量化投研平台
本页展示量化投研平台的视觉头图及其说明信息。
Source: https://dolphindb.cn/solution/detail/mutualfund-quant-research
What this page covers
- 量化投研平台视觉头图与说明
- 因子存储能力与最佳实践入口
- 因子计算能力与教程/案例入口
- 因子评估能力与教程入口
- 多因子建模流程与相关教程入口
- 因子自动挖掘（Shark GPLearn）介绍与试用/资料入口
- 因子管理平台（Starfish）介绍与试用/资料入口
活动/报名入口（技能认证特训营第二期）
页面顶部提供限时报名活动提示与链接入口。
- 技能认证特训营第二期状态为“正式开启”。
- 页面提供“限时报名”的链接入口。
- 活动文案提到“享专属福利优惠”。
量化投研平台视觉头图
展示量化投研平台相关的头图及其说明信息。
- 页面包含量化投研平台的头图图片资源链接。
- 头图说明包含“从海量数据中提炼高质量因子”。
量化投研平台
该部分呈现主题页主标题，并引出后续模块入口。
- 页面以“量化投研平台”为主题组织内容模块。
- 后续内容以分模块方式展开。
因子存储
描述集中因子库能力、分区写入/更新/查询与性能表述，并提供最佳实践链接。
- 支持将分散的因子结果沉淀为集中因子库。
- 同一架构可管理毫秒级高频到月度等多周期因子。
- 集中因子库覆盖股票、期货、期权等多资产。
- 支持按“时间×标的”或“时间×因子名”等维度灵活分区。
- 支持在库内直接完成因子写入、更新与查询。
因子计算
描述因子计算语言/函数/流计算能力、模块库、流批一体与增量并行更新，并提供教程与案例链接。
- 内置图灵完备的编程语言用于因子计算。
- 结合向量化函数与流计算引擎。
- 支持截面、时序、行业/主题与跨资产等因子逻辑。
- 支持通过 UDF 与模块封装实现策略组内复用与机构内共享。
- 同一套因子逻辑可用于历史回测与实时流更新。
因子评估
描述在统一因子库内进行因子有效性检验、批量指标计算与归因分析能力，并提供相关教程链接。
- 支持在统一因子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等指标。
- 支持按行业、风格、市场环境分拆稳定性指标。
- 支持对单因子的收益贡献与风险特征进行归因分析。
多因子建模
描述因子与多源数据对齐生成特征/标签，并支持多因子模型、风险模型与机器学习/深度学习插件能力及教程链接。
- 可将筛选因子与多源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。
- 支持线性加权、截面回归、IC 加权等传统多因子模型。
- 提供多因子风险模型框架用于因子暴露分析与收益归因。
- 内置机器学习框架，并支持通过插件方式接入能力。
因子自动挖掘（Shark GPLearn）
介绍基于遗传算法/符号回归的因子自动挖掘框架，并提供试用与资料链接。
- Shark GPLearn 是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。
- 相对开源 gplearn，提供 GPU 加速能力。
- 整合 DolphinDB 2000+ 内置函数作为算子库。
- 原生支持“时间×股票×因子”的三维面板数据处理。
因子管理平台（Starfish）
介绍覆盖因子全生命周期的一体化管理平台 Starfish 的能力，并提供试用与资料链接。
- Starfish 覆盖因子全生命周期的一体化管理平台。
- 自动记录因子计算逻辑、数据依赖与历史表现等元数据。
- 支持因子血缘追溯与影响分析。
- 支持查看 IC、IC_IR 与多空收益等核心指标。
- 提供多用户协作机制以共享因子研究成果。
Facts Index
| Entity | Attribute | Value | Confidence |
|---|---|---|---|
| 技能认证特训营第二期 | 状态 | 正式开启 | high |
| 限时报名 | url | https://www.qingsuyun.com/h5/e/217471/5/ | high |
| 技能认证特训营第二期 | 福利 | 享专属福利优惠 | low |
| 量化投研平台 | 头图图片URL | https://cdn.dolphindb.cn/resources/kfoXUz45RdKGowdtdb8Yr/298ffa1abd5859768fa08a96c51bb6bf.png | high |
| 量化投研平台（头图说明） | 背景文字 | 从海量数据中提炼高质量因子 | medium |
| DolphinDB 因子存储 | 能力 | 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 |
| 集中因子库 | 管理范围 | 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 |
| 集中因子库 | 覆盖资产 | 股票、期货、期权等多资产 | high |
| 集中因子库 | 分区维度示例 | 按「时间 × 标的」或「时间 × 因子名」等维度灵活分区 | high |
| 集中因子库 | 库内操作 | 在库内直接完成因子写入、更新与查询 | high |
| 集中因子库性能（实测场景） | 批量入库速度 | 分钟级完成数百 GB 多因子数据的批量入库 | medium |
| 集中因子库性能（实测场景） | 单因子全市场增删改速度 | 秒级完成单因子全市场增删改 | medium |
| 中高频多因子库存储最佳实践 | url | https://docs.dolphindb.cn/zh/tutorials/best_practices_for_multi_factor.html | high |
| DolphinDB 因子计算 | 编程语言能力 | 内置图灵完备的编程语言 | high |
| DolphinDB 因子计算 | 计算能力组成 | 结合丰富的向量化函数与流计算引擎 | high |
| DolphinDB 因子计算 | 支持因子类型 | 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 | 多周期融合 | 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 | 复用与共享机制 | 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 |
| DolphinDB | 内置模块 | WorldQuant 101 Alpha 因子指标库 | high |
| WorldQuant 101 Alpha 因子指标库 | url | https://docs.dolphindb.cn/zh/modules/wq101alpha/wq101alpha.html | high |
| DolphinDB | 内置模块 | 技术分析指标库 | high |
| 技术分析指标库 | url | https://docs.dolphindb.cn/zh/modules/ta/ta.html | high |
| DolphinDB | 内置模块 | MyTT 指标库 | high |
| MyTT 指标库 | url | https://docs.dolphindb.cn/zh/modules/mytt/mytt.html | high |
| DolphinDB | 内置模块 | CSAP 截面因子指标库 | high |
| CSAP 截面因子指标库 | url | https://docs.dolphindb.cn/zh/2.00.16/tutorials/csap.html | high |
| DolphinDB 模块库 | 效果 | 开箱即用模块加速因子研发进程 | low |
| DolphinDB 流批一体架构 | 复用能力 | 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 流批一体架构 | 价值主张 | 避免“回测一套代码、实盘一套代码”的双维护困境，消除代码重写带来的逻辑偏差风险，缩短因子从研发到上线的周期 | low |
| 全市场因子更新 | 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 | url | 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 | url | 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 | url | https://docs.dolphindb.cn/zh/tutorials/l2_snapshot_factor_calc_2.html | high |
| 实时高频因子的实现 | url | https://docs.dolphindb.cn/zh/tutorials/hf_factor_streaming_2.html | high |
| 分钟资金流（实时场景） | url | 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） | url | https://docs.dolphindb.cn/zh/tutorials/streaming_capital_flow_daily_2.html | high |
| 实时涨幅榜（实时场景） | url | 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） | url | 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） | url | 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） | url | 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） | url | https://docs.dolphindb.cn/zh/tutorials/market_condition_adjustments.html | high |
| 基金日频因子（因子实现案例库） | url | 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） | url | 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） | url | https://docs.dolphindb.cn/zh/tutorials/DolphinDB_VS_PythonFile_Storage.html | high |
| DolphinDB 因子评估 | 能力 | 基于统一因子库在库内直接完成因子有效性检验 | high |
| DolphinDB 因子评估 | 可批量计算指标 | 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 |
| 候选因子评估效率 | 时间缩短 | 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 | 支持对单因子的收益贡献和风险特征进行归因分析，用于识别收益来源与失效场景 | high |
| 基于 DolphinDB 构建高性能因子评价框架 | url | https://docs.dolphindb.cn/zh/tutorials/factor_evaluation_framework.html | high |
| Alphalens 在 DolphinDB 中的应用 | url | https://docs.dolphindb.cn/zh/tutorials/Practical_Factor_Analysis_Modeling.html | high |
| DolphinDB 因子归因模块使用教程 | url | https://docs.dolphindb.cn/zh/tutorials/factor_attribution_analysis.html | high |
| DolphinDB 多因子建模 | 数据对齐与产出 | 可将筛选因子与行情、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 多因子建模（多因子框架） | 支持模型 | 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 |
| DolphinDB | 内置框架 | 多因子风险模型框架（用于因子暴露分析与收益归因） | high |
| 多因子风险模型（教程） | url | https://docs.dolphindb.cn/zh/tutorials/multi_factor_risk_model.html | high |
| 组合优化 | 约束条件示例 | 持仓约束、行业/风格中性、因子暴露约束等多重限制下完成组合优化，求解最优权重 | high |
| DolphinDB 机器学习与深度学习建模 | 内置能力 | 内置机器学习框架 | high |
| 机器学习框架（教程） | url | https://docs.dolphindb.cn/zh/tutorials/machine_learning.html | high |
| XGBoost | 支持方式 | 插件（与内置机器学习框架结合） | high |
| AI Dataloader | url | https://docs.dolphindb.cn/zh/dataloaderdoc/ai_dataloader_ml.html | high |
| LibTorch | url | https://docs.dolphindb.cn/zh/tutorials/dolphindb_tensor_libtorch_tutorial.html | high |
| DolphinDB 建模流程 | 覆盖范围 | 支持从 Alpha 信号到可交易组合的完整流程 | medium |
| 金融实时实际波动率预测（内置机器学习框架实践） | url | 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（XGBoost 插件应用） | url | 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（AI Dataloader 和 Libtorch 工具应用） | url | https://docs.dolphindb.cn/zh/tutorials/volatility_prediction.html | high |
| Shark GPLearn | 定位 | 基于遗传算法的因子自动挖掘框架 | high |
| Shark GPLearn | 方法 | 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 的能力 | 提供 GPU 加速 | high |
| DolphinDB 内置函数 | 数量 | 2000+ | high |
| Shark GPLearn | 算子库 | 整合 DolphinDB 2000+ 内置函数丰富算子库 | high |
| Shark GPLearn | 数据处理支持 | 原生支持“时间 × 股票 × 因子”的三维面板数据处理 | high |
| Shark GPLearn | 效率收益 | 大幅缩短“生成-筛选-回测”迭代周期，提升研究产出效率 | low |
| Shark GPLearn 试用申请 | url | https://dolphindb.cn/product#shark | high |
| Shark GPLearn 因子挖掘快速上手 | url | https://docs.dolphindb.cn/zh/tutorials/gplearn.html | high |
| 高性能因子挖掘平台白皮书 | url | https://dolphindb.cn/whitepaper/shark | high |
| 因子管理平台（Starfish） | 定位 | 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（Starfish） | 元数据记录 | 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 | high |
| 因子管理平台（Starfish） | 血缘能力 | 支持因子血缘追溯和影响分析 | high |
| 因子管理平台（Starfish） | 可查看指标 | 支持查看因子库中所有因子的 IC、IC_IR、多空收益等核心指标，并对比不同因子表现进行组合优化 | high |
| 因子管理平台（Starfish） | 协作机制 | 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 试用申请 | url | https://dolphindb.cn/product#starfish | high |
| 因子开发平台快速上手 | url | https://docs.dolphindb.cn/zh/starfish/factor_dev.html | high |
| 因子开发管理平台白皮书 | url | https://dolphindb.cn/whitepaper/starfish | high |