上周末，DolphinDB 分别在上海及深圳成功举办了两场 D-Day 分享会，来自国内头部券商、公募基金以及多家私募机构的数十位核心策略研发、数据分析专家们分享了 DolphinDB 在量化交易各个环节的使用经验，并基于与同类技术栈的优劣势对比，交流了在日常投研交易过程中遇到的瓶颈及解决方案。
将 DolphinDB 融入多策略交易架构
深圳的分享会上，某券商自营团队的资深用户分享了自己的使用心得，该团队从社区版开始试用 DolphinDB，首先基于流数据表实现实时行情数据、交易数据及相关监控指标的采集、分析与处理。在深度了解使用以后，他将一个全新的行业 ETF 策略，从投研到交易端完全由 DolphinDB 来进行开发实现，仅用不到2000行代码、5个脚本，即完成了整体策略从数据到交易的完整链路。
D - Day · 深圳站
他表示：“DolphinDB 的超强数据并行处理能力以及超强的逻辑表达能力，结合作为数据库的多样开放性接口方案，以及 Ctrl+E 带来的代码构建能力及查错修改能力，极大提升了其整体工程化能力，不仅为单个研究员的研发效率提速，也加快了整体团队的策略上线实盘交易进程。”
DolphinDB 为高频策略研发再提速
另一位来自某券商高频策略研发团队的深度用户，在此之前本身已熟悉 Python、 C++、R 等多种技术栈，但是仅仅基于传统数据库方案、文件系统以及自研C++系统，在对于 Tick 数据的研究分析上还是会遇到性能瓶颈。在入职券商后他便开始了深度的技术栈融合研发，将因子层的研发全部转移至 DolphinDB，在多因子大时序策略、大截面策略中，单因子多参数计算提速了50-100倍。
他表示：“在高频策略研发过程中，随着行情数据及因子数据的存储量暴增，便利的制定数据与因子的存储方案至关重要，同时，函数优化是一件重要但不紧急的事，交由 DolphinDB 来实现极大地提高了整体研发的效能，研究员可以将有限的时间更多投入到策略研发及交易执行中去，既降低了整体投研团队的技术开发门槛，又可以有效提升整体投研效率。”
DolphinDB：量化投研与交易的技术演进
在上海的交流会上，来自 DolphinDB 的解决方案总监马苏川基于目前的研发现状和客户案例，为大家详细介绍了 DolphinDB 在实现量化投研和交易中的性能优势、重点分析了 DolphinDB 在私募行业的应用场景，并展望了 DolphinDB 的未来研发重点和探索方向。
量化基金日常投研工作中需要反复进行策略的回测工作，许多私募用户提到了“ Python 回测耗时长”、“海量数据存查慢”、“内存占用率过高”等问题，这其中，数据存查和因子计算性能是提升效率的关键：DolphinDB 的多范式脚本语言可实现因子代码快速编写，内置的分布式计算架构、1500+计算函数、10+流计算引擎，可以大幅提升用户的因子投研效率。
D - Day · 上海站
在分享中，马苏川表示：“ 在行情数据接入、因子投研、流数据处理、策略回测、实时交易等环节，实现大幅加速，为海量历史数据、实时行情数据的处理和计算提供高性能的投研方案，这就是 DolphinDB 广受好评的产品优势。”
面对庞大的因子数据量，传统的线性回归方法已难以满足处理需求，很多团队都已经引入了深度学习工具。DolphinDB 新研发的 AI Data Loader、 GPU 算子库、Vector Database 等功能，在不断加强对 AI 建模分析的支持。以新推出的 AI Data Loader 功能为例，用户可以用 SQL 语句把分布式数据库当中的数据直接对接到 PyTorch 等工具中，省去了数据转换与落地的成本。
在交流中寻找新思路
在交流环节，大家就自己关注的话题与现场的DolphinDB工程师展开了自由交流，“使用门槛是否会很高？“、 “维护是不是会很麻烦？”、 ”目前的策略研发中的瓶颈？“…… 用户们将DolphinDB与具体业务融合，进行了充分的有效沟通，不仅解决了问题，也收获了新的思路。DolphinDB 致力于为行业提供领先的产品和服务，同时我们将一直聆听来自客户和社区的声音，不断探索前沿技术，发掘新的应用场景，让数据处理变得更简单、高效。
D-Day 旨在为用户们提供一个专业、开放的交流机会，方便大家深入探讨在量化交易中如何有效提升综合投研效率，以技术融入业务，创造应用价值。此后我们也将定期在北京、上海、广州、深圳等地举办D-Day线下活动，期待我们下一次的相遇~
扫描下方二维码，与技术专家面对面，预约报名你的下一场 D-Day~
