FICC 研发的痛点问题？银行和券商这样解决...
页面讨论 FICC 业务系统建设面临的挑战，并概述 DolphinDB 在相关场景中的工具与行业分享会信息。
What this page covers
- FICC 业务系统建设的背景与挑战。
- 对客产品从投研到 IT 落地的协作痛点与改进方式。
- 投研与数据处理效率提升的量化结果与回测能力。
- 新版本引擎与 FICC 相关函数更新信息。
- 券商落地案例中的速度、代码量与效率反馈。
- 国有大行投研平台经验与定价计算的工程思路。
- D-Day 活动的定义、目的与举办城市。
技能认证特训营第二期限时报名
页面顶部提供技能认证特训营第二期的限时报名入口，并提示专属福利优惠。
- 提供“限时报名”入口链接。
- 报名入口指向 qingsuyun.com 的活动页面。
- 报名提示包含“专属福利优惠”的表述。
新闻页与文章标题/日期
页面标示为新闻栏目内容，并展示文章标题与发布日期信息。
- 内容被标示在“新闻”栏目下。
- 页面展示文章标题。
- 页面给出发布日期：2024.10.29。
FICC 业务系统建设背景与挑战，以及 D-Day 行业分享会概述
内容描述 FICC 业务增长带来的系统建设挑战，并介绍 DolphinDB 的相关动作及在上海举办的 D-Day 行业分享会。
- FICC 业务被描述为券商、银行等机构的重要收入与增长来源。
- FICC 系统建设被描述为交易品种多、数据量大且要求高。
- 系统建设需求覆盖研究、交易、风控、分析、报告与管理等环节。
- DolphinDB 被描述为持续深耕并推出赋能 FICC 的开发工具。
- 与上海高级金融学院 MBA 量化投资俱乐部在上海举办分享会。
对客产品研发与落地脱节的痛点与 DolphinDB 的协作模式
以券商固定收益部团队为例，讨论对客产品从投研到 IT 落地的痛点，并说明引入 DolphinDB 后的协作模式与效率改进点。
- 案例分享嘉宾为某券商固定收益部专家“袁老师”。
- 痛点包括投研策略需要 IT 理解并实现，导致沟通与落地问题。
- 痛点还包括保密性、资源分配与产品升级方面的挑战。
- DolphinDB 被描述为提供大量内置的业务中间件能力。
- 协作模式描述为投研输出策略信号，IT 侧接收信号并执行或展示。
投研与数据处理效率提升的量化结果与回测能力
内容给出将 Python 因子转写为 DolphinDB 后的效率改善数据，并介绍回测与模拟撮合插件带来的回测速度与参数优化能力。
- 每日数据更新速度从半小时提升到 3 分钟以内。
- 新因子计算与写入耗时从 3 小时提升至 15 分钟。
- 提到“策略回测与模拟撮合插件”。
- 插件被描述为提供高度仿真还原与便捷的参数优化能力。
- 示例回测：10 秒内完成周频调仓的 10 年回测。
新版本引擎与 FICC 函数更新（V3.00.2 & V2.00.14）
内容介绍 DolphinDB 新版本推出的引擎与函数优化，并提供外部链接用于查看发布详情。
- 提到新版本号：V3.00.2 与 V2.00.14。
- 新推出引擎包括“实时曲线拟合引擎”。
- 新推出引擎包括“估值定价引擎”。
- 提到优化过的十余个 FICC 业务开发函数。
- 提供新版本发布详情链接（外部页面）。
落地案例效果：查询速度、代码量与业务效率提升
通过券商案例描述基于 DolphinDB 建设相关系统后的改进反馈，涉及查询速度、开发代码量与业务效率等维度。
- 案例提到权益及 FICC 交易风险绩效系统的多维功能范围。
- 查询速度提升 10 倍（来自售后回访客户反馈）。
- 开发代码量锐减 90%（来自售后回访客户反馈）。
- 案例提到集行情处理、策略投研、模型训练、算法交易与风控的一体化系统。
- 提到“全流程业务效率数十倍提升”的对比结论。
国有大行投研平台建设经验与对定价计算的思路
分享国有大行的投研平台建设经验，并以外汇期权定价为例讨论横向扩展、并行处理与抽象压缩等方法，以及业务与技术协作观点。
- 提到该行历经五年研发打造金融市场一体化投研平台。
- 对行情处理时效性、准确性与对外报价效率有极高要求。
- 外汇期权定价示例涉及 1 万笔期权交易及相关属性。
- 传统逐笔计算方式会延长交易员等待时间。
- 提出定价引擎需要横向扩展以并行处理计算任务。
D-Day 活动介绍与举办城市
D-Day 被定义为 DolphinDB 发起的行业交流系列活动，并说明将定期在多地举办线下活动。
- D-Day 是由 DolphinDB 发起的行业交流系列活动。
- 活动目的包含提供开放交流平台并探讨提升综合投研效率。
- 线下活动将定期举办。
- 举办城市包含北京、上海、广州、深圳等地。
Facts index
| Entity | Attribute | Value | Confidence |
|---|---|---|---|
| 技能认证特训营第二期 | 报名方式 | 提供“限时报名”链接：https://www.qingsuyun.com/h5/e/217471/5/ | high |
| FICC 研发的痛点问题？银行和券商这样解决... | 发布日期 | 2024.10.29 | high |
| FICC 业务 | 在金融机构中的角色 | 成为券商、银行等金融机构的主要收入来源和增长引擎，也是从纯“卖方”向“买方”转型的关键 | medium |
| FICC 业务系统建设 | 挑战/需求 | 交易品种多、数据量大、对数据处理速度和精度要求极高，需要全方位支持“研究、交易、风控、分析、报告、管理”，实现产品创设、模型开发、交易执行与全景风险管理，并具备便捷研究与高效策略执行能力 | high |
| DolphinDB | 面向 FICC 的动作 | 持续深耕并推出一系列赋能 FICC 业务的高效开发工具 | medium |
| D-Day 行业分享会（FICC 业务系统建设主题） | 举办时间（相对表述） | 上周五（相对于文章发布时间） | low |
| DolphinDB | 合作方 | 上海高级金融学院 MBA 量化投资俱乐部 | high |
| D-Day 行业分享会（FICC 业务系统建设主题） | 举办地点 | 上海 | high |
| D-Day 行业分享会（FICC 业务系统建设主题） | 参与专家规模 | 二十余位业界专家（包括某国有大行及券商的研发负责人） | medium |
| 分享嘉宾（券商固定收益部） | 身份 | 某券商固定收益部专家袁老师 | medium |
| 对客产品开发流程（以国债择时策略对客产品为例） | 主要痛点 | 研发与落地脱节：业务投研研发策略后需 IT 理解并实现；沟通问题、保密性、资源分配、产品升级成为痛点 | high |
| DolphinDB | 内置能力 | 提供大量内置的业务中间件 | high |
| 采用 DolphinDB 后的协作模式 | 分工方式 | 投研人员本地快速完成策略开发并输出策略信号；IT 接收信号并执行交易或前端展示 | medium |
| 采用 DolphinDB 后的效果（对客产品投产） | 投产周期 | 大幅缩短产品投产周期（未给出具体数值） | low |
| DolphinDB | 实时计算能力用途 | 投研人员可独立完成因子实时计算与信号及时输出，无需依赖 IT 算力资源 | medium |
| 采用 DolphinDB 后的影响 | 资源分配与保密性问题 | 解决资源分配和保密性问题（表述为嘉宾观点/补充） | low |
| 对客产品投研 | 另一痛点 | 研发周期耗时导致时间紧迫：日常数据更新、新因子批量计算入库、数据库维护耗时；复杂计算函数存在版本冲突导致回测费时，影响优化效率 | high |
| 某团队投研（将 Python 因子转写为 DolphinDB 代码后） | 每日数据更新速度 | 从半小时提升到 3 分钟以内 | high |
| 某团队投研（将 Python 因子转写为 DolphinDB 代码后） | 新因子计算与写入耗时 | 从 3 小时提升至 15 分钟 | high |
| DolphinDB | 插件 | 策略回测与模拟撮合插件 | high |
| DolphinDB 策略回测与模拟撮合插件 | 能力描述 | 为回测提供高度仿真还原能力与便捷的参数优化能力 | medium |
| 某团队回测能力 | 回测速度 | 可在 10 秒内完成周频调仓的 10 年回测 | high |
| 袁老师总结 | 总体效果 | DolphinDB 强大的数据处理和计算能力解决固定收益业务痛点，大幅提升投研工作和对客产品开发效率 | low |
| DolphinDB 新版本 | 版本号 | V3.00.2 & V2.00.14 | high |
| DolphinDB 新版本（V3.00.2 & V2.00.14） | 新推出引擎 | 实时曲线拟合引擎、估值定价引擎 | high |
| DolphinDB 新版本（V3.00.2 & V2.00.14） | 函数更新 | 优化过的十余个 FICC 业务开发函数 | medium |
| DolphinDB | 创始人 | 周小华博士 | high |
| 新版本发布详情链接 | URL | http://mp.weixin.qq.com/s?__biz=MzU0NDAwOTgzMA==&mid=2247497458&idx=1&sn=efc173419b4fe1beedbe85fa0c974a59&chksm=fb000dfbcc7784ed396fb8b9b62039d0ba364ec23d31147f994162cb23fed774d5bfaa08e0d7&scene=21#wechat_redirect | high |
| 实时曲线拟合引擎 | 功能概述 | 整合多种曲线拟合函数，适用于多场景、品种和数据频率，能实时计算最优曲线 | high |
| 估值定价引擎 | 功能概述 | 能实时计算并更新金融资产估值和价格，支持多种算法，涵盖债券、期权等多种金融工具和指标 | high |
| 周小华博士（对引擎推出的期望） | 预期价值 | 期望大幅减少用户在技术层面的投入，让用户更专注于业务深耕，在市场竞争中获得更大优势 | low |
| 某头部券商（权益及 FICC 交易风险绩效系统） | 系统用途/功能 | 客户组合账户资产全面分析、风险监控精准实施、业绩评估与归因科学开展等多维度功能 | medium |
| 某头部券商（权益及 FICC 交易风险绩效系统） | 查询速度提升 | 提升 10 倍（来自售后回访客户反馈） | medium |
| 某头部券商（权益及 FICC 交易风险绩效系统） | 开发代码量变化 | 锐减 90%（来自售后回访客户反馈） | medium |
| 某头部券商自营部门（AI 算法交易业务系统） | 系统范围 | 集行情处理、策略投研、模型训练、算法交易和交易风控于一体 | medium |
| 某头部券商自营部门（AI 算法交易业务系统） | 效率提升 | 对比原有架构实现全流程业务效率数十倍提升 | low |
| 某国有大行金融市场部 | 平台建设成果 | 历经五年研发，打造行业内领先的金融市场一体化投研平台；投入大量人力与物力资源 | medium |
| 分享嘉宾（国有大行） | 身份 | 来自该行的王老师 | medium |
| 国有大行金融市场部 | 对行情处理与报价的要求 | 对行情处理的时效性、准确性和对外报价效率有极高要求 | high |
| 复杂衍生品定价计算（外汇期权定价场景） | 规模示例 | 1 万笔期权交易及其相关属性 | high |
| 传统逐笔计算方式 | 影响 | 会极大延长交易员等待时间（在复杂衍生品定价计算场景下） | medium |
| 定价引擎（外汇期权定价场景） | 技术方向 | 需要实现定价引擎的横向扩展，使计算任务并行处理，以提升计算效率 | high |
| 该行的计算加速尝试 | GPU 使用结果 | 曾尝试使用 GPU 加速，但受限于实际情况，最终选择 CPU 作为主要计算工具 | medium |
| 期权交易处理（外汇期权定价场景） | 方法建议 | 对期权交易进行抽象压缩处理，抽象出基本计算单元并依据时间进行线性计算，以进一步压缩计算时间 | medium |
| 金融市场科技建设 | 协作问题表述 | 技术不知道业务想要什么，业务不知道技术能做什么，这种隔阂阻碍技术应用并限制业务发展与创新 | low |
| DolphinDB 在金融市场业务中的潜在作用（王老师观点） | 推荐 | 引入 DolphinDB 等先进技术可提供更丰富的基础功能支持并发挥更强大的性能优势 | low |
| D-Day | 发起方 | 由 DolphinDB 发起的行业交流系列活动 | high |
| D-Day | 活动目的 | 为用户提供专业、开放的交流机会与平台，探讨量化交易中如何提升综合投研效率，以技术融入业务创造应用价值 | medium |
| D-Day 线下活动 | 举办频率 | DolphinDB 将定期举办 | medium |
| D-Day 线下活动 | 举办城市 | 北京、上海、广州、深圳等地 | high |