自营投研 - FICC

What this page covers

• FICC 场景下的因子存储与多频数据管理主题。
• 收益率曲线拟合、利差/Carry 与因子计算框架主题。
• 历史定价与估值方法、插值与评估主题。
• 流批一体的因子开发与实时更新主题。
• 模型训练与推理、机器学习/深度学习对接主题。
• 因子全生命周期管理、协作与文档/试用入口主题。
• 回测框架与模拟撮合（含交易摩擦与流动性分层）主题。

技能认证特训营第二期报名信息

页面顶部展示技能认证特训营第二期限时报名与福利优惠的推广入口。

• 提供“技能认证特训营第二期”的限时报名入口。
• 报名入口以链接形式呈现。
• 推广信息包含“专属福利优惠”的表述，但未给出具体内容。

券商自营投研 - FICC 视觉横幅与图片说明

以图片及其说明作为“券商自营投研 - FICC”章节的视觉引导，指向精细化运营与曲线/利差/宏观因子处理等主题。

• 该章节包含一张横幅图片资源。
• 图片说明出现“驱动自营业务精细化运营”的标题表述。
• 图片说明提到因子存储与计算可用于收益率曲线拟合。
• 图片说明提到因子存储与计算可用于利差分析。
• 图片说明提到宏观因子处理相关主题。

Image URL (as referenced): https://cdn.dolphindb.cn/resources/G9zVMus4AYCqWWSjJZVMi/f23ac30f58cd2f40b95eb56e6b171ec1.png

自营投研 - FICC（解决方案总览）

该页面围绕 DolphinDB 在券商自营投研的 FICC 场景提供的数据、因子、估值、回测撮合与 AI 能力展开。

• 覆盖 FICC 场景的数据与因子相关能力主题。
• 包含定价与估值相关能力主题。
• 包含回测与撮合相关能力主题。
• 包含 AI 投研相关能力主题。

因子存储

描述面向 FICC 数据结构的专门存储方案与多频数据统一管理能力，用于曲线回溯、回测与利差分析。

• 支持存储曲线关键点位数据（不同期限的收益率）。
• 支持存储曲线拟合参数（如 Nelson-Siegel 参数等）。
• 支持多条曲线的历史演化追踪与任意时点回溯。
• 支持低频数据与高频行情数据的统一管理。
• 支持不同频率数据的对齐与插值处理。

因子计算

介绍固定收益分析工具、收益率曲线拟合与利差/Carry 计算，以及期限结构/信用/宏观等因子的计算框架与策略实现。

• 支持多条收益率曲线的实时拟合与利差计算。
• 提供 Nelson-Siegel、三次样条、分段线性等曲线构建方法。
• 可并行处理国债、金融债、信用债、SHIBOR 等多条曲线。
• 支持跨品种、跨期限、跨市场的利差分析与 Carry 计算。
• 支持曲线斜率、曲率、蝶式价差等期限结构因子计算。

历史定价与估值

说明历史定价与估值能力、曲线构建与插值方法、无成交债券定价与相对估值，并可对估值结果进行偏差与准确率评估。

• 提出用历史定价能力应对债券市场流动性不足导致的价格缺失问题。
• 内置 Bootstrap、Nelson-Siegel、Nelson-Siegel-Svensson 等曲线构建方法。
• 支持三次样条插值、线性插值等插值算法。
• 支持基于即期曲线贴现定价，并可配置调整参数。
• 支持将估值结果与后续成交价格比对以评估偏差与准确率。

流批一体因子开发

强调研发环境中的曲线拟合与利差计算逻辑可直接用于实时行情流，实现回测与实盘方法一致，并支持批量重构与增量更新。

• 研发环境的曲线拟合算法可直接应用于实时行情流。
• 利差计算逻辑可在盘中实时更新曲线形态与交易信号。
• 强调回测与实盘使用一致的曲线构建方法。
• 支持历史曲线的批量重构。
• 支持实时曲线的增量更新。

模型训练和推理

介绍与时间序列深度集成的建模推理能力、内置模型与机器学习/深度学习插件对接，以及蒙特卡洛模拟等应用场景。

• 覆盖利率、信用、外汇等主要资产类别的建模与推理。
• 内置 ARIMA、GARCH 等时间序列/因子建模工具。
• 通过插件对接 XGBoost 等机器学习框架。
• 支持大规模蒙特卡洛模拟，用于期权定价与风险度量。
• 通过 LibTorch 插件支持加载 PyTorch 训练的模型并进行推理。

因子管理平台

描述覆盖因子全生命周期的一体化管理平台，包括元数据记录、血缘追溯、指标对比优化、多用户协作，并提供试用入口与相关文档链接。

• 覆盖因子全生命周期，贯穿数据管理、研究、评估与回测流程。
• 自动记录因子计算逻辑、数据依赖与应用策略等元数据。
• 支持因子血缘追溯与影响分析。
• 支持查看 IC、IC_IR、多空收益等指标用于对比与组合优化。
• 支持多用户协作共享因子研究成果。

回测框架

介绍事件驱动回测、风控校验、撮合模拟与交易摩擦建模，并与其他回测工具进行覆盖范围与性能实现方式的对比陈述。

• 回测框架集数据回放、模拟撮合引擎、回测引擎于一体。
• 事件驱动回测引擎将历史数据流同步分发至撮合与策略回调。
• 交易指令在撮合前可进行 DV01、久期、集中度等风控校验。
• 支持建模买卖价差、流动性约束与成交延迟等交易摩擦。
• 包含与部分 Python 回测框架的覆盖范围与性能对比陈述。

模拟撮合

阐述针对债券 OTC 特点的撮合模拟、流动性分层处理、价差规则动态调整、融资成本整合与衍生品撮合模拟支持。

• 支持构建 FICC 策略撮合模拟逻辑并可按债券 OTC 特点定制。
• 可基于历史成交数据与双边报价模拟不同流动性环境下的执行过程。
• 可按券种类型、剩余期限、信用评级等维度配置流动性参数。
• 支持按规则动态调整买卖价差（如波动加剧时扩大价差）。
• 可基于持仓与历史回购利率计算融资成本并支持杠杆约束配置。
• 支持利率衍生品撮合模拟，并提到理论定价模型示例（如 Black-Scholes）。

AI 智能投研

介绍将大语言模型与量化研究融合的 AI 投研系统，包括 FICC 计算 Agent、组合管理 Agent，以及情景分析与压力测试等能力与价值主张。

• 将大语言模型与量化研究深度融合，支持自然语言完成分析任务。
• FICC 计算 Agent 支持利率、信用、期权等定价与风险指标计算（描述性）。
• FICC 计算 Agent 描述包含理解需求、选择模型、调用数据并返回结果。
• 组合管理 Agent 可查询久期、凸性、信用暴露等指标并生成报表（描述性）。
• 整合宏观经济数据、货币政策与市场行情等多源信息用于情景分析与压力测试。

Facts index