自营投研 - FICC

因子存储

DolphinDB 针对 FICC 特有的数据结构提供专门的存储方案，既可存储曲线关键点位数据（不同期限的收益率），也可存储曲线拟合参数（Nelson-Siegel 参数等），灵活适配不同分析需求。系统支持多条曲线的历史演化追踪，可快速回溯任意时点的完整曲线形态，用于策略回测和情景分析。

利差数据、宏观指标、信用评级等低频数据与高频行情数据统一管理，系统自动处理不同频率数据的对齐和插值。投研人员可方便地进行跨品种、跨期限、跨市场的历史利差分析，为交易策略提供数据支撑。

因子计算

DolphinDB 为 FICC 投研提供专业的固定收益分析工具，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、分段线性等多种曲线构建方法，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、跨市场的利差分析和 Carry 计算。

针对 FICC 特有的期限结构因子（曲线斜率、曲率、蝶式价差）、信用因子、宏观因子，系统提供完整的计算框架。投研人员可灵活实现利率期限结构策略、信用利差套利、基差交易等复杂策略的因子逻辑，并与宏观经济数据无缝整合进行情景分析。

历史定价与估值

DolphinDB 为 FICC 投研提供完善的历史定价能力，解决债券市场流动性不足导致的价格缺失问题。系统支持多种估值方法，用于回测中的买卖价格确定和持仓的盯市估值。

系统内置 Bootstrap、Nelson-Siegel、Nelson-Siegel-Svensson 等主流曲线构建方法，可基于市场观测的到期收益率数据高效构建即期收益率曲线。支持三次样条插值、线性插值等多种插值算法，灵活获取任意期限的利率数据。对于无成交债券，支持基于即期曲线贴现定价，并可配置信用利差、流动性溢价等多维调整参数；对于有可比债券的场景，可基于预定义规则自动查找同发行人、同期限、同评级的参考债券，实现快速相对估值。

系统可将估值结果与后续真实成交价格比对，计算估值偏差和准确率，帮助投研团队持续优化模型参数。

精选教程与最佳实践：
- FICC 曲线/曲面构建
- 金融分析 & FICC 工具

流批一体因子开发

DolphinDB 为 FICC 投研提供流批一体的曲线分析能力。研发环境中开发的曲线拟合算法、利差计算逻辑，可以直接应用于实时行情流中，盘中实时更新曲线形态和交易信号。这确保回测环境使用的曲线构建方法与实盘完全一致，避免因方法差异导致的策略失效。

系统支持历史曲线的批量重构和实时曲线的增量更新，投研人员可以快速验证不同曲线拟合方法对策略表现的影响，并在实盘中应用最优方案。从宏观策略研究到交易信号生成的全流程使用统一代码逻辑，保障研究成果的顺利转化。

模型训练和推理

DolphinDB 为 FICC 投研提供与时间序列深度集成的建模与推理能力，覆盖利率、信用、外汇等主要资产类别。系统内置 ARIMA、GARCH 等时间序列与因子建模工具，并通过插件对接 XGBoost 等主流机器学习框架，支持收益率曲线预测、利差回归、流动性因子构建、期限结构建模等核心量化场景。同时，DolphinDB 能够在系统内高效执行大规模蒙特卡洛模拟，用于期权定价与风险度量。

针对 FICC 研究中宏观数据低频、信用数据小样本和跨品种非线性关系复杂等挑战，DolphinDB 通过 LibTorch 插件支持加载在 PyTorch 中训练好的 LSTM、Transformer 等深度学习模型，并在系统内进行高性能推理。结合 AI DataLoader 对大规模历史时序的高效组织能力，可实现宏观时序预测、跨品种联动分析、信用相关指标的辅助预测等深度学习驱动的研究需求，与 DolphinDB 的因子计算和实时曲线更新流程无缝集成。

因子管理平台

DolphinDB 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。平台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。投研团队可通过平台查看因子库中所有因子的 IC、IC_IR、多空收益等核心指标，对比不同因子的表现并进行组合优化。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。

现在申请试用 → https://dolphindb.cn/product#starfish

精选教程与最佳实践：
- 因子开发平台快速上手
- 因子开发管理平台白皮书

回测框架

DolphinDB 为 FICC 投研提供专业的策略回测框架，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模拟撮合引擎与策略回调函数：策略根据利差变动、曲线形态等信号生成交易指令，经过 DV01、久期、集中度等风控校验后进入撮合环节。系统精确模拟真实成交，考虑买卖价差、流动性约束、成交延迟等交易摩擦，并实时更新持仓、估值、风险敞口。

相比 Backtrader、MetaTrader4 等回测工具，DolphinDB 回测框架覆盖利率债、国债期货、利率互换、外汇、信用债等多资产，核心撮合与回测引擎采用 C++ 实现，在全市场、多标的、中高频数据量级下相较 Python 框架可实现最高数十倍的性能提升。

模拟撮合

DolphinDB 支持基于其高性能计算引擎构建 FICC 策略的撮合模拟逻辑，针对债券 OTC 市场特点进行定制化开发。系统可基于历史成交数据和双边报价，模拟订单在不同流动性环境下的执行过程。

流动性分层处理： 投研人员可根据券种类型、剩余期限、信用评级等维度，配置差异化的流动性参数表。活跃国债可设置为即时成交且价差较小；中等流动性券种配置部分成交比例或延迟成交；小盘信用债可设置较长等待时间，并考虑等待期间的曲线波动影响。系统支持基于预定义规则动态调整买卖价差，如市场波动加剧时扩大价差、大额订单触发额外冲击成本等。

融资成本整合： 系统可基于持仓数据和历史回购利率计算融资成本，并支持自定义保证金占用、回购可得性等杠杆策略约束。对于利率衍生品，可基于理论定价模型（如 Black-Scholes）结合历史成交价差进行撮合模拟。

通过灵活配置流动性约束、价差规则和融资成本，帮助 FICC 策略准确评估实际容量和盈利空间，避免回测过度乐观导致的实盘失效。

AI 智能投研

DolphinDB AI 智能投研系统将大语言模型与量化研究深度融合，投研人员可通过自然语言完成复杂分析任务。FICC 计算 Agent 支持自然语言完成利率、信用、期权等定价与风险指标计算，自动理解需求、选择模型、调用数据并返回结果；组合管理 Agent 可查询组合的久期、凸性、信用暴露等指标并生成分析报表。

AI 系统整合宏观经济数据、货币政策、市场行情等多源信息，提供智能化的情景分析和压力测试。这种智能化投研模式大幅降低技术门槛，让非技术背景的研究员也能高效完成量化分析，同时为资深量化团队提供更智能的辅助工具，显著加速研究迭代周期。