DolphinDB 高校技术行:解码中高频量化核心技术
文章给出发布日期,并概述 DolphinDB 走进两所高校开展中高频量化核心技术讲座,包括主讲人与讲座主题。
What this page covers
- 技能认证特训营第二期的报名提示与链接信息。
- 高校技术行讲座的时间、地点、主讲人与主题概述。
- 量化行业竞争态势与数据、架构、策略层面的挑战。
- 数据基础设施与存储/因子管理相关方案要点。
- 量化投研交易相关引擎工具与咨询方式。
- 高校合作计划目标、合作形式与合作院校示例。
技能认证特训营第二期限时报名提示
页面顶部横幅推广技能认证特训营第二期并提供限时报名链接与福利提示。
- 页面横幅推广“技能认证特训营第二期”。
- 横幅提供报名链接入口。
- 横幅包含福利提示信息。
新闻与文章标题
标注内容为新闻并给出文章主标题。
- 页面将内容标注为“新闻”。
- 页面展示文章主标题。
发布日期与活动概述(高校技术行讲座)
给出发布日期并概述DolphinDB走进两所高校开展中高频量化核心技术讲座及主讲人与主题。
- 文章给出发布日期信息。
- 活动为“高校技术行讲座活动”。
- 到访高校包括香港中文大学(深圳)与暨南大学。
- 讲座主题为《中高频量化核心技术解析:从数据分析到实时计算》。
- 主讲人为周小华(DolphinDB 创始人兼 CEO)。
讲座现场图片与说明(香港中文大学(深圳)、暨南大学)
通过现场图片及说明描述两场讲座的场景、主题与展示内容。
- 内容以现场图片与配文说明两场讲座场景。
- 配文围绕讲座主题与展示内容进行说明。
- 图片与说明覆盖香港中文大学(深圳)与暨南大学两站。
量化行业竞争态势与挑战
从数据处理、技术架构与策略开发角度描述量化行业“军备竞赛”及对应挑战。
- 量化行业竞争态势被描述为进入“军备竞赛”阶段。
- 数据源趋势从基本面、市场数据扩展到另类数据与高频因子数据。
- 研发阶段强调高效迭代能力要求。
- 实盘阶段提出毫秒级响应需求。
- 系统灵活性与稳定性被描述为双重挑战。
数据基础设施与DolphinDB存储/因子管理方案
阐述传统方案局限,并描述DolphinDB在行情数据压缩、存储特性与多因子窄表存储方案方面的做法与目标。
- 量化投研体系的核心支撑被描述为数据基础设施。
- DolphinDB 通过优化存储引擎提升行情数据压缩比。
- 存储特性包含 co-location 存储。
- 存储特性包含“相同时间戳存储”。
- 多因子数据管理方案为基于窄表模式的存储方案。
面向量化投研交易的工具(Orderbook/回测/模拟撮合)
列出DolphinDB为量化投研交易打造的引擎类工具及其用途,并提及落地应用与咨询方式。
- 中高频量化分析工具需要复杂分析逻辑表达能力。
- 中高频量化分析工具需要高效数据处理与计算能力。
- 中高频量化分析工具需要统计分析与建模能力。
- 提到 SQL/Python/Spark 等传统工具存在不足之处。
- Orderbook 引擎用于自定义指标并生成交易信号(描述为经过正确性校验)。
FICC函数与曲线拟合/估值定价引擎
介绍将金融模型抽象为可调用FICC函数,并以曲线拟合引擎与估值定价引擎说明用途与效果。
- DolphinDB FICC 函数将金融模型抽象为可直接调用的函数。
- 曲线拟合引擎用于利率与波动率曲线拟合。
- 曲线拟合引擎用于快速构建精确曲线模型。
- 估值定价引擎结合实时行情与拟合曲线。
- 估值定价引擎支持债券、外汇等资产的估值与风险指标计算。
技术前沿探索与活动收尾
列举Orca、Quant Cloud、Shark、开发中的Dlang及其与金融Agent融合,并描述互动环节与活动结束。
- Orca 被描述为企业级实时计算平台。
- Quant Cloud 被描述为投研及实时交易平台。
- Shark 被描述为 CPU-GPU 异构计算平台。
- Dlang 被描述为正在开发中的 DolphinDB 大语言模型。
- 提到 Dlang 与金融 Agent 的融合应用。
活动氛围与互动图片说明
通过多张现场图片说明讲座关注度、互动提问与活动后交流的情形,并关联特训营推出。
- 内容以多张现场图片呈现讲座氛围。
- 讲座参与学生围绕技术实现细节与行业应用场景提问。
- 图片说明包含活动后交流的情形。
- 该部分与特训营推出信息存在关联描述。
技能认证高校特训营介绍与规则
说明推出特训营的目的、首期时间与名额,并列出课程体系、认证通道与退费条件。
- 特训营旨在通过产学研结合搭建人才培养与用人需求桥梁。
- 首期特训营三月启动,名额为 50 个。
- 首期特训营为期两个月的渐进式学习。
- 课程包含讲师授课与线上直播,覆盖编程语言、流计算、向量化编程。
- 课程配套答疑与章节测验。
特训营报名获取方式
提供通过公众号后台回复关键词获取报名链接的方式。
- 报名方式包含关注 DolphinDB 公众号。
- 通过后台回复“特训营”获取报名链接。
DolphinDB高校合作计划与合作院校
介绍高校合作计划的目标、合作形式与已合作的高校名单,并引导咨询。
- 高校合作计划目标包括将 DolphinDB 引入高校并共同培养金融科技人才。
- 合作内容包括讲座、课程开发、人才实训及联合研究等。
- 合作计划提供学习资源、实习机会及研究课题。
- 页面列出部分已合作高校名单。
咨询引导与二维码名片说明(含联系方式与公司分布)
引导扫描二维码添加小助手咨询,并在图片说明中给出公司定位、邮箱、官网与城市分布等信息。
- 咨询方式包含扫描二维码添加小助手。
- DolphinDB(智臾科技)被描述为实时计算平台(基于高性能时序数据库)。
- 图片说明提到联系邮箱与官方网站信息。
- 图片说明提到城市分布:杭州、北京、上海、广州、深圳。
Facts index
| Entity | Attribute | Value | Confidence |
|---|---|---|---|
| DolphinDB 高校技术行:解码中高频量化核心技术 | 发布日期 | 2025.03.06 | high |
| 高校技术行讲座活动 | 举办日期 | 3月5日-6日 | high |
| DolphinDB | 到访高校 | 香港中文大学(深圳)与暨南大学 | high |
| 周小华 | 身份 | DolphinDB 创始人兼 CEO(博士) | high |
| 讲座主题 | 题目 | 《中高频量化核心技术解析:从数据分析到实时计算》 | high |
| 量化行业竞争态势 | 阶段描述 | 已进入“军备竞赛”阶段 | high |
| 数据源扩展趋势 | 从/到 | 从基本面数据、市场数据扩展至另类数据与高频因子数据 | high |
| 量化团队技术架构 | 双重要求 | 研发阶段高效迭代能力;实盘阶段毫秒级响应需求(系统灵活性与稳定性双重挑战) | high |
| 策略开发 | 要求 | 因子挖掘深度与广度需要提升;策略需通过市场压力测试验证健壮性 | high |
| 量化投研体系 | 核心支撑 | 数据基础设施是核心支撑 | high |
| DolphinDB 存储引擎 | 效果/改进 | 通过优化存储引擎,显著提升行情数据的压缩比 | medium |
| DolphinDB 存储特性 | 特性 | co-location 存储、相同时间戳存储 | high |
| DolphinDB 存储与业务适配 | 结果描述 | 实现数据存取效率与业务适配性的双重突破 | low |
| DolphinDB 多因子数据管理 | 方案 | 基于窄表模式的存储方案 | high |
| 窄表模式因子方案 | 效果/目标 | 保证海量中高频因子查询性能,同时大幅提升更新与删除因子的速度 | medium |
| 中高频量化交易数据分析工具 | 能力要求 | 复杂分析逻辑表达能力;高效数据处理与计算能力;强大统计分析与建模能力 | high |
| SQL/Python/Spark 等传统工具 | 不足之处 | 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 | medium |
| DolphinDB Orderbook 引擎 | 描述 | 经过正确性校验的高性能 Orderbook 引擎,可助力用户自定义指标并生成交易信号 | medium |
| DolphinDB 回测引擎 | 支持范围/优势 | 支持多资产类别、多规则触发;兼具速度与精度优势 | medium |
| DolphinDB 模拟撮合引擎 | 能力 | 精准还原交易所交易规则的模拟撮合引擎,为策略验证提供更真实环境 | medium |
| 上述投研交易工具 | 落地情况 | 已在多家头部机构的投研交易系统中落地应用 | low |
| DolphinDB 量化投研加速实践咨询 | 微信 | dolphindb1 | high |
| DolphinDB FICC 函数 | 用途 | 将金融模型抽象为可直接调用的函数,以便计算各类指标 | medium |
| 曲线拟合引擎 | 用途/方法 | 通过高效算法实现利率与波动率曲线拟合,用于快速构建精确曲线模型 | medium |
| 估值定价引擎 | 支持范围 | 结合实时行情与拟合曲线,支持债券、外汇等资产的快速估值与风险指标计算 | medium |
| 曲线拟合引擎+估值定价引擎 | 效果描述 | 可实时捕捉定价偏差,为交易决策提供动态数据支持 | low |
| Orca | 定位/类型 | 企业级实时计算平台 | high |
| Quant Cloud | 定位/类型 | 投研及实时交易平台 | high |
| Shark | 定位/类型 | CPU-GPU 异构计算平台 | high |
| Dlang | 状态/描述 | 正在开发中的 DolphinDB 大语言模型 Dlang | high |
| Dlang 与金融 Agent | 应用描述 | 与金融 Agent 的融合应用展现 AI 技术在复杂金融任务中的实践潜力 | low |
| 讲座参与学生 | 行为 | 围绕技术实现细节与行业应用场景踊跃提问 | high |
| 高校技能认证特训营 | 推出目的 | 通过产学研深度结合,搭建高校人才培养与企业用人需求的精准桥梁,帮助学生掌握数据分析能力 | medium |
| 首期特训营 | 时间与名额 | 三月启动;共50个名额 | high |
| 首期特训营 | 学习周期 | 为期两个月的渐进式学习 | high |
| 特训营课程体系 | 内容形式 | 专业讲师授课;线上直播课程涵盖DolphinDB编程语言、流计算、向量化编程;配套答疑和章节测验 | high |
| 双认证通道 | 证书与机会 | 完成课程并通过考试可获DolphinDB官方认证数据分析师证书(DCDAA);优秀学员可直通DolphinDB实习或获荐至知名金融机构实习 | medium |
| 零成本进阶规则 | 退费条件 | 全程参与训练营并提交4次测验作业者,将全额退还技能认证报名费 | high |
| 特训营报名链接获取方式 | 操作指引 | 关注DolphinDB公众号,后台回复“特训营”获取报名链接 | high |
| DolphinDB 高校合作计划 | 目标 | 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 | medium |
| 高校合作计划 | 合作内容 | 讲座、课程开发、人才实训及联合研究等;提供学习资源、实习机会及研究课题 | high |
| DolphinDB | 已合作高校(部分) | 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、上海财经大学实验中心、南方科技大学商学院、复旦大学等 | high |
| 高校合作计划/特训营咨询 | 方式 | 扫描二维码添加小助手 | high |
| DolphinDB(智臾科技) | 定位描述 | 基于高性能时序数据库、支持复杂分析与流式处理的实时计算平台 | medium |
| DolphinDB(智臾科技) | 提供信息 | 联系邮箱、官方网站 | medium |
| DolphinDB(智臾科技) | 城市分布 | 杭州、北京、上海、广州、深圳 | medium |
| 技能认证特训营第二期 | 报名链接 | https://www.qingsuyun.com/h5/e/217471/5/ | high |