AI 如何赋能交易？解码权益交易新范式
本页为活动新闻内容，围绕 AI 与高性能数据平台在权益交易策略研发与风控中的应用展开讨论，并标注发布日期信息。
What this page covers
- 活动新闻的主题与发布日期信息。
- 峰会分论坛 B 的讨论维度与聚焦主题。
- 面向投资者的智能策略研发与两融回测案例。
- 低延时计算：Swordfish 与硬件侧方案要点。
- 券商数字化转型与 AIaaS 平台落地案例。
- 市场舆情/情绪量化与多源信息融合路径。
- 圆桌讨论的主题范围与观点方向。
技能认证特训营第二期报名入口（限时报名）
页面顶部展示技能认证特训营第二期的限时报名链接与福利提示。
- 提供“技能认证特训营第二期”的报名入口信息。
- 该入口被描述为“限时报名”。
活动：AI 如何赋能交易？解码权益交易新范式（发布日期 2025.10.16）
活动新闻标题与日期，并引出 AI 与高性能数据平台在权益交易策略与风控中的应用讨论主题。
- 该活动新闻标注发布日期为 2025.10.16。
- 讨论聚焦权益交易策略研发与执行所面临的挑战。
- 挑战包含市场节奏加快与交易数据量激增。
- 投资者对决策与风控的实时性需求被提及。
- AI 与高性能数据平台结合被认为带来新的可能性。
峰会分论坛 B：四个维度（策略研发、低延时计算、数字化转型、舆情分析）
说明 DolphinDB 2025 年度峰会分论坛 B 聚焦“AI 赋能权益交易新范式”并从四个关键维度展开讨论。
- 分论坛 B 的主题聚焦为“AI 赋能权益交易新范式”。
- 讨论维度包含“策略研发”。
- 讨论维度包含“低延时计算”。
- 讨论维度包含“数字化转型”。
- 讨论维度包含“舆情分析”。
演讲：《AI 驱动的策略研发革命》（中信建投证券 郑成）
围绕 C 端投资者策略研发痛点，介绍“信谛听 AI 智数平台”与与 DolphinDB 合作的 Alpha 实验工坊及两融回测能力。
- 普通投资者的痛点包含缺乏高质量数据。
- 普通投资者的痛点包含缺乏建模和编程能力。
- 普通投资者的痛点包含缺乏可靠回测模拟工具。
- 信谛听 AI 智数平台被定位为一站式智能策略研发流程平台。
- 信谛听平台提出三层支持：数据帮找。
- 信谛听平台提出三层支持：代码帮写。
- 信谛听平台提出三层支持：模型帮搭。
- Alpha 实验工坊被描述为支持两融回测业务的平台。
演讲：《低延时计算解决方案》（融超微电子 & DolphinDB）与 Swordfish 介绍
从软件与硬件两个维度介绍低延时优化，重点阐述 Swordfish 的定位、特性及在 DolphinDB 3.00.4 的优化路径与实测延时表现，并补充硬件侧服务器与智能网卡方案。
- Swordfish 被定义为可在用户程序中运行的高性能数据分析计算函数库。
- Swordfish 支持内存计算与实时数据流式处理。
- Swordfish 可嵌入在 C++ 应用程序中同一进程内调用。
- Swordfish 描述为无需配置、无需运维。
- Swordfish 优化版本对应 DolphinDB 3.00.4。
- DolphinDB 3.00.4 的优化路径包含类型特化执行。
- DolphinDB 3.00.4 的优化路径包含 CPU 缓存与布局优化。
- 融超微电子服务器系列划分为 X、Z、A 三大系列。
演讲：《人工智能驱动券商数字化转型》（东吴证券 葛菊平）
介绍东吴证券“1+3+1”战略架构与 AIaaS 平台能力、场景落地规模、与 DolphinDB 的融合，以及在财富管理、风控与文档自动化等场景的应用成效。
- 东吴证券提出“1+3+1”战略架构，并以 AIaaS 平台为核心载体。
- AIaaS 平台包含自研大模型能力矩阵（3B-108B 参数）。
- AIaaS 平台描述为近 40 个 AI 场景落地应用。
- AIaaS 平台被描述为深度融合 DolphinDB 的高性能数据处理能力。
- 东吴小秀才被描述为实现报告自动化生成。
演讲：《利用 AI 进行市场舆情分析》（国泰君安期货 虞堪）
阐述市场情绪量化与多源信息融合的研究路径，包括代理变量尝试、盘后信息分析，以及构建舆情指数的处理框架与测试表现。
- 市场情绪被描述为影响价格波动的重要因素。
- 市场情绪被描述为长期以来难以准确衡量。
- 早期量化方法使用成交量等盘中数据作为代理变量。
- 早期方法结合 PCA 等传统方法提取潜在因素。
- 框架包含整合新闻与社交媒体数据。
- 框架包含用改进 TF-IDF 与 LLM 做关键词筛选与情感判定。
- 框架包含用深度动态因子模型（DDFM）做多源信息融合。
- 测试期中，舆情指数被描述为与沪深 300 走势高度同步并呈现 1–2 日领先性。
圆桌分享：AI 赋能权益交易新范式
在主持人组织下，多位嘉宾围绕 AI 驱动金融创新、数字化转型、AI 与 RPA 结合及择时研究与人机协同等话题进行讨论。
- 圆桌分享主持人为上海交通大学上海高级金融学院阚睿教授。
- 圆桌讨论主题包含战略布局、技术实践与未来展望。
- 嘉宾名单包含华泰证券邓骏聪。
- 嘉宾名单包含中信建投证券李剑戈。
- 嘉宾名单包含海通期货赵智鹏。
- 嘉宾名单包含长江证券王圆圆。
- 讨论包含 AI 与 RPA 在合适场景下的互补性。
- 讨论包含通过提示词、流程拆分与多模型交叉验证应对“幻觉”问题的观点。
结语：AI 在权益领域从辅助走向核心驱动，DolphinDB 持续赋能核心业务场景
总结 AI 应用趋势，并声明 DolphinDB 将持续巩固基础设施性能并探索前沿技术以赋能投资研究、风控与客户服务等场景。
- 趋势判断为：从边缘辅助走向核心驱动。
- 趋势判断为：从单点实验迈向系统化融合。
- DolphinDB 表述将持续巩固基础设施性能并探索前沿技术。
- 赋能场景包含投资研究。
- 赋能场景包含风险管理。
- 赋能场景包含客户服务。
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 |
| AI 如何赋能交易？解码权益交易新范式（活动新闻） | 日期 | 2025.10.16 | high |
| 证券市场权益交易策略研发与执行 | 面临的挑战 | 市场节奏加快、交易数据量激增、投资者对决策与风控实时性需求提升 | medium |
| AI 与高性能数据平台结合 | 带来的可能性 | 为交易策略研发和风控管理提供新的可能 | low |
| DolphinDB 2025 年度峰会分论坛 B | 主题聚焦 | AI 赋能权益交易新范式；从策略研发、低延时计算、数字化转型、舆情分析四个维度探讨 | high |
| 普通投资者（C 端客户） | 策略研发痛点 | 缺乏高质量数据、缺乏建模和编程能力、缺乏可靠回测模拟工具 | high |
| 信谛听 AI 智数平台（中信建投） | 定位 | 国内证券行业首家帮助投资者实现“自然语义-策略代码-回测模拟”智能策略研发流程的一站式平台 | high |
| 信谛听 AI 智数平台 | 三层支持 | 数据帮找、代码帮写、模型帮搭 | high |
| 信谛听 AI 智数平台 | 覆盖范围 | 覆盖投前、投中、投后的全链条赋能 | medium |
| 信谛听 AI 智数平台 | 能力举例 | 利用大模型与算力帮助预测市场风格变化与行业轮动；通过业绩归因系统帮助持续优化策略 | medium |
| 融资融券回测工具市场供给 | 现状 | 市场上长期缺乏相应的回测工具 | medium |
| Alpha 实验工坊（中信建投与 DolphinDB 合作） | 定位/特点 | 市场上第一个支持两融回测业务的平台 | medium |
| DolphinDB 回测引擎（Alpha 实验工坊） | 关键功能 | 低延迟模拟、分布式并行计算、JIT 编译优化、高效压缩存储 | high |
| DolphinDB 回测引擎（Alpha 实验工坊） | 策略研发效率变化 | 从数周缩短至小时级别 | high |
| DolphinDB 回测引擎（Alpha 实验工坊） | 开发效率提升 | 提升百倍以上 | high |
| DolphinDB 回测引擎（Alpha 实验工坊） | 一致性保障 | 保障模拟回测与实盘环境一致性，使客户在接近实盘条件下检验策略 | medium |
| Alpha 实验工坊 | 未来规划 | 完善两融及期货端功能、提升研究成果转化效率、接入港股/美股等海外市场，实现全球化配置 | low |
| Swordfish（DolphinDB） | 定义/定位 | 支持内存计算和实时数据流式处理、可在用户程序中运行的高性能数据分析计算函数库 | high |
| Swordfish（DolphinDB） | 运行方式 | 嵌入在 C++ 应用程序中，同一进程内可高效调用；没有进程间通信开销；无需配置、无需运维 | high |
| Swordfish（DolphinDB） | 能力范围 | 可调用 DolphinDB 内置大量函数与所有类型流计算引擎；支持发布-订阅、历史数据回放等流式处理功能；可与插件生态无缝对接以复用行情接入、撮合回测等能力 | high |
| Swordfish 优化版本 | 版本号 | DolphinDB 3.00.4 | high |
| Swordfish（DolphinDB 3.00.4） | 五大技术路径 | 类型特化执行、行式执行优化、高效数据结构与算法、内存与对象生命周期优化、CPU 缓存与布局优化 | high |
| Swordfish（DolphinDB 3.00.4） | 实测延时表现 | 在逐笔订单簿因子计算、100ms 频因子计算、买卖信号合成等场景实现微秒级稳定延时 | medium |
| 实盘交易计算需求与通用架构 | 问题陈述 | 需要在微秒级窗口完成模型推理和报单执行，但传统通用计算架构难以满足 | medium |
| 融超微电子服务器系列 | 系列划分 | 三大服务器系列：X 系列（极致 CPU 性能）；Z 系列（兼顾 CPU 核心数与频率且需较大内存）；A 系列（高并发、高算力密度） | high |
| 智能网卡（融超微电子提及） | 网络通信延时 | 通过硬件实现 TCP/IP 协议栈，将网络通信延时降至亚微秒级别 | medium |
| 计算卸载理念（融超微电子提及） | 实现方式与效果 | 在 FPGA 智能网卡中集成 AI 推理核心，使行情解析与策略信号生成在网卡内完成，减少 CPU 与网卡间往返开销，形成“通信-计算”一体化架构 | medium |
| 东吴证券 | 公司资质/定位表述 | 拥有全部证券类业务牌照的综合券商；苏州地区唯一的法人证券公司 | medium |
| 东吴证券 | 战略架构 | 提出“1+3+1”战略架构，并以 AIaaS 平台为核心载体 | high |
| 东吴证券 AIaaS 平台 | 四大能力 | 3B-108B 参数自研大模型能力矩阵；统一纳管本地与云端算力的调度系统；沉淀四大应用范式的 AI 中台；丰富的证券领域 AI 生态组件 | high |
| 东吴证券 AIaaS 平台 | 支持的 AI 场景数量 | 近 40 个 AI 场景落地应用 | high |
| 东吴证券 AIaaS 平台应用 | 产品化情况 | 智能投顾、智能文档等应用已完成产品化转型 | medium |
| 东吴证券 AIaaS 平台 | 与 DolphinDB 的关系 | 平台深度融合了 DolphinDB 的高性能数据处理能力 | high |
| 东吴证券 AIaaS 平台 | 数据治理 | 通过统一的数据治理体系，实现从数据采集、清洗到智能应用的全流程闭环管理 | high |
| DolphinDB 在东吴证券 AIaaS 平台中的作用 | 优势发挥场景 | 在实时数据处理方面优势得到发挥，为后续 AI 应用创新提供保障 | medium |
| 东吴证券 AIaaS 平台 | 财富管理场景 | 提供覆盖投前、投中、投后的全流程 AI 解决方案，缓解投顾服务供需矛盾 | medium |
| 东吴证券 AIaaS 平台 | 风险控制场景 | 通过 AI 舆情分析、AI 风险预警和 AI 风控生态实现风险监控闭环 | medium |
| 东吴小秀才（东吴证券自研） | 功能 | 实现报告自动化生成 | high |
| AI 合同解析（东吴证券场景） | 效率与准确率 | 效率提升两倍；准确率达到 97% 以上 | high |
| 国泰君安期货团队研究（虞堪分享） | 研究方向 | AI 驱动的市场情绪量化与多源信息融合 | high |
| 市场情绪 | 对价格波动的影响与度量难点 | 市场情绪是影响价格波动的重要因素，但长期以来难以准确衡量 | high |
| 市场情绪早期量化方法（国泰君安期货团队） | 代理变量与方法 | 使用成交量、换手率、逆回购利率等盘中数据作为代理变量，并结合 PCA 等传统方法提取潜在因素 | high |
| 市场情绪早期量化方法（国泰君安期货团队） | 问题 | 在策略中有一定效果但噪声较大 | medium |
| 形态比对识别情绪场景方法（国泰君安期货团队） | 执行滞后与影响 | 因数据处理延时，策略往往到次日才能执行，导致收益受损 | high |
| 盘后信息分析探索（国泰君安期货团队） | 使用的信息类型 | 公告、财报、新闻等盘后信息 | high |
| 舆情指数处理框架（国泰君安期货团队） | 主要步骤与方法 | 整合新闻与社交媒体数据；用改进 TF-IDF 与 LLM 做关键词筛选和情感判定；用深度动态因子模型（DDFM）做多源信息融合；合成可解释性舆情指数 | high |
| 舆情指数（国泰君安期货团队） | 测试期表现 | 与沪深 300 走势高度同步，并表现出 1 至 2 日领先性 | medium |
| 舆情与情绪量化 | 未来重要性判断 | 将成为未来金融机构的重要研究方向，并在策略研发与风控实践中发挥越来越大的作用 | low |
| 圆桌分享 | 主持人 | 上海交通大学上海高级金融学院 阚睿教授 | high |
| 圆桌分享 | 讨论主题 | AI 赋能权益交易新范式（战略布局、技术实践、未来展望） | high |
| 圆桌嘉宾（AI 说明中列举） | 嘉宾名单 | 华泰证券邓骏聪、中信建投证券李剑戈、海通期货赵智鹏、长江证券王圆圆（并提及由阚睿教授主持） | medium |
| 华泰证券邓骏聪（圆桌观点） | 对 AI 角色的判断 | AI 从辅助工具走向驱动金融创新的核心动能 | low |
| 华泰证券邓骏聪（圆桌观点） | 场内衍生品实践中的作用举例 | 提升策略动态调整与订单管理智能化；通过动态风险预算分配实现不同市场风格下更灵活资金配置；去情绪化、数据驱动提升决策稳定性 | low |
| 中信建投证券李剑戈（圆桌观点） | 数字化理念 | 记录一切、分析一切、改进一切 | high |
| 中信建投证券李剑戈（圆桌观点） | 对数字化与 AI 深度关系判断 | 数字化程度直接决定 AI 应用深度；可通过组织、制度与资源统一协调，打破“烟囱式”架构，为 AI 落地提供统一平台和算力支撑 | low |
| AI 与 RPA（海通期货赵智鹏观点） | 结合难点与互补性 | 技术特性差异决定结合难度，但合适场景可互补；可在 AI 场景中引入 RPA 增强流程可靠性 | low |
| 大模型“幻觉”问题（海通期货赵智鹏观点） | 应对方式 | 尚无捷径；需通过精细提示词设计、流程拆分与多模型交叉验证保障输出可靠性 | low |
| 长江证券王圆圆（圆桌观点） | AI 与择时研究关系 | 阿尔法挖掘难度加大背景下，AI 的非线性建模与多维信息处理能力契合择时研究需求；未来人机协同在于共生（人把控战略方向，AI 提供战术层面最优解） | low |
| AI 在权益领域应用趋势（文末总结） | 趋势判断 | 从边缘辅助走向核心驱动，从单点实验迈向系统化融合 | low |
| DolphinDB（文末总结） | 后续方向表述 | 持续巩固基础设施性能并探索前沿技术，赋能投资研究、风险管理、客户服务等核心业务场景，推动金融行业高质量发展 | low |