精彩回顧 | 來看 QTF 量化科技嘉年華上的 DolphinDB

6月2日至6月3日，2023 “量變·智變” 量化科技嘉年華在上海世博中心圓滿舉辦。

DolphinDB 作為聯合主辦方，在6月3日上午的“因子挖掘與機器學習”分論壇中，為廣大量化粉絲們奉上了一場幹貨滿滿的主題分享與圓桌討論，現場座無虛席，反響熱烈，收獲了一致好評。

此外，嘉年華還設置了廠商展區，包含護照集章、展臺抽獎等趣味活動。DolphinDB 為粉絲准備了抽獎圓盤和豐富的小禮品，並有技術支持團隊現場路演交流。

主題分享

DolphinDB 創始人暨 CEO 周小華博士受邀分享《下一代因子挖掘統一框架：打破界限的流式實時計算平臺》。

DolphinDB 為海量歷史數據、實時行情數據的處理和中高頻因子計算提供了高性能的投研方案。多範式腳本語言可實現因子代碼快速編寫。內置的分布式計算架構、1500+計算函數、10+流計算引擎，方便用戶進行因子的流批一體計算。未來將融合機器學習、AI 繼續探索新的可能。

對於量化交易員們來說，有了實時產生的交易信號，怎么能夠快速傳遞到交易系統裏面呢？DolphinDB 引入了三種技術：

第一，通過在流計算中引入 JIT 技術，降低流計算的時延。

第二，得到流計算結果後，通過跨進程共享內存交換數據，DolphinDB 系統和交易系統、風控系統在同一個節點上，從而降低將數據傳給交易系統的時延。

第三，Swordfish 的發布，使得用戶可以將 DolphinDB 作為一個庫嵌入到交易系統的進程中，而且在同一個進程中還可以推動內存交換獲取數據，時延進一步降低。

同時，DolphinDB 在不斷加強對 AI 建模分析的支持。面對龐大的因子數據量，傳統的线性回歸方法已難以滿足處理需求，很多團隊都已經引入了深度學習工具。

DolphinDB 首先提供了內置的機器學習工具，並支持分布式存儲和計算。

此外，研究員們可以通過 AI Data Loader，用 SQL 語句把分布式數據庫當中的數據直接對接到 PyTorch 等工具中，省去了數據轉換與落地的成本。

DolphinDB 最近也在做一些新的工作和探索。

正在研發中的 GPU 算子庫可以將計算無縫遷移到 GPU 中，使得性能有數量級的提升。最後，面對越來越豐富的多元化數據、異構數據，DolphinDB 正在研發Database，來支持對這些數據方便的存儲和檢索。

完整的演講內容可以添加 DolphinDB 小助手（dolphindb1）獲取～

圓桌論壇

圓桌論壇環節，周博士與來自投研平臺、量化交易平臺和券商投研交易團隊的三位負責人共同進行了《量化新視野下的前沿技術探索》主題討論，圍繞 AI 大模型、深度學習在業務中的實踐、新技術下軟硬件成本、未來潛在發展等熱點話題，與觀衆交流。

圓桌問題一覽：

·最近最火熱的技術趨勢就是 AI 大模型，請問一下各位嘉賓，有沒有什么有意思的實踐可以分享？

·前一陣某知名千億量化私募宣布成立新的團隊入場大模型 AI，請問各位對此有什么看法？

·有人說，量化研究員的工作就是每天挖掘各種因子，但很多時候一個優秀的模型也會帶來顯著的策略增長，那么在量化領域裏，各位認為因子和模型這兩者是什么樣的關系？哪一塊更重要？

·其實很早之前，機器學習就已經應用於預測股市價格、走勢等方面的場景，但往往專注於傳統模型比如決策樹。現在比較流行深度學習模型，什么遞歸神經網絡模型、卷積神經網絡模型等等。能否結合自身業務，談談在這方面的實踐？

·除了前面提到的傳統的選股、擇時等業務，未來這類前沿技術會給量化領域帶來哪些新的可能？潛在的發展方向又有哪些？

·從應用的角度來說，想要將深度學習和業務結合產生好的效果，對咱們團隊提出了哪些軟硬件需求？

·我們知道深度學習模型並不完全是對傳統的機器學習算法的簡單升級。在做決策時，尤其是風控，可解釋性和對業務的理解非常重要。有時對一些結構化數據使用深度學習，會產生過擬合。對於數據挖掘和可解釋性的平衡問題，各位有什么看法？

四位嘉賓圍繞以上七個問題展开了深入討論，各抒己見，也激發了現場觀衆的思考。

特裝展區

DolphinDB 在 QTF 量化科技嘉年華中，不僅主辦了6月3日上午的“因子挖掘與機器學習”分論壇，還在特裝展區設置了豐富的小禮品和抽獎活動，並有專業的技術支持現場解答與路演。

無线耳機、特制飛盤、定制文化衫、因子日歷、筆記本……無論你是洽談商務的業務人士，還是追趕潮流的年輕人，都有機會在 DolphinDB 展區抽到你喜愛的禮品，了解你想要的最新資訊，獲得一對一與技術同事交流的機會。

現場交流

幸運轉盤100%中獎！

熱情的粉絲

護照集章，兌換你的專屬禮品～

鄭重聲明：本文版權歸原作者所有，轉載文章僅為傳播信息之目的，不構成任何投資建議，如有侵權行為，請第一時間聯絡我們修改或刪除，多謝。