上周，DolphinDB 创始人兼 CEO 周小华博士应邀分别在中国人民大学、中央财经大学和南京大学开展三场量化投研技术讲座。讲座围绕数据分析、因子挖掘、高频交易系统架构及 AI 在量化投资中的应用等前沿议题展开，数百位师生到现场聆听讲座，共同探索金融科技、量化投资及大数据计算领域的奥秘。
中央财经大学
中国人民大学
南京大学
周博士首先从量化金融的行业挑战切入，剖析了海量行情数据背景下现有存储方案的不足，多因子存储现有解决方案的局限等问题。他指出，DolphinDB 通过优化存储引擎，显著提升了行情数据的压缩比，还引入了与业务逻辑紧密耦合的 co-location 存储、相同时间戳存储等特性，实现数据存取效率与业务适配性的双重突破。
多因子数据管理方面，针对因子库动态变化与多因子对齐输出等挑战，DolphinDB 提出基于窄表模式的存储方案，在保证海量中高频因子查询性能的同时，大幅提升了更新与删除因子的速度，为量化研究提供坚实的数据底座。
中高频量化交易要求数据分析工具拥有对复杂分析逻辑的表达能力、高效的数据处理和计算能力、强大的统计分析和建模能力，然而如 SQL、Python、Spark 等传统工具在计算性能、分布式并行计算及金融业务适配性方面存在明显不足。对此，周博士提出了 DolphinDB 独有的海量数据分析解决方案，以强大的表达能力，极致的计算性能，丰富的金融场景基础组件赢得了市场青睐，已在多家头部机构的投研交易系统中落地应用。
在谈到中高频回测时，周博士表示，目前常见的回测框架普遍存在计算耗时长、性能不足、产研无法共享统一代码等痛点。为提升用户的回测体验，DolphinDB 以“起源于数据，服务于实盘”为核心理念，推出了流批一体支持、并行计算、嵌入式方便集成的回测引擎。
针对 FICC 业务诉求，DolphinDB 还将金融模型抽象成了一系列可以直接调用的 FICC 函数，以便用户计算各类指标。在固定收益领域，DolphinDB 将金融模型封装为可调用函数，重点工具包括曲线拟合引擎和估值定价引擎两种。
最后，周博士分享了 DolphinDB 在AI融合方面的最新成果：企业级实时计算平台 Orca、投研及实时交易平台 Quant Cloud、 CPU-GPU 异构计算平台 Shark，以及 DolphinDB 大语言模型 Dlang。此外，利用 AI 辅助决策，DolphinDB 支持多种机器学习模型，实现离线训练到实时预测。
在互动环节，同学们围绕高频交易系统架构设计、多因子挖掘方法论、实时计算性能优化等专业问题，与周博士展开了热烈而深入的学术探讨。周博士不仅从底层技术原理进行了专业解析，更结合其丰富的行业实践经验，通过生动的金融业务场景案例，系统性地分享了国际前沿的交易策略优化方案与技术实现路径。
讲座不仅显著拓展了师生对金融科技底层技术架构与量化投资全流程的认知，更为有志于投身金融科技领域的学生提供了宝贵的行业洞见与职业发展指引，对促进产学研深度融合具有重要价值。
为推进高校合作，DolphinDB 已正式启动蔚蓝计划，旨在通过产学研协同创新、人才共育等多种形式，致力于将 DolphinDB 引入高校，共同培养具备国际视野、创新精神和实践能力的高素质金融科技人才。合作内容包括讲座、课程开发、人才实训及联合研究等，为学生提供丰富的学习资源、实习机会及研究课题
目前，DolphinDB 已与多所知名高校开展合作，包括上海交通大学安泰经济与管理学院、上海交通大学高级金融学院、浙江大学经济学院、中国科学技术大学管理学院、北京大学经济学院、上海财经大学实验中心、南方科技大学商学院、对外经济贸易大学、复旦大学、南京大学、北京大学汇丰商学院、香港中文大学（深圳）、暨南大学等。
扫码添加 DolphinDB 小助手，了解更多详细信息。