浙江大学讲座回顾丨探索中高频量化交易的世界
文章回顾周小华博士受邀在浙江大学金融家大讲堂授课，主题围绕中高频量化交易与高性能基础设施的构建与应用，并描述现场情况。
What this page covers
- 页面顶部的活动报名提示与链接信息。
- 新闻条目属性与新闻标题。
- 新闻发布日期标记。
- 讲座概况、主题与参会情况概述。
- 开场问题与讨论焦点（数据存储、分析与因子发掘）。
- 海量数据规模示例与对传统方案不足的总结。
- 讲座交流价值与后续高校合作计划提示。
技能认证特训营第二期限时报名促销提示
页面顶部展示技能认证特训营第二期开启与限时报名链接，并提示有专属福利优惠。
- 技能认证特训营第二期标注为正式开启。
- 页面提供限时报名链接入口。
- 报名提示包含“专属福利优惠”的描述。
新闻条目与标题
标注内容为新闻，并给出新闻标题“浙江大学讲座回顾丨探索中高频量化交易的世界”。
- 页面内容被标注为新闻条目。
- 新闻标题为“浙江大学讲座回顾丨探索中高频量化交易的世界”。
发布日期
给出新闻发布/日期标记为 2023.11.13。
- 新闻日期标记为 2023.11.13。
讲座概况与主题
介绍周小华博士受邀在浙江大学金融家大讲堂授课，讲座主题围绕中高频量化交易与高性能基础设施构建应用，并描述参会人数与现场情况。
- 周小华博士受邀在浙江大学金融家大讲堂授课。
- 讲座主题涉及中高频量化交易与高性能基础设施构建应用。
- 页面描述了参会人数与现场情况。
讲座现场图片与说明（1）
展示讲座现场图片并在说明中描述活动场景、演讲主题与参会者情况。
- 页面包含讲座现场相关图片内容。
- 图片说明提到活动场景。
- 图片说明提到演讲主题。
- 图片说明提到参会者情况。
讲座开场问题与讨论焦点
以“如何在中高频数据中挖掘 Alpha 信号？”引出主题，聚焦海量数据高效存储分析与因子发掘，并提到 DolphinDB 的行业经验分享。
- 开场问题为“如何在中高频数据中挖掘 Alpha 信号？”。
- 讨论聚焦海量数据的高效存储。
- 讨论聚焦海量数据的高效分析。
- 讨论聚焦更快发掘新的有效因子。
- 提到 DolphinDB 分享行业解决问题的经验。
讲解图片与说明（2）：海量数据分析挑战与核心需求
展示周小华博士讲解海量数据分析技术挑战的图片说明，提及数据清洗、计算加速与统计建模分析等需求以及最佳实践方案介绍。
- 页面包含与海量数据分析技术挑战相关的讲解图片。
- 提到数据清洗需求。
- 提到计算加速需求。
- 提到统计建模分析需求。
- 提到对最佳实践方案的介绍。
海量数据压力与数据规模示例
说明行情频率提高带来的投研压力，并以高频因子数据量级（相对原始行情数据倍数与 TB 规模）举例提出高效存储、分析与实时计算需求。
- 行情频率提高会带来投研压力。
- 高频因子数据量可为原始行情数据的 10-100 倍。
- 高频因子数据规模示例为通常会达到 500+TB。
- 中高频投研需要高效存储、分析与实时计算能力。
三方面对传统方案不足的总结与 DolphinDB 最佳实践引入
从存储、分析、实时计算三个方面概述传统方案缺点，并以 DolphinDB 为例介绍中高频量化投研最佳实践。
- 存储方面：关系型数据库示例被描述为压缩比低、分析计算能力弱、数据难管理。
- 分析方面：SQL 和 Python 被描述为复杂逻辑表达能力不足或性能不佳。
- 分析方面：C++ 自研被描述为性能可满足但开发成本高。
- 分析方面：Spark、Ray 等被描述为缺少金融算子库，可能不适配中高频投研。
- 实时计算方面：流计算组件被描述为上线成本高且批到流改写与校验耗时。
- 实时计算方面：Flink、Kafka 等技术栈被描述为开发成本高。
- 实时计算方面：物化视图被描述为仅适用简单流计算且时延较高。
- 页面以 DolphinDB 为例引入中高频量化投研的最佳实践。
互动图片与说明（3）：提问交流
展示互动环节图片说明，描述学生提问与周小华博士结合理论与行业经验解答的交流氛围。
- 页面包含互动环节相关图片内容。
- 描述学生在现场进行提问。
- 描述周小华博士结合理论与行业经验进行解答。
讲座收获与交流价值
总结讲座提供技术洞见并作为学习交流平台，提到同学积极提问及回答涵盖理论与实操经验。
- 讲座被描述为提供丰富的技术洞见。
- 讲座被描述为学习交流平台。
- 同学们被描述为积极参与并提出深入问题。
- 回答被描述为涵盖理论与实际操作及行业实战经验。
颁发纪念证书图片与说明（4）
展示讲座结束后校方代表向周小华博士颁发纪念证书，并强调与高校学术交流合作及未来联合讲座计划。
- 校方代表向周小华博士颁发纪念证书以表感谢。
- 页面强调与高校之间的学术交流合作关系。
- 页面提到未来将继续与顶尖院校联合开展线下讲座。
DolphinDB 与高校合作计划
说明 DolphinDB 开展高校学术交流合作，提及将联合复旦大学、上海交通大学开设线下讲座并引导关注公众号获取报名通知。
- 页面描述 DolphinDB 开展高校学术交流合作。
- 提到将联合复旦大学、上海交通大学等开设线下讲座。
- 页面引导关注 DolphinDB 公众号以获取报名通知。
Facts Index
| Entity | Attribute | Value | Confidence |
|---|---|---|---|
| 技能认证特训营第二期 | 状态 | 正式开启 | high |
| 限时报名链接（技能认证特训营第二期） | url | https://www.qingsuyun.com/h5/e/217471/5/ | high |
| 技能认证特训营第二期报名 | 优惠描述 | 享专属福利优惠 | low |
| 新闻条目《浙江大学讲座回顾丨探索中高频量化交易的世界》 | 日期 | 2023.11.13 | high |
| 周小华 | 职务/身份 | DolphinDB 创始人兼 CEO（博士） | high |
| 浙江大学金融家大讲堂讲座活动 | 举办日期 | 11月10日 | medium |
| 浙江大学金融家大讲堂活动 | 讲座主题 | 《探索中高频量化交易的世界：高性能基础设施的构建和应用》 | high |
| 浙江大学金融家大讲堂讲座活动 | 参会人数 | 近五十人 | medium |
| 讲座开场问题 | 问题表述 | “如何在中高频数据中挖掘 Alpha 信号？” | high |
| 讲座讨论重点问题 | 关注点 | 如何高效存储和分析海量数据，更快发掘新的有效因子 | high |
| DolphinDB 在中高频量化投研问题上的分享 | 内容描述 | 分享为行业解决问题时总结出的经验 | low |
| 高频因子数据 | 相对原始行情数据的数据量倍数 | 10-100 倍 | high |
| 高频因子数据 | 典型数据规模 | 通常会达到 500+TB | medium |
| 量化团队（中高频投研） | 必须面对的问题 | 在海量数据集上实现数据的高效存储、分析和实时计算 | high |
| 传统解决方案（关系型数据库示例） | 存储方面问题 | 压缩比低、分析和计算能力弱、数据难以管理 | medium |
| SQL 和 Python | 分析方面不足 | 复杂逻辑表达能力不足和计算性能不佳 | medium |
| C++（自研） | 分析方面权衡 | 性能满足要求，但自研开发成本太高 | medium |
| Spark 和 Ray 等分布式计算工具 | 分析方面不适配点 | 没有针对金融领域开发的算子库，因此可能并不是中高频量化投研的最佳选择 | medium |
| 流计算组件（现有流行方案） | 实时计算方面问题 | 生产上线成本高；从批计算到流计算代码转写和结果校验非常耗时 | medium |
| Flink、Kafka 等技术栈 | 实时计算方面问题 | 开发成本高 | medium |
| 物化视图技术 | 实时计算方面限制 | 只能解决简单的流计算问题，且时延较高不能满足高性能的要求 | medium |
| 讲座价值 | 效果描述 | 提供丰富的技术洞见并为同学和研究人员提供学习交流平台 | low |
| 讲座互动 | 参与情况 | 同学们积极参与并提出深入问题；回答涵盖理论与实际操作及行业实战经验 | medium |
| 浙江大学校方代表 | 行为 | 向周小华博士颁发纪念证书以表感谢 | medium |
| DolphinDB 与高校关系 | 合作描述 | 与高校之间紧密的学术交流合作关系；未来将继续与顶尖院校联合开展线下讲座 | low |
| DolphinDB | 高校合作计划 | 将联合复旦大学、上海交通大学等开设线下讲座 | medium |
| DolphinDB 公众号 | 用途 | 关注以实时获取报名通知 | high |