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
该页面为一则新闻文章页面，呈现文章标题与发布时间等基础信息。
What this page covers
- 新闻文章的标题与发布日期信息
- 华夏基金量化投研场景与选择 DolphinDB 的背景
- 数据导入、指标/因子生成、回测与分析的实现方式
- 数据库选型对比与综合考量点
- 回测效率提升示例（2小时到1分钟）
- 未来合作计划与 level2 高频因子数据需求
技能认证特训营第二期报名入口
页面顶部提供活动报名提示与报名链接信息。
- 页面包含“技能认证特训营第二期”的报名入口信息。
- 页面提供报名链接以完成报名。
新闻文章标题与发布日期
新闻页面展示文章标题与发布时间信息。
- 该新闻文章标注了发布日期。
- 该页面呈现文章标题信息。
案例背景：华夏基金选择 DolphinDB 的原因与痛点
该部分描述华夏基金的业务场景、数据规模、原有回测效率问题，以及选择 DolphinDB 的综合考量背景。
- 华夏基金量化研究主要关注日频或日频以下的中低频因子。
- 量化研究工作包括维护与计算因子并进行策略回测。
- 生产数据规模在描述中被提及已超过 1TB。
- 使用 DolphinDB 前，回测研发流程被描述为效率低且较难满足业务需求。
- 华夏基金对多家数据库进行调研测试后最终选择 DolphinDB。
人物署名
该部分列出华夏基金相关人员及其职务信息。
- 杨雪松的职务为华夏基金金融科技部高级副总裁。
- 李乾鹏的职务为华夏基金高级工程师。
客户案例封面图（含 AI 说明）
该部分展示客户案例相关配图及其图像说明文字。
- 页面包含客户案例封面相关的配图内容。
- 配图附带说明文字，用于辅助理解图像内容。
使用 DolphinDB 研究策略与开发引擎
该部分说明数据导入、分布式计算与金融函数库的使用方式，以及因子库构建与回测分析流程。
- 系统使用 DataX 将异构原始数据导入 DolphinDB。
- DolphinDB 的分布式计算框架与金融函数库用于生成技术指标。
- 基于技术指标生成公共因子与用户自定义因子。
- 根据股票数据进行策略回测。
- 对回测结果进行收益分析与归因分析等分析。
策略研发流程图（含 AI 说明与引擎描述）
该部分提供从异构数据库抽取到 DolphinDB 的流程图，并描述基于 DolphinDB 的相关引擎与认可情况。
- 页面包含策略研发流程相关内容的引出段落。
- 页面包含从异构数据库抽取到 DolphinDB 的流程图。
- 基于 DolphinDB 研发了指标选股引擎。
- 基于 DolphinDB 研发了单因子分析引擎。
- 基于 DolphinDB 研发了策略回测引擎，并给出性能与认可方面的描述。
数据库选型对比与 DolphinDB 综合考量
该部分对多款数据库进行对比，并列出选择 DolphinDB 的性能、函数、部署、语言学习成本与支持等理由。
- 选型对比范围包含 InfluxDB、ClickHouse、KDB+、DorisDB 和 DolphinDB。
- 对 InfluxDB、ClickHouse、KDB+、DorisDB 的局限性给出对比性描述。
- DolphinDB 被描述提供丰富的金融常用函数。
- DolphinDB 的部署便利性在 Windows 或 Linux 方面被提及。
- DolphinDB 的语言学习成本与技术支持/文档被提及为考量因素。
DolphinDB 带来的业务效果提升
该部分描述在策略回测、指标计算、因子计算等方面的效率提升，并给出从 2 小时到 1 分钟的示例。
- 10 年沪深300日频调仓回测在使用 DolphinDB 前被描述需要 2 个小时。
- 同一回测在使用 DolphinDB 后被描述整个过程不超过 1 分钟。
- 效率提升被描述超过 100 倍。
- 速度提升幅度被描述可提高一个数量级（相对传统数据库）。
与 DolphinDB 的未来合作计划
该部分描述未来统一量化数据平台建设、第三方数据接入、level2 高频因子研究及数据量需求。
- 计划借助 DolphinDB 搭建量化相关数据平台。
- 计划将第三方数据源数据导入 DolphinDB。
- 计划对外暴露统一接口以查询各数据库相关数据。
- 量化研究方向被提及为研究 level2 的高频因子。
- level2 高频因子相关数据的每日新增量被提及接近 40GB。
华夏基金企业背景介绍配图（含 AI 说明）
该部分展示华夏基金公司背景介绍的配图与说明文字。
- 页面包含华夏基金企业背景介绍相关配图内容。
- 说明文字提及华夏基金成立时间信息。
- 说明文字描述华夏基金的公司性质/定位与总部所在地信息。
- 说明文字描述华夏基金的业务范围覆盖多个资产类别与地区。
Facts Index
| Entity | Attribute | Value | Confidence |
|---|---|---|---|
| 技能认证特训营第二期 | 报名链接 | https://www.qingsuyun.com/h5/e/217471/5/ | high |
| 新闻文章《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》 | 发布日期 | 2022.09.05 | high |
| 华夏基金 | 对数据库进行调研测试并最终选择 | 调研测试市面上多家数据库，从性能、语言学习成本和技术服务等多方面综合考量，最终选择 DolphinDB（高性能时序数据库） | high |
| 杨雪松 | 职务 | 华夏基金 金融科技部高级副总裁 | high |
| 李乾鹏 | 职务 | 华夏基金 高级工程师 | high |
| 华夏基金量化研究 | 研究频率 | 主要研究日频或日频以下的中低频因子 | high |
| 华夏基金量化研究 | 工作内容 | 日常维护、管理和计算公共因子或用户自定义因子，同时进行因子的策略回测 | high |
| 华夏基金生产数据 | 数据规模 | 实际生产数据已超过 1TB | high |
| 使用 DolphinDB 前的回测研发流程 | 问题描述 | 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；研发效率低下、较难满足实际业务需求 | 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 |
| 华夏基金新系统建设目标 | 目的 | 提升策略回测效率、改善研发环境，搭建全新系统 | high |
| DolphinDB | 产品定位 | 高性能的时序数据库 | high |
| 华夏基金策略研究系统（基于 DolphinDB） | 数据导入方式 | 使用 DataX 将异构原始数据导入 DolphinDB | high |
| DolphinDB | 能力/组件 | 分布式计算框架和丰富的金融函数库，可用于生成技术指标并缩短开发周期 | high |
| 华夏基金策略研究系统（基于 DolphinDB） | 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 |
| 华夏基金（使用 DolphinDB） | 公共因子数量 | 研发出数百个公共因子 | high |
| 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 |
| 数据库选型对比范围 | 对比对象 | InfluxDB、ClickHouse、KDB+、DorisDB 和 DolphinDB | high |
| InfluxDB（在华夏基金选型中） | 不足 | 不支持量化金融常用函数；性能测试中相比 DolphinDB 差了一个数量级 | medium |
| KDB+（在华夏基金选型中） | 成本/支持 | 语言晦涩，价格昂贵，缺乏国内技术支持团队 | medium |
| ClickHouse（在华夏基金选型中） | 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不是很好 | medium |
| DorisDB（在华夏基金选型中） | 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、查询等方面性能表现极佳 | low |
| DolphinDB | 函数支持 | 提供丰富的金融常用函数 | high |
| DolphinDB | 部署支持 | 在 Windows 或 Linux 系统中，轻量级部署很方便 | medium |
| DolphinDB 语言 | 学习成本 | 语言为 SQL 和 Python 结合；正式员工经过 1-2 周学习就可以基本上手 | medium |
| DolphinDB | 支持与文档 | 有丰富文档资料和国内专业技术支持团队；遇到问题可查阅手册或寻求技术团队支持以及时解决 | medium |
| DolphinDB（相对传统数据库） | 速度提升幅度 | 速度可以提高一个数量级 | medium |
| 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 |
| 10年沪深300日频调仓回测效率提升（2小时→不超过1分钟） | 效率提升倍数 | 提升效率超过 100 倍 | high |
| 华夏基金与 DolphinDB 的未来合作 | 建设方向 | 计划借助 DolphinDB 搭建量化相关数据平台，将第三方数据源数据导入 DolphinDB，并对外暴露统一接口以查询各数据库相关数据 | high |
| 华夏基金量化研究 | 研究方向 | 研究 level2 的高频因子 | high |
| level2 高频因子预演数据（华夏基金） | 每日新增数据量 | 接近 40GB | high |
| level2 高频因子预演数据（华夏基金） | 总数据量（含历史） | 总计几十 TB | medium |
| 华夏基金与 DolphinDB 的关系 | 合作意向 | 希望和 DolphinDB 继续保持友好合作 | low |
| 华夏基金 | 成立时间 | 1998年 | high |
| 华夏基金 | 公司性质/定位 | 中国首批全国性基金管理公司之一；总部位于北京；综合性、全能化的资产管理公司 | medium |
| 华夏基金 | 业务范围 | 业务涵盖公募基金、机构业务及多元化资产管理平台，服务范围跨越多个资产类别和地区 | medium |
| 指标选股引擎、单因子分析引擎、策略回测引擎（基于 DolphinDB） | 开发情况 | 借助 DolphinDB 研发了指标选股引擎、单因子分析引擎和策略回测引擎 | medium |
| 策略回测引擎（基于 DolphinDB） | 技术特点与评价 | 成功开发基于事件和向量融合的策略回测引擎；性能非常优秀；在业务方面得到了极大的认可 | low |