实时交易

实时因子计算

DolphinDB 通过流数据表统一接入撮合成交、逐笔报价等高频行情，在订阅端使用向量化 SQL / Dlang 即可灵活表达无状态因子和各类有状态 / 滑动窗口因子，复杂逻辑还可通过响应式状态引擎与时间序列引擎级联，实现从原始行情到因子结果的流水线处理。底层执行引擎支持多标的、多因子并行计算，并结合增量计算与 JIT 加速，将大量因子的实时刷新压缩到毫秒级甚至亚毫秒级，在保证开发效率的同时兼顾高性能与低延时。

精选教程与最佳实践：
- 实时高频因子的实现
- 实时场景：分钟资金流、日累计逐单资金流、实时涨幅榜

低延时因子计算

面向高频与超高频策略，Swordfish 将 DolphinDB 计算内核以嵌入式 C++ 库的形式集成进自研交易 / 风控程序，在本进程内直接完成因子与风险指标计算，无需跨网络访问数据库。通过类型特化、行式执行、算法与内存优化等工程手段，在高端处理器上可将通用函数调用延迟压缩到十微秒甚至单微秒级，非常适合逐笔订单级因子计算、路径内风控检查以及基于最新行情实时合成买卖信号等对延迟极为敏感的场景。

定价引擎

DolphinDB 为实时报价系统提供定价引擎，将盘口行情、逐笔成交与外部曲线数据（利率曲线、波动率曲面等）统一载入内存，通过流计算引擎实时刷新中间价格、理论价格、隐含波动率等核心定价因子。对期权、可转债、结构化产品等复杂品种，支持在库内实现定价模型与风险因子的统一计算，结果以流表形式实时推送至报价系统，实现从市场数据到定价因子再到报价决策的一体化链路，定价延迟可控制在毫秒级，满足做市、套利等策略的实时报价需求。

交易前分析

基于 DolphinDB 流式与批量计算框架，可将实时行情、持仓、指令和账户信息统一接入，在库内按产品、资金账户、策略组合等维度实时计算久期、凸性、DV01/PVBP、Greeks 等敏感性指标，并结合杠杆率、集中度、流动性、盘中回撤等规则进行动态检查。通过规则引擎和函数化规则，可以在 DolphinDB 为不同策略、账户和通道设定差异化阈值与处理动作。一旦触发预警或超限条件，可在毫秒级返回检查结果，用于拦截或提示，从而将可识别风险前移到下单之前。

交易后分析

通过 DolphinDB 对海量历史成交和行情的高性能处理能力，可以在盘后对当日及历史交易进行批量回放与分析：一方面按交易对手、标的、价格、方向、时间等维度快速识别疑似对敲、反向放量等异常交易；另一方面，将每笔成交价格与多价源最新行情、盘口中间价或 VWAP 对齐，评估偏离度并找出“本该成交的最佳市场”，量化经纪通道和算法参数的执行质量。相比传统 Python 等工具，DolphinDB 在几十万到上百万笔成交上的分析可以从分钟级甚至十几分钟级压缩到毫秒级，使异常交易识别和执行偏离分析从“抽样复盘”真正变成“高频、体系化的事后风控”，并可将结论反哺到下一期的交易前风控与策略优化中，形成闭环。

实时监控与告警

DolphinDB 支持搭建实时监控与告警组件，在流计算链路或定时任务中持续计算因子波动、成交异常、收益曲线、系统延迟、消息积压等关键指标，将监控结果写入专用监控表，并基于规则与处理函数判断是否触发告警。告警事件可以通过 HTTP 接口、消息队列、文件或数据库表等方式对接到现有运维和通知系统，实现与企业 IM、邮件、短信等渠道的集成。

同时，可以在 DolphinDB 之上对接 BI 工具或内部前端，构建监控 Dashboard，将实时因子、资金流、持仓结构、风险指标和系统状态以图表、看板的形式可视化展示，支持按策略、账户、标的等维度交互式钻取。