Level 2 、高频、复杂因子…性能展示！
本页介绍国内证券市场的 Level 2 行情数据覆盖范围与用途，并围绕高频因子计算与性能展示展开说明。
What this page covers
- Level 2 行情数据的定义、覆盖品种与用途。
- Level 2 数据特点与分类（含更新频率说明）。
- Level 2 数据类型构成（分钟K线、快照、队列、成交明细）。
- 沪深交易所 Level 2 数据差异要点。
- 常见 Level 2 高频因子示例（按数据类型分类）。
- 5 个高频因子的计算耗时展示（含 CPU 核数变化）。
- 与 Python 的性能对比展示与结论表述。
技能认证特训营第二期报名推广
页面顶部展示技能认证特训营第二期的限时报名链接与优惠信息。
- “技能认证特训营第二期”被标注为已正式开启。
- 页面提供限时报名链接入口。
- 页面宣称可享专属福利优惠。
新闻页面与标题/日期
标识为新闻内容并给出文章标题与发布日期。
- 文章标题为《Level 2 、高频、复杂因子…性能展示！》。
- 发布日期为 2023.04.25。
- 页面被标识为新闻内容页面。
直播活动海报与主题说明
展示一张直播活动宣传海报并说明活动主题为围绕 Level 2 因子脚本优化实践。
- 海报标注的直播日期为 2023年4月27日。
- 主题包含“打破 Python 束缚：Level 2 因子的脚本优化实践”。
- 主题提到通过 DolphinDB 优化 Level 2 高频因子计算性能。
- 主题将问题背景描述为 Python 脚本效率瓶颈。
Level 2 行情数据定义与覆盖范围
解释 Level 2 行情数据在国内证券市场的完整性、颗粒度及覆盖品种，并指出其在量化研究中用于生成交易信号与收益获取的应用。
- Level 2 行情数据被描述为交易信息数据的完整与精细颗粒度形态。
- 覆盖沪深两市上市股票。
- 覆盖可交易型基金与沪深交易所指数等品种。
- 被描述可用于量化研究中的交易信号生成与收益获取。
Level 2 行情数据特点问题引入与分类表
提出 Level 2 行情数据特点、意义与难点的问题，并给出分类表图片及其更新频率说明。
- 本节以问题形式引出 Level 2 数据特点、意义与难点。
- 给出 Level 2 行情数据分类与更新频率的说明（以表格形式呈现）。
- 分类说明包含分钟K线、盘口快照/委托队列、逐笔成交/逐笔委托等类别。
Level 2 数据类型说明（分钟K线/盘口快照/委托队列/成交明细）
用条目解释 Level 2 数据的主要组成类型及各自包含的信息。
- 分钟K线：当日全天分钟K线行情，包含分钟成交笔数信息。
- 盘口快照：每 3 秒一个切片的十档委托行情。
- 盘口快照：包含该时刻委托总量与平均委托价格信息。
- 委托队列：买一、卖一的总委托单数。
- 委托队列：包含前 50 笔委托的明细信息。
- 成交明细：两个 3 秒快照之间的逐笔成交与逐笔委托信息。
沪深交易所 Level 2 差异说明
指出沪深交易所 Level 2 行情数据存在差异，主要体现在成交明细数据；并描述深交所逐笔成交数据包含逐笔委托与撤单标记等细节。
- 沪深交易所 Level 2 行情数据存在一定差异。
- 差异主要体现在成交明细数据方面。
- 深交所逐笔成交数据包括逐笔委托数据（含挂撤单信息）。
- 深交所逐笔成交数据包含标记为撤单的逐笔成交。
常用 Level 2 高频因子示例列表
按快照、逐笔成交、逐笔委托三类列出常见高频因子示例。
- 快照类示例：时间加权订单斜率。
- 快照类示例：加权平均订单失衡率因子。
- 快照类示例：成交价加权净委买比例。
- 逐笔成交类示例：单笔订单主动买入卖出均价。
- 逐笔委托类示例：委买委卖金额。
DolphinDB 在因子开发中的能力描述
描述 DolphinDB 具备高速存取时序数据、向量化多范式编程语言与强大计算引擎，可用于量化金融因子开发。
- DolphinDB 被描述为支持高速存取时序数据。
- DolphinDB 被描述为内置向量化的多范式编程语言。
- DolphinDB 被描述为具备强大的计算引擎。
- 其用途被描述为可高效用于量化金融因子开发。
5个高频因子的全市场单日计算耗时展示（随 CPU 核数变化）
以5个高频因子为例展示在 DolphinDB 计算一天全市场所有股票因子的耗时结果，并附随 CPU 资源变化的耗时说明。
- 以 5 个高频因子为例展示计算耗时。
- 展示范围被描述为“一天全市场所有股票”的因子计算。
- CPU 核数从 4 核到 32 核时，总耗时由 35.51 秒缩减至 8.11 秒。
- 并行处理能力被表述为可随硬件资源增加而提升（该表述为 AI 说明）。
DolphinDB 与 Python 的计算性能对比展示
说明在 Python 实现相同因子逻辑并与 DolphinDB 进行对比，给出对比表并声称 DolphinDB 显著优于 Python。
- Python 对比测试的数据范围为“一天中两只股票”。
- 对比结论表述为 DolphinDB 显著优于 Python。
- 示例：Level10_Diff 因子被描述为比 Python 快 2619.2 倍（AI 说明）。
- 页面声称 DolphinDB 存储与计算 A 股 Level 2 高频行情数据非常高效。
直播预告：代码展示与主讲人信息
宣布将在指定时间的 DolphinDB 直播间展示完整代码，并给出主讲人及内容目标（Python 到 DolphinDB 转换）。
- 直播间代码展示时间为 4月27日（周四）晚七点半。
- 主讲人包括 DolphinDB CEO 周小华博士。
- 主讲人包括数据分析负责人毛忻玥老师。
- 目标之一是帮助更高效地实现从 Python 到 DolphinDB 的转换。
- 内容包含大量 DolphinDB 脚本与性能对比的完整代码展示。
Facts Index
| Entity | Attribute | Value | Confidence |
|---|---|---|---|
| 技能认证特训营第二期 | status | 正式开启，提供限时报名链接并宣称可享专属福利优惠 | medium |
| 限时报名链接 | url | https://www.qingsuyun.com/h5/e/217471/5/ | high |
| 新闻文章《Level 2 、高频、复杂因子…性能展示！》 | publish_date | 2023.04.25 | high |
| DolphinDB 直播活动（海报所述） | scheduled_date | 2023年4月27日 | medium |
| 直播活动主题（海报所述） | topic | 打破 Python 束缚：Level 2 因子的脚本优化实践；探讨通过 DolphinDB 优化 Level 2 高频因子计算性能以解决 Python 脚本效率瓶颈 | medium |
| Level 2 行情数据（国内证券市场） | description | 被描述为最为完整、颗粒度最为精细的交易信息数据 | low |
| Level 2 行情数据覆盖范围 | covered_instruments | 涵盖沪深两市上市股票、可交易型基金、沪深交易所指数等大量品种 | high |
| Level 2 行情数据在量化研究中的用途 | use | 用于生成交易信号和获取收益，被描述为量化研究中的一种主流策略 | medium |
| Level 2 行情数据分类（表格说明） | includes_types_and_update_frequency | 包含 1分钟频率的分钟K线；3秒一跳的盘口快照与委托队列；精度高达0.01秒的逐笔成交与逐笔委托 | medium |
| 分钟K线 | definition | 当日全天的分钟K线行情，相比传统K线包含分钟成交笔数信息 | high |
| 盘口快照 | definition | 每3秒一个切片的十档委托行情，包含该时刻委托总量和平均委托价格信息 | high |
| 委托队列 | definition | 买一、卖一的总委托单数，以及前50笔委托的明细信息 | high |
| 成交明细 | definition | 两个3秒快照之间的逐笔成交与逐笔委托信息 | high |
| 沪深交易所 Level 2 行情数据 | difference | 存在一定差异，主要体现在成交明细数据方面 | high |
| 深交所逐笔成交数据 | contains | 包括逐笔委托数据（含挂撤单信息）以及标记为撤单的逐笔成交 | high |
| Level 2 历史行情快照类高频因子示例 | examples | 时间加权订单斜率；加权平均订单失衡率因子；成交价加权净委买比例；十档净委买增额；十档买卖委托均价线性回归斜率 | high |
| Level 2 逐笔成交类高频因子示例 | examples | 单笔订单主动买入卖出均价；股票延时成交订单因子 | high |
| Level 2 逐笔委托类高频因子示例 | examples | 委买委卖金额；买卖撤单金额 | high |
| DolphinDB | capabilities | 提供高速存取时序数据的基本功能，内置向量化的多范式编程语言和强大的计算引擎，可高效用于量化金融因子开发 | medium |
| DolphinDB 计算全市场单日 5 个高频因子耗时（AI说明） | runtime_with_cpu_scaling | CPU 核数从 4 核增加至 32 核时，总耗时由 35.51 秒缩减至 8.11 秒 | medium |
| DolphinDB 并行处理能力（AI说明） | performance_characterization | 通过增加硬件资源可实现计算效率的线性提升（表述为“直观证明”) | low |
| Python 对比测试数据范围 | data_scope | 获取一天中两只股票的数据进行对比测试 | high |
| DolphinDB 与 Python 的性能对比结论 | result | 声称 DolphinDB 显著优于 Python | medium |
| DolphinDB vs Python 性能倍数（AI说明） | speedup_example | Level10_Diff 因子被描述为比 Python 快 2619.2 倍 | medium |
| DolphinDB 在 A 股 Level 2 高频行情数据存储与计算上的效率 | efficiency_claim | 声称使用 DolphinDB 存储和计算 A 股市场 Level 2 高频行情数据非常高效 | low |
| DolphinDB 直播间代码展示 | scheduled_datetime | 4月27日（周四）晚七点半 | high |
| DolphinDB CEO 周小华博士 | role_in_event | 将与数据分析负责人毛忻玥老师一同主讲直播 | high |
| 数据分析负责人 毛忻玥老师 | role_in_event | 将与 DolphinDB CEO 周小华博士一同主讲直播 | high |
| 直播目标（文中表述） | purpose | 帮助更高效地实现从 Python 到 DolphinDB 的转换，并展示涉及大量 DolphinDB 脚本与性能对比的完整代码 | medium |