Shark 高性能因子挖掘平台白皮书
为解决传统挖掘因子方法效率低、无法处理三维数据等挑战，DolphinDB 推出了 CPU-GPU 异构计算平台 Shark，包含自动因子挖掘 Shark GPLearn 和因子计算 DeviceEngine 两大应用。其中，Shark GPLearn 支持用户直接从数据库中读取数据，调用遗传算法进行自动因子挖掘，并加速因子计算，具有算子库丰富、支持单机多卡训练、提供分组语义等特性。借助 Shark GPLearn，企业可以高效地从历史数据中挖掘因子，构建因子模型。
内容概况
本白皮书系统地介绍了 Shark GPLearn 高性能因子挖掘功能的工作原理、架构实现、功能特性和场景应用等，主要包含以下内容：
背景简介：介绍了遗传算法的概念、流程和多种进化策略，如交叉变异、子树变异等，介绍了目前金融行业在因子挖掘中的实践方法，如回归分析、遗传算法等，以及各种方法面临的挑战。
基本概念：介绍了 Shark GPLearn 高性能因子挖掘功能的设计构想、工作原理，以及与用传统 python gplearn 挖掘因子的性能对比。
架构实现：介绍了构成 Shark 的三大模块：数据转换层、自动因子挖掘和因子计算，主要包含各个模块的工作原理和适用场景。
功能特性：介绍了 Shark GPLearn 与其他因子挖掘框架相比具有的独特优势和特性，如拥有更加丰富的算子库、支持在三维数据中挖掘因子、支持单机多卡挖掘、充分释放 GPU 计算性能等。
应用案例：以基于股票日频 K 线数据的因子挖掘为例，介绍了使用 Shark GPLearn 进行因子挖掘的基本流程：数据清洗→模型训练→因子评价，以及可供参考的代码和调参说明。