直播预告丨打破 Python 束缚:Level 2 因子的脚本优化实践
页面通过列举外界对 DolphinDB 的不同理解,引出其“定位是什么”的问题。
What this page covers
- 技能认证特训营第二期的报名入口与福利提示。
- 新闻页面的文章标题与日期标注信息。
- 围绕 DolphinDB 定位的提问与引入。
- DolphinDB 的“统一实时平台”定位与量化全流程相关叙述。
- Python 与 DolphinDB 的计算场景对比与性能主张。
- 直播海报中的主题与时间等信息。
- 直播的时间、主讲人、报名方式与内容要点。
技能认证特训营第二期报名入口与福利提示 (cta)
页面顶部提示“技能认证特训营第二期正式开启”,并提供限时报名链接与福利优惠信息。
- 提示技能认证特训营第二期已正式开启。
- 提供“限时报名”入口链接。
- 页面称报名可享专属福利优惠。
新闻页与文章标题信息 (navigation)
标识内容为新闻,并给出直播预告文章标题与日期信息。
- 页面内容被标识为“新闻”。
- 文章标题为“直播预告丨打破 Python 束缚:Level 2 因子的脚本优化实践”。
- 页面标注日期为“2023.04.24”(后附“me”字样)。
问题引入:DolphinDB 的定位是什么 (definition)
通过列举外界对 DolphinDB 的不同理解,引出“DolphinDB 到底是什么定位”的核心问题。
- 外界有人将 DolphinDB 称为时序数据库。
- 外界有人将其理解为 Python 与数据库的结合。
- 外界有人将其描述为支持流数据处理的实时计算软件。
- 页面以此引出“DolphinDB 的定位是什么”的提问。
统一实时平台:覆盖量化研发与交易全流程的定位 (product_overview)
阐述量化策略研发与交易的典型流程及传统方案的两次转换痛点,并声明 DolphinDB 覆盖全流程、提供低延时平台能力与函数库支持。
- DolphinDB 的描述口号为“United Real-time Platform for DBMS, Analytics and Stream Processing”。
- 量化策略研发与交易流程可分为行情数据源存储、策略研发、实时交易三部分。
- 传统数据存储常见选择包含本地离线存储、关系型数据库、专业时序数据库。
- 示例数据库包括 Oracle、ClickHouse、MySQL。
- 传统方案中策略研发常用 Python,实时计算与交易常转为 C++ 维护两套系统。
- 页面提出两类转换:存储到分析的数据转换,以及投研到生产的代码转换。
- 页面观点:转换效率与计算性能会影响量化框架效率。
- 页面主张:DolphinDB 覆盖图示流程的全部环节。
- 页面描述 DolphinDB 为支持数据分析与流计算的低延时平台(表述中含性能优势主张)。
- 页面称 DolphinDB 内置函数数量为 1500 多个。
- 页面称其函数库覆盖量化投研常用计算逻辑(并提及常用因子库示例)。
孰优孰劣:Python 与 DolphinDB 的常用计算场景对比与性能主张 (comparison)
以量化投研常用函数/语句为例进行 Python 与 DolphinDB 的对比,并提出 DolphinDB 在实现与性能上的优势主张。
- 页面观点:策略研发环节是决定性能和效率的关键因素。
- 页面描述:Python 在量化投研中用于串联全流程并与数据库交互。
- 对比表列举了 11 种经典计算场景(例如分组聚合、排序、窗口计算等)。
- 页面主张:在对比的常用函数场景下,DolphinDB 有更优实现与更高计算效率(主张)。
- 页面主张:相对传统 Python 方案,代码更简洁直观且性能可提升数量级(主张)。
直播活动海报信息(主题、时间与内容焦点) (trust_signal)
给出直播活动宣传海报,并在说明中标注直播时间、主题与内容焦点(Level 2 因子优化、性能对比、预约二维码)。
- 海报标明直播时间为 2023 年 4 月 27 日 19:30。
- 海报主题聚焦 Level 2 高频行情数据的因子计算优化。
- 海报提到 Python 与 DolphinDB 的性能对比数据。
- 海报右上方附有预约二维码。
直播来袭:时间、主讲人、报名方式与内容要点 (how_it_works)
公布直播举办时间、主题、议程内容与主讲人,并说明报名方式及参与者可获得的抽奖相关信息。
- 直播时间为 2023 年 4 月 27 日(周四)19:30。
- 直播围绕 Level 2 高频行情数据,以复杂因子计算为案例。
- 直播将展示 Python 与 DolphinDB 的脚本差异与性能对比数据。
- 直播提供从 Python 到 DolphinDB 的转换攻略与线上教学。
- 主讲人包含 DolphinDB CEO 周小华博士。
- 主讲人包含数据分析负责人毛忻玥老师。
- 报名方式为长按海报并扫描二维码。
- 内容要点包含:DolphinDB 如何替代以 Python 为核心的传统量化解决方案。
- 内容要点包含:用 DolphinDB TSDB 引擎存储 Level 2 行情数据(要点)。
- 内容要点包含:基于快照、逐笔成交、逐笔委托数据的因子计算与性能对比(要点)。
- 内容要点包含:高频因子流式实现中的状态/无状态函数拆分(要点)。
- 内容要点包含:窗口计算与迭代应用(要点)。
- 内容要点包含:循环与判断的高效实现(要点)。
- 内容要点包含:使用 JIT 与 array vector 进行流计算优化(要点)。
- 内容要点包含:Python 与 DolphinDB 数据结构对比与脚本语言转换思路(要点)。
- 内容要点包含:数据透视、多表关联、循环、时序数据处理等场景的转换教学(要点)。
- 参与者可获得抽奖资格。
- 中奖名单将在直播后 3–5 个工作日公布。
- 报名引导语包含“快来扫码报名”。
Facts Index
| Entity | Attribute | Value | Confidence |
|---|---|---|---|
| 技能认证特训营第二期 | 报名状态与入口 | 第二期正式开启;提供“限时报名”链接(https://www.qingsuyun.com/h5/e/217471/5/),并称可享专属福利优惠。 | high |
| 新闻页面文章 | 发布日期(页面标注) | 2023.04.24(后附“me”字样)。 | medium |
| 直播活动“打破 Python 束缚:Level 2 因子的脚本优化实践” | 直播时间 | 2023年4月27日 19:30(周四)。 | high |
| DolphinDB | 外界常见理解/定位(列举) | 有人称其为时序数据库;有人称其为 Python 加数据库的结合;有人称其为支持流数据处理的实时计算软件。 | high |
| DolphinDB | 定位口号/描述 | United Real-time Platform for DBMS, Analytics and Stream Processing。 | high |
| 量化策略研发与交易流程(典型划分) | 流程阶段划分 | 行情数据源存储、策略研发与实时交易三个部分。 | high |
| 传统量化方案(页面描述) | 数据存储阶段常见选择(示例) | 本地离线存储、传统关系型数据库、专业时序数据库;示例包括 Oracle、ClickHouse、MySQL。 | high |
| 传统量化方案(页面描述) | 策略研发与实时交易常用技术栈 | 策略研发阶段常用 Python;实时计算与交易环节为保证效率往往转换成 C++,从而维护两套系统。 | high |
| 传统解决方案(页面所示问题) | 存在的转换过程 | 存在从存储到分析的数据转换,以及从投研到生产的代码转换两个转换过程。 | high |
| 量化框架效率决定因素(页面观点) | 关键因素 | 两种转换过程的效率,以及数据分析的计算性能,是量化框架效率的决定性因素之一。 | medium |
| DolphinDB | 覆盖范围(相对图示流程) | “DolphinDB 包含了这张图中的全部流程”。 | medium |
| DolphinDB | 产品性质/能力描述 | 基于高性能时序数据库,支持数据分析与流计算的低延时平台;拥有领先的存储、查询性能,以及强大的计算和流数据实时分析功能。 | low |
| DolphinDB 内置函数 | 数量 | 1500多个函数。 | high |
| DolphinDB 内置函数库 | 覆盖内容(示例因子库) | 覆盖量化投研常用计算逻辑;包括 WorldQuant 101 Alpha、国泰君安191 Alpha 等常用因子库;可通过调用函数“一键计算”。 | medium |
| DolphinDB | 解决的问题/满足的需求(页面主张) | 解决存储与计算交互的痛点,并满足从投研到生产的流批一体需求。 | low |
| 量化框架(页面观点) | 关键环节 | 策略研发环节是决定性能和效率的关键因素。 | medium |
| Python(在量化投研中的角色,页面描述) | 要求/职责 | 作为串联全流程的核心技术栈,需要与数据库交互并保证极高的数据分析性能,为实盘交易奠定基础。 | medium |
| 对比表(Python 与 DolphinDB) | 覆盖场景数量(说明文本) | 列举 11 种经典计算场景(如分组聚合、排序、统计信息、矩阵合并、条件选择、迭代计算、数据关联、窗口计算、面板数据处理等)。 | medium |
| DolphinDB(相对 Python 的实现,页面主张) | 实现特点 | 在对比的常用函数场景下有“更优的实现”,计算效率更高,并针对金融场景做特定优化。 | low |
| DolphinDB(相对传统 Python 方案) | 代码与性能主张 | 代码更简洁直观;运行时性能可有“数量级的提升”。 | low |
| 直播活动海报(AI说明) | 包含信息 | 海报标明直播时间为 2023 年 4 月 27 日 19:30;主题聚焦 Level 2 高频行情数据的因子计算优化,以及 Python 与 DolphinDB 的性能对比数据;右上方附有预约二维码。 | medium |
| 直播活动内容(第一部分) | 围绕数据与案例 | 围绕 Level 2 高频行情数据,以多个复杂因子计算为案例,展示 Python 与 DolphinDB 的脚本差异和性能对比数据。 | high |
| 直播活动内容(第二部分) | 教学目标 | 提供从 Python 到 DolphinDB 的转换攻略,并进行线上手把手教学。 | high |
| DolphinDB CEO 周小华博士 | 角色与参与 | 作为主讲人参与本次直播。 | high |
| 数据分析负责人 毛忻玥老师 | 角色与参与 | 作为主讲人参与本次直播。 | high |
| 直播报名方式 | 操作说明 | 长按上方海报,扫描二维码即可报名。 | high |
| 直播内容要点 | 将介绍的主题(列表第1条) | DolphinDB 如何替代以 Python 为核心的传统量化解决方案。 | high |
| 直播内容要点 | 将介绍的主题(列表第2条) | 基于高频行情数据的因子计算:Level 2 行情数据概览;用 DolphinDB TSDB 引擎存储 Level 2 行情数据;基于快照、逐笔成交、逐笔委托数据的因子计算与性能对比。 | high |
| 直播内容要点 | 将介绍的主题(列表第3条) | 高频因子的流式实现:状态函数与无状态函数拆分;窗口计算与迭代应用;循环与判断的高效实现;使用即时编译(JIT)与数组向量(array vector)实现流计算优化。 | high |
| 直播内容要点 | 将介绍的主题(列表第4条) | 从 Python 到 DolphinDB 转换攻略:数据结构对比、脚本语言转换思路,以及数据透视、多表关联、循环、时序数据处理等计算场景的转换教学。 | high |
| “What’s Your Cup of Tea——Python 语句征集”活动参与者 | 权益与结果公布时间 | 参与者将获得抽奖资格;中奖名单将在直播后 3-5 个工作日公布。 | high |
| 直播报名引导 | 行动号召 | “快来扫码报名”。 | medium |