精彩回顾 | 带你重温“新型行情中心”直播

2022年9月14日19:30，DolphinDB 联手上海财经大学谢斐博士，以“量化时代，如何构建强大高效的的新型行情中心”为主题，与大家进行了分享。本文将回顾直播精彩内容，一起来看看吧！
完整视频回放：请前往B站搜索「DolphinDB」查看
高频量化的投研与交易

上海财经大学的谢斐老师首先为大家分享自己从事专业研究多年以来的心得和收获。分享内容主要包括常见高频量化策略、市场微观结构和算法交易研究需求、高频回测数据库构建经验，以及前沿高频因子流式计研究这四个方面。
常见高频量化策略

简单来说，量化投资就是利用计算机科技并采用一定的数学、统计模型去实现投资理念、实现投资策略的过程。量化投资主要依靠数据和模型来寻找投资标的和投资策略，强调纪律性、系统性和大概率事件。谢老师为大家分别讲解了分时趋势策略、T0策略、T1动量策略、高频做市策略这四种常见高频量化策略，并分析了各自的要点、优势等。

高频交易的技术基础在于很多方面，任何一个短板都会导致高频交易无法进行。

市场微观结构和算法交易研究

市场微观结构研究就是对交易制度，特别是细节上的制度做研究，例如融资融券、涨跌停板制度等。程序化交易过程中，会产生许多策略回测未能考虑的细节问题，实盘的成交概率也和回测有所不同，这就需要我们用微观数据对市场做进一步分析，制定合理的交易算法。

高频回测数据库构建

从最初的自建到使用HDF5，再到Clickhouse、Hadoop，谢老师进行了全面的数据库对比和选型，最终基于 DolphinDB 构建了一个高频回测数据库，既满足高性能、稳定性需求，又易于上手。

高频因子流式计算

流式计算和批量计算分别适用于不同的大数据应用场景：对于先存储后计算，实时性要求不高，同时数据的准确性、全面性更为重要的应用场景，批量计算模式更合适；对于无需先存储，可以直接进行数据计算，实时性要求很严格，但数据的精确度要求稍微宽松的应用场景，流式计算具有明显优势。借助 DolphinDB 专有的流计算引擎，在实际使用中可以实现10毫秒内因子计算，比如获取行情，将行情数据转换成计算因子如均线、K 线等然后进行存储，同时按照需求订阅需要的多个合约和因子数据。

DolphinDB 行情中心解决方案

行情中心拥有高价值的数据资产，处于公司整体系统架构的上游。数智化转型的关键在于行情中心是否能够真正的帮助到业务发展。新型行情中心该如何建设？DolphinDB 方案总监马苏川给出了回答。
产研一体

面对投研和生产割裂的问题，DolphinDB 提供了支持向量计算、增量计算和内存共享的流式计算框架。与开源流计算框架相比，其开发和运维成本更低，对业务的支持能力更强。此外，DolphinDB 也做了不少支持应用层的场景化工具，比如事件驱动回测或策略上实盘前，使用多表联合回放将历史数据模拟回测一遍。

支撑业务

行情中心的架构包含四层。第一层是接入层，第二层是计算层，其中我们把数据转发也放入了计算层，主要原因是行情中心的数据转发通常都会涉及一些数据的处理；接下来是数据的存储，最后一层行情中心如何对外提供服务。

基于 DolphinDB 构建的新型行情中心业务开发成本低，代码运行速度快，与同类竞品相比，QPS 提高了10倍以上。
可靠稳定

DolphinDB 的高可用架构包含四个方面。第一，应用程序可以连接到任意一个计算节点；第二，用户可以部署多个计算节点，每个计算节点对等；第三，数据节点可以部署多个，支持数据的多副本；最后，controller 也是一个小集群。DolphinDB 还通过 Lsm tree 自研了存储引擎，支持事务、多版本管理还有快照隔离，作为一个分析型数据库，这是不少同类数据库所不具备的能力。