11月10日，DolphinDB 开创人兼 CEO 周小华博士受邀出席了浙江年夜学金融家年夜课堂勾当，作为讲师带来了主题为《摸索中高频量化买卖的世界：高机能根本举措措施的构建和利用》的出色讲座。当天固然细雨淅沥，但完全没有影响参会者的热忱，近五十人加入了本次讲座。

“若何在中高频数据中发掘 Alpha 旌旗灯号？”周博士的讲座以一个简短有力的问题开场，环绕“若何高效存储和阐发海量数据，更快挖掘新的有用因子”这一行业重点问题，周博士具体描写了中高频量化投研中面对的新挑战，并向大师分享了DolphinDB 在为行业解决这些问题时，总结出的深入经验。

跟着行情数据频率的提高，海量数据会给投研带来极年夜的压力。以高频因子数据为例，数据量是原始行情数据的 10-100 倍，凡是会到达 500+TB。若何海量数据集上实现数据的高效存储、阐发和及时计较，是每个量化团队必需面临的问题。周博士从存储、计较、及时计较三个方面，别离总结了传统解决方案的错误谬误与不足，并以 DolphinDB 为例，向大师介绍了中高频量化投研的最好实践。

存储方面，传统的解决方案（以关系型数据库为例）有着紧缩比低、阐发和计较能力衰、数据难以治理等问题；

阐发方面，SQL 和 Python 固然利用普遍，但却有着复杂逻辑表达能力不足和计较机能欠安等问题，C++机能知足要求，但自研开辟本钱太高。另外还 Spark 和 Ray 等散布式计较东西，均没有针对金融范畴开辟的算子库，是以可能其实不是中高频量化投研的最好选择。

及时计较方面，现有风行的流计较组件有着出产上线本钱高，从批计较到流计较代码转写和成果校验很是耗时；Flink、Kafka 等手艺栈开辟本钱高，物化视图手艺只能解决简单的流计较问题，且时延较高不克不及知足高机能的要求。

若何解决上述问题，DolphinDB 提出了新的解决方案。

此次讲座不但供给了丰硕的手艺洞见，也为在场的同窗和研究人员供给了一个贵重的进修和交换平台。同窗们积极介入，提出了很多深切的问题。周博士的回覆不但仅局限在理论，还涵盖了现实操作和行业内的实战经验。这类适用性强的交换，让参会者获益很多。

DolphinDB 与高校合作打算

DolphinDB 一向积极展开与高校之间的学术交换合作，近期我们也将结合复旦年夜学、上海交通年夜学等，为大师开设线下讲座，接待感爱好的同窗和伴侣报名加入！（存眷 DolphinDB 公家号，及时获得报名通知～）