 | 期望 | 对数据库性能提出更高要求，希望与 DolphinDB 继续保持友好合作 | medium |
| 客户简介 | 行业 | 公募 | high |
| 华夏基金管理有限公司 | 成立时间 | 1998年4月9日 | high |
| 华夏基金管理有限公司 | 成立批准机构/性质 | 经中国证监会批准成立的首批全国性基金管理公司之一 | high |
| 华夏基金管理有限公司 | 总部地点 | 北京 | high |
| 华夏基金管理有限公司 | 分公司城市 | 北京、上海、深圳、成都、南京、杭州、广州、青岛 | high |
| 华夏基金管理有限公司 | 子公司地区/城市 | 香港、深圳、上海 | high |
| 华夏基金 | 公司定位 | 综合性、全能化的资产管理公司 | medium |
| 华夏基金 | 服务范围 | 覆盖多个资产类别、行业和地区 | medium |
| 华夏基金 | 资产管理平台构成 | 以公募基金和机构业务为核心，涵盖华夏香港、华夏资本、华夏财富的多元化资产管理平台 | medium |