量化投研平台
页面以宣传图与图片说明为导引，概述量化投研平台相关定位与核心表述。
Source： https://dolphindb.cn/solution/detail/bank-quant-research
What this page covers
- 因子存储：集中存储、分区管理、写入/更新/查询与性能表现。
- 因子计算：语言与模块、复用方式、流批一体与增量并行计算。
- 因子评估：库内检验与指标计算、筛选评估与归因分析。
- 多因子建模：特征/标签生成、传统模型、风险模型与机器学习建模。
- 因子自动挖掘：Shark GPLearn 能力、试用入口与资料链接。
- 因子管理平台：全生命周期管理、元数据与指标展示、试用与白皮书。
技能认证特训营第二期报名活动
页面顶部提供培训营活动提示，并给出限时报名链接。
- 提供“技能认证特训营第二期”的报名入口。
- 报名链接指向外部 H5 页面。
量化投研平台宣传图与图片说明
页面通过图片及说明文字呈现量化投研平台相关信息（以图片为导引）。
- 图片说明提到从海量数据中提炼高质量因子。
- 图片说明提到支持高效存储、查询与计算多频率因子。
- 图片说明提到因子“存”和“查”的一体化高性能管理。
量化投研平台
该部分用于引出量化投研平台主题，并承接后续能力模块结构。
- 该页围绕量化投研平台展开。
- 后续内容按能力模块进行组织。
因子存储
该部分描述 DolphinDB 的因子集中存储、分区管理、库内写入更新查询，以及性能表现，并提供教程链接。
- 支持将分散因子结果沉淀为集中因子库。
- 同一架构可管理毫秒级到月度等不同频率因子。
- 覆盖股票、期货、期权等多资产类别。
- 支持按“时间×标的”或“时间×因子名”等维度分区。
- 支持在库内直接进行因子写入、更新与查询。
因子计算
该部分描述 DolphinDB 的因子计算语言与内置模块、UDF/模块复用方式，以及流批一体与增量分布式并行能力，并列出教程与案例链接。
- 内置图灵完备的编程语言用于表达因子逻辑。
- 结合向量化函数与流计算引擎表达多类因子逻辑。
- 支持通过 UDF 与模块封装实现复用与共享。
- 同一因子逻辑可用于历史回测与实时流更新。
- 支持通过增量计算与分布式并行进行全市场更新。
因子评估
该部分描述在统一因子库内进行因子有效性检验、批量指标计算、筛选评估与归因分析，并提供教程链接。
- 支持在库内直接完成因子有效性检验。
- 支持批量计算 IC/Rank IC、分层回测收益与换手率。
- 支持按行业/风格/市场环境分拆稳定性指标。
- 支持对因子收益贡献与风险特征进行归因分析。
多因子建模
该部分描述从因子筛选到特征表/标签集生成，再到传统多因子模型、风险模型与组合优化，以及机器学习/深度学习建模与插件支持，并提供实践链接。
- 可将筛选后的因子与多类数据按时间与标的对齐。
- 可一步生成建模所需的特征表与标签集。
- 支持库内实现线性加权、截面回归与 IC 加权等方法。
- 内置多因子风险模型框架用于暴露分析与收益归因。
- 支持在多重限制下进行组合优化与最优权重求解。
- 支持结合内置机器学习框架与插件进行训练与实时推理。
因子自动挖掘
该部分描述因子自动挖掘能力与 Shark GPLearn 的特点，并提供试用入口与教程/白皮书链接。
- 面向已构建大规模因子库的机构提供因子自动挖掘能力。
- 支持从海量历史数据中自动搜索潜在 Alpha。
- Shark GPLearn 是基于遗传算法的因子挖掘框架。
- 通过符号回归自动生成与数据分布相拟合的 Alpha 表达式。
- 提供 GPU 加速并整合 DolphinDB 内置函数算子库。
因子管理平台
该部分描述覆盖因子全生命周期的一体化管理平台能力，并提供试用入口与相关教程/白皮书链接。
- 覆盖因子全生命周期的一体化管理平台贯穿完整投研流程。
- 自动记录因子计算逻辑、数据依赖、历史表现等元数据。
- 支持因子血缘追溯与影响分析。
- 支持查看 IC、IC_IR、多空收益等核心指标并对比因子表现。
- 多用户协作机制用于共享成果并减少重复开发。
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 |
| DolphinDB 量化投研平台 | 定位/核心表述（图片说明） | 从海量数据中提炼高质量因子；支持从海量历史数据中高效存储、查询并计算各种频率和资产类别的因子，实现因子“存”和“查”的一体化高性能管理。 | medium |
| DolphinDB 因子存储 | 集中因子库 | 支持将分散在各研究团队、各策略组的因子结果统一沉淀为集中因子库。 | high |
| DolphinDB 因子存储 | 支持的因子频率范围 | 在同一套架构下同时管理从毫秒级高频因子到日度、周度、月度因子。 | high |
| DolphinDB 因子存储 | 覆盖的资产类别 | 覆盖股票、期货、期权等多资产。 | high |
| DolphinDB 因子存储 | 分区维度 | 可按「时间 × 标的」或「时间 × 因子名」等维度灵活分区。 | high |
| DolphinDB 因子存储 | 库内操作 | 在库内直接完成因子写入、更新与查询。 | high |
| 因子存储性能（实测场景） | 批量入库速度 | 可在分钟级完成数百 GB 多因子数据的批量入库。 | medium |
| 因子存储性能（实测场景） | 全市场增删改速度 | 可在秒级完成单因子全市场增删改。 | medium |
| 因子存储能力 | 管理模式 | 实现因子“存”和“查”的一体化、高性能管理。 | low |
| DolphinDB 因子计算 | 内置语言能力 | 内置图灵完备的编程语言。 | high |
| DolphinDB 因子计算 | 计算能力组件 | 结合丰富的向量化函数与流计算引擎，可高效表达截面因子、时序因子、行业/主题因子以及跨资产因子逻辑。 | high |
| DolphinDB 因子计算 | 多周期 Alpha 体系 | 高频微结构因子、日度技术与风格因子、中长期基本面因子可在同一框架下融合，构建多周期协同的 Alpha 体系。 | medium |
| DolphinDB 因子计算 | 复用与共享方式 | 通过 UDF 与模块封装团队自研逻辑，实现“策略组内复用 + 机构内共享”。 | high |
| WorldQuant 101 Alpha 因子指标库 | 平台内置模块链接 | https://docs.dolphindb.cn/zh/modules/wq101alpha/wq101alpha.html | high |
| 技术分析指标库（TA） | 平台内置模块链接 | https://docs.dolphindb.cn/zh/modules/ta/ta.html | high |
| MyTT 指标库 | 平台内置模块链接 | https://docs.dolphindb.cn/zh/modules/mytt/mytt.html | high |
| CSAP 截面因子指标库 | 平台内置模块链接 | https://docs.dolphindb.cn/zh/2.00.16/tutorials/csap.html | high |
| DolphinDB 因子计算架构 | 流批一体复用 | 同一套因子逻辑既可在历史数据上全量回测，也可挂载实时流实现分钟、秒乃至毫秒级滚动更新。 | high |
| DolphinDB 因子计算（开发维护） | 双维护问题规避 | 避免“回测一套代码、实盘一套代码”的双维护困境，减少代码重写带来的逻辑偏差风险。 | medium |
| DolphinDB 因子计算（全市场更新） | 更新速度 | 配合增量计算与分布式并行能力，全市场因子更新可在秒级完成。 | medium |
| 因子计算最佳实践 | 教程链接 | https://docs.dolphindb.cn/zh/tutorials/best_practice_for_factor_calculation.html | high |
| 基于 Level-2 行情数据的因子计算实践 | 教程链接 | https://docs.dolphindb.cn/zh/tutorials/l2_stk_data_proc_2.html | high |
| 搭建 Level-2 快照数据流批一体因子计算平台 | 教程链接 | https://docs.dolphindb.cn/zh/tutorials/l2_snapshot_factor_calc_2.html | high |
| 实时高频因子的实现 | 教程链接 | https://docs.dolphindb.cn/zh/tutorials/hf_factor_streaming_2.html | high |
| 分钟资金流（实时场景） | 教程链接 | https://docs.dolphindb.cn/zh/tutorials/streaming_capital_flow_order_by_order_2.html | high |
| 日累计逐单资金流（实时场景） | 教程链接 | https://docs.dolphindb.cn/zh/tutorials/streaming_capital_flow_daily_2.html | high |
| 实时涨幅榜（实时场景） | 教程链接 | https://docs.dolphindb.cn/zh/tutorials/rt_stk_price_inc_calc_2.html | high |
| 通用金融因子（因子实现案例库） | 教程链接 | https://docs.dolphindb.cn/zh/tutorials/str_comp_fin_quant_2.html | high |
| ETF 期权隐含波动率和希腊值（因子实现案例库） | 教程链接 | https://docs.dolphindb.cn/zh/tutorials/IV_Greeks_Calculation_for_ETF_Options_Using_JIT.html | high |
| 深度不平衡/买卖压力指标/波动率计算（因子实现案例库） | 教程链接 | https://docs.dolphindb.cn/zh/tutorials/sql_performance_optimization_wap_di_rv.html | high |
| 股票复权因子和复权行情（因子实现案例库） | 教程链接 | https://docs.dolphindb.cn/zh/tutorials/market_condition_adjustments.html | high |
| 基金日频因子（因子实现案例库） | 教程链接 | https://docs.dolphindb.cn/zh/tutorials/fund_factor_contrasted_by_py.html | high |
| Python+HDF5 vs. DolphinDB 一体化因子计算方案（对比） | 教程链接 | https://docs.dolphindb.cn/zh/tutorials/Python_HDF5_vs_DolphinDB.html | high |
| Python+文件存储 vs DolphinDB 因子计算（对比） | 教程链接 | https://docs.dolphindb.cn/zh/tutorials/DolphinDB_VS_PythonFile_Storage.html | high |
| DolphinDB 因子评估 | 可在库内直接完成的检验与指标 | 可在库内直接完成因子有效性检验；批量计算 IC/Rank IC、分层回测收益、换手率以及按行业/风格/市场环境分拆的稳定性指标。 | high |
| DolphinDB 因子评估 | 评估效率提升 | 对数百个候选因子快速筛选与评估，单次评估任务从天级缩短至小时级。 | medium |
| DolphinDB 因子评估 | 归因分析支持 | 支持对单因子的收益贡献和风险特征进行归因分析，帮助识别因子收益来源与失效场景。 | high |
| 基于 DolphinDB 构建高性能因子评价框架 | 教程链接 | https://docs.dolphindb.cn/zh/tutorials/factor_evaluation_framework.html | high |
| Alphalens 在 DolphinDB 中的应用 | 教程链接 | https://docs.dolphindb.cn/zh/tutorials/Practical_Factor_Analysis_Modeling.html | high |
| DolphinDB 因子归因模块使用教程 | 教程链接 | https://docs.dolphindb.cn/zh/tutorials/factor_attribution_analysis.html | high |
| DolphinDB 多因子建模 | 特征表与标签集生成 | 依托高性能分布式 JOIN 与时序计算引擎，将筛选后的因子与行情、财务、持仓、交易及风险因子按时间与标的对齐，一步生成建模所需的特征表和标签集。 | high |
| DolphinDB 多因子框架 | 支持的传统模型方法 | 在库内直接实现线性加权、截面回归、IC 加权等传统多因子模型，生成标的打分或预期收益，用于选股和择时。 | high |
| 多因子风险模型框架 | 内置框架与用途 | 内置多因子风险模型框架，可快速构建风险模型进行因子暴露分析与收益归因，并在多重限制下完成组合优化、求解最优权重。 | high |
| 多因子风险模型 | 教程链接 | https://docs.dolphindb.cn/zh/tutorials/multi_factor_risk_model.html | high |
| DolphinDB 机器学习与深度学习建模 | 内置与插件支持 | 结合内置机器学习框架以及 XGBoost、AI Dataloader、LibTorch 等插件，在 DolphinDB 内完成大规模因子样本的模型训练与实时推理。 | high |
| 机器学习框架 | 教程链接 | https://docs.dolphindb.cn/zh/tutorials/machine_learning.html | high |
| AI Dataloader | 文档链接 | https://docs.dolphindb.cn/zh/dataloaderdoc/ai_dataloader_ml.html | high |
| LibTorch 插件 | 教程链接 | https://docs.dolphindb.cn/zh/tutorials/dolphindb_tensor_libtorch_tutorial.html | high |
| 金融实时实际波动率预测 | 教程链接（内置机器学习框架实践） | https://docs.dolphindb.cn/zh/tutorials/ml_volatility_2.html | high |
| 开发股票波动率预测模型的676个输入特征 | 教程链接（XGBoost 插件应用） | https://docs.dolphindb.cn/zh/tutorials/metacode_derived_features_2.html | high |
| 通过深度学习进行股票实时波动率预测 | 教程链接（AI Dataloader 和 Libtorch 工具应用） | https://docs.dolphindb.cn/zh/tutorials/volatility_prediction.html | high |
| DolphinDB 因子自动挖掘 | 能力概述 | 为已构建大规模因子库的机构提供基于统一数据底座的因子自动挖掘能力，支持从海量历史数据中自动搜索潜在 Alpha。 | high |
| Shark GPLearn | 方法/框架类型 | 基于遗传算法的因子自动挖掘框架，通过符号回归自动生成与数据分布相拟合的 Alpha 表达式。 | high |
| Shark GPLearn | 相对开源 gplearn 的特性 | 提供 GPU 加速；整合 DolphinDB 2000+ 内置函数丰富算子库；原生支持“时间 × 股票 × 因子”的三维面板数据处理。 | high |
| Shark GPLearn 因子挖掘流程 | 效率影响 | 大幅缩短“生成-筛选-回测”迭代周期；可在统一平台上实现“人工设计 + 自动挖掘”组合研究流程，提升研究产出效率。 | low |
| Shark（试用入口） | 现在申请试用链接 | https://dolphindb.cn/product#shark | high |
| Shark GPLearn 因子挖掘快速上手 | 教程链接 | https://docs.dolphindb.cn/zh/tutorials/gplearn.html | high |
| 高性能因子挖掘平台白皮书 | 白皮书链接 | https://dolphindb.cn/whitepaper/shark | high |
| 因子管理平台（DolphinDB） | 覆盖范围/流程阶段 | 提供覆盖因子全生命周期的一体化管理平台，贯穿数据管理、因子研究、因子评估、策略回测的完整投研流程。 | high |
| 因子管理平台（DolphinDB） | 元数据记录内容 | 自动记录每个因子的计算逻辑、数据依赖、历史表现、应用策略等元数据，支持因子血缘追溯和影响分析。 | high |
| 因子管理平台（DolphinDB） | 核心指标展示 | 可查看因子库中所有因子的 IC、IC_IR、多空收益等核心指标，对比不同因子表现并进行组合优化。 | high |
| 因子管理平台（DolphinDB） | 协作机制效果 | 多用户协作机制让团队成员共享因子研究成果，避免重复开发。 | medium |
| Starfish（试用入口） | 现在申请试用链接 | https://dolphindb.cn/product#starfish | high |
| 因子开发平台快速上手 | 教程链接 | https://docs.dolphindb.cn/zh/starfish/factor_dev.html | high |
| 因子开发管理平台白皮书 | 白皮书链接 | https://dolphindb.cn/whitepaper/starfish | high |
| 中高频多因子库存储最佳实践 | 教程链接 | https://docs.dolphindb.cn/zh/tutorials/best_practices_for_multi_factor.html | high |