当前位置: 首页 > news >正文

AI+实时计算如何赋能金融系统?DolphinDB 在国泰君安期货年度中期策略会的演讲

6月25日,国泰君安期货2025年度中期策略会在上海顺利开幕。本次策略会以“观势明变,本固枝荣”为主题,特邀15位重量级行业嘉宾和52位明星分析师发表精彩观点,DolphinDB 受邀出席会议并作主题演讲。

实时计算如何赋能量化投研交易

下午13:30分,AI 投资主题分论坛正式启幕,DolphinDB 创始人周小华博士在随后登台发言,带来了题为《AI+实时计算赋能量化金融》的精彩发言。

演讲中,周小华博士首先以一个简单的开发流程为例点名了实时计算能力对于量化投研交易与金融基础设施建设的重要意义。他表示,传统的数仓系统仅能做到T+1的数据价值挖掘,并且一般架构复杂,兼容依赖强,难以变更,同时也缺乏金融领域专业数据类型的支持。对于Hive、Spark、Flink 等开源系统而言,开发难度较高,相对陡峭的学习曲线也会造成人员成本的增加,并且国产化程度相对较低。DolphinDB 通过将高性能时序数据库、实时流计算引擎、大量函数与业务中间件的有机结合,解决了传统方案与开源系统的上述难题,实现系统在拥有极致计算性能的同时,还能够灵活全面的表达业务逻辑,让业务研究员们可以自主开发实时计算系统(代码),并真正做到产研一体化。

除了赋能经典的量化投研交易场景外,周小华博士还以“多资产一体化投资管理平台建设”为例,向大家详细解读了行业领先的实时计算平台在广泛金融业务中的应用实践。

多资产一体化投资管理平台建设

一直以来,大型资管机构都面临着系统架构建设困难的局面,主要体现在数据分散孤立、跨区域计算延迟,实时头寸与组合管理难等问题上。DolphinDB 新推出的企业级实时计算平台 ORCA,能够帮助机构解决四个核心问题:

( 1)数据模型复杂

ORCA 通过抽象资产的数据类型、快捷实现即席计算、引入数组类型和多模态存储等方式实现金融产品的数据统一建模,让平台资产覆盖更全面、数据管理更轻量、业务实现更高效。

(2)实时性和一致性

ORCA 强大的分布式与流式计算能力能够帮助平台消除汇总步骤、降低出错风险,实现数据更一致,毫秒级获取头寸与风险,计算更及时。

(3)统一的定价/估值引擎

定价引擎是会计、交易、风控、绩效等系统的核心。在 ORCA 中,用户使用内置的定价/估值引擎,只需传入资产数据类型的描述 + 行情数据 + 交易数据 + 定价时间,即可自动匹配定价模型,完成估值计算。同时,用户无需手动维护分散逻辑,显著降低开发和运维成本。

(4)差异化定制和灵活性

传统的平台建设,普遍存在定制代价高,系统封闭限制扩展等问题。ORCA 依托于 DolphinDB 强大灵活的锯齿(区别于烟囱系统)开发底座,允许用户自定义金融产品、指标和组合,同时,通过提供丰富的 API、内置函数、业务中间件与脚本语言,用户可以实现业务需求的快速响应,产品上线周期从月降到天。

基于AI的新开发范式

在最后,周小华博士介绍了 AI 发展带来的新的开发范式。传统应用开发范式中,系统架构分为“表示层”、“业务层”、“数据层”,由此开发的各类应用组合在一起,极易形成一个个孤立的烟囱系统。不仅难以支撑企业规模化的运营,长期维护/升级的费用与系统集成的成本也较高。周博士表示,基于 AI 的新开发范式中,以 DolphinDB 为例,传统的业务层与数据层已实现了融合,同时,DolphinDB 将作为一个 MCP Server Tools,通过在数据业务融合层中开发的一套业务接口,可以同时服务于前端表示层与各类 AI 应用,这将大幅提升用户对海量数据的治理效率。

本次策略会共持续2天,除主论坛外还设置11个分论坛,涵盖AI量化前沿策略、全球贸易重构、黑色及有色价值锚定、农产品进攻机遇、能化分化主线、新能源风险对冲等热点话题。

http://www.lqws.cn/news/540379.html

相关文章:

  • JetBrains AI助手登陆Android Studio!智能编码提升Kotlin开发效能
  • AI+物联网:从万物互联到万物智联
  • Spring 框架中@Resource和@Autowired是用于实现依赖注入的两个重要注解,及@Primary注解
  • 代码随想录|图论|09沉没孤岛
  • vue项目中纯前端实现导出pdf文件,不需要后端处理。
  • 论基于架构的软件设计方法(ABSD)及应用
  • Ehcache、Caffeine、Spring Cache、Redis、J2Cache、Memcached 和 Guava Cache 的主要区别
  • 【ubuntu24.04】忘了自己把开机samba挂载的脚本放哪里了
  • 【C++特殊工具与技术】固有的不可移植的特性(3)::extern“C“
  • Python实例题:文件内容搜索工具
  • 学习记录:DAY34
  • 树的重心(双dfs,换根)
  • 目标跟踪存在问题以及解决方案
  • 算法第54天| 并查集
  • 【Redis】解码Redis中的list类型,基本命令,内部编码方式以及适用的场景
  • 分布式ID生成SnowflakeId雪花算法和百度UidGenerator工具类
  • 深入解析:Vue 中的 Render 函数、JSX 与 @vitejs/plugin-vue-jsx 实践指南
  • DeepSeek 部署中的常见问题及解决方案:从环境配置到性能优化的全流程指南
  • Merkle Tree原理与Python实现
  • RabbitMQ RPC模式Python示例
  • 【RabbitMQ】基于Spring Boot + RabbitMQ 完成应用通信
  • Idea中Docker打包流程记录
  • C++11 <chrono> 库特性:从入门到精通
  • 线程与协程的比较
  • 【机器学习与数据挖掘实战 | 医疗】案例18:基于Apriori算法的中医证型关联规则分析
  • 《表白模版之聊天记录,前端js,html学习》
  • 2025暑期学习计划​参考
  • CPT204-Advanced OO Programming: Lists, Stacks, Queues, and Priority Queues
  • 026 在线文档管理系统技术架构解析:基于 Spring Boot 的企业级文档管理平台
  • Moxa 加入 The Open Group 的开放流程自动化™论坛,推动以开放、中立标准强化工业自动化