导语

当前，高频交易日益普及、市场波动性持续增强，风控指标的计算不再只是事后评估的工具，更是盘中实时决策的关键因素。面对复杂业务、海量数据和高实时性等多重压力，某券商通过 DolphinDB CPU-GPU 异构计算平台 Shark，引入 GPU 作为核心算力引擎，将高频交易场景下关键风控指标的计算效率提升数十到上百倍。

1 背景介绍

近年来，随着量化交易和复杂衍生品业务的快速发展，券商机构的风险管理部门面临着前所未有的计算压力。一方面，风控模型需要覆盖更广泛的场景，从标准估值、敏感性指标，到复杂的交易对手风险分析、全市场敞口监控等；另一方面，监管对实时风控的要求也不断提升，特别是在盘中极端行情频发的背景下，风控反应速度直接关系到机构资金安全和合规风险。

但在实际业务中，风控工作的技术支撑却仍未跟上业务发展的步伐。传统系统下，风控部门在指标计算和估值定价时存在数据不统一、指标重复建设、计算周期长、无法实时响应等问题。

2 面临挑战

该券商在原有风控体系中同样面临着一些共性难题，具体表现为：

• 数据库方案存在瓶颈：在原有架构中，数据存储方案的 I/O 吞吐能力存在瓶颈，面对高频、海量数据时表现乏力，导致大量数据孤岛的存在。同时，数据存储与计算隔离，意味着每次计算都需要先提取数据，再进行处理，过程中存在显著的传输损耗，严重拖慢整体计算效率。
• 计算响应时效滞后：原有系统依赖 CPU 完成大规模任务，在面对如百万级计算任务时应对吃力。虽然可以通过集群扩展缓解，但成本高昂且扩展效率有限。此外，在进行计算密集型任务时，系统的计算性能也相对低效。
• 技术栈复杂，系统割裂：各个业务小组为满足自身需求，都各自构建了一套独立的技术体系，语言、框架存在差异，导致资源浪费和成果难以共享。该券商也缺乏一个平台能够同时协调 CPU 与 GPU 的计算资源，进一步限制了系统性能的提升空间。同时，复杂的技术栈拉长了整体业务链条，使得新增复杂指标的开发与上线周期显著延长。

为此，该券商需要一套性能更强劲、架构更精简、能实现 GPU 加速的风控指标计算系统。

3 DolphinDB 解决方案

经过严格选型，该券商决定基于 DolphinDB CPU-GPU 异构计算平台 Shark 构建“采-存-内存-显存-计算服务”一体化平台。该平台以 DolphinDB 分布式文件系统为底层数据存储基座，通过内存与显存之间的高效数据交互，结合 CUDA 并行架构重构计算模型，将原本依赖 CPU、需耗时数小时的复杂风险指标计算压缩至秒级甚至毫秒级，真正实现定价与风控指标的实时计算与监控。

其关键能力主要体现在以下方面：

• 多模态存储引擎：DolphinDB 内置了 TSDB、OLAP、PKey 等多模存储引擎，可在同一平台内高效存储高频行情、静态属性、风险因子等多元金融数据。
• 充分释放算力潜能：DolphinDB 本身支持向量化计算，可以充分发挥 CPU 的计算性能。Shark 则在此基础上引入 GPU 并行加速架构，研究员仅需在函数定义前加上 @gpu 注解，Shark 即可在 GPU 上编排调度脚本计算任务，并且利用 GPU 加速计算。
• 多类型编程方式：DolphinDB 支持 SQL、命令式编程以及函数式编程，并内置向量化计算语法与分布式任务调度框架。通过混合编程，平台可以同时发挥 CPU 和 GPU 的算力，满足基础计算、复杂批处理、密集任务计算等多类型开发需求。
• 流批一体能力：DolphinDB 内置10+流式处理引擎，可以灵活应对各类实时计算任务。其计算框架支持流批一体，研究与实盘、批量与实时任务均可通过一套代码逻辑实现，大幅提升开发效率与系统一致性。

4 方案效果

在实际应用中，DolphinDB Shark 平台为券商带来了显著的性能跃升：

这些性能突破不仅使风险指标计算速度成倍提升，还促进了该券商业务模式的深层变革。过去，风控指标的生成多在交易结束后进行，缺乏实时响应能力。如今，通过平台的高性能支持，全市场交易对手的风险指标计算从小时级压缩至秒级，真正实现了盘中实时风控。同时，平台也统一了各个小组的数据底座，消除信息孤岛、实现指标计算的复用与成果共享。

注：Shark 平台目前已支持 NVIDIA GPU，正在适配海光等国产 GPU。

如需了解完整方案，欢迎添加小助手微信（dolphindb1）或致电 133-0651-0479 与我们联系！

                扫描二维码，添加 DolphinDB小助手点击阅读原文，试用 DolphinDB