实时行情难处理？睿凝资本选择 DolphinDB 解决流数据难题为管理对冲基金营业中的流推算困难，应对逐日海量数据的存储、推算和盘问需求，睿凝本钱通过对众家数据库选型调研，最终拔取了 DolphinDB。本文将讲述睿凝本钱应用 DolphinDB 的完全践诺。

　　最初了然到 DolphinDB 是知乎的一条测评贴。举动 KDB+的众年迈用户，我合于这家对标 KDB+、测评结果卓越的邦产时序数据库至极感乐趣。读帖不久，前公司刚巧邀请了 DolphinDB 的创始人周小华博士来做道演，这让我对 DolphinDB 有了更深的明白。离去前公司，贯串众年的量化投资阅历与数理专业拿手，我与协同人联合创始了北京睿凝私募基金收拾有限公司。

　　睿凝是一家笃志于通过数理修模及措施化往还实行量化投资的对冲基金公司，首要从事对冲基金的众样性计谋往还，研发投资计谋，为客户供给分歧化收益危机特性的资管产物。

　　正在斟酌计谋的进程中，咱们每天都要面临大批的往还数据与报价数据，需求经管逐日20GB把握的新增数据以及几十TB的史乘数据。这是至极大的数据量，对体系的机能请求也至极高。基于对机能和本钱的考量，咱们测试搭修一套体系，生机满意以下需求：

　　针对营业需求，咱们参考 DB-Engines 的排名将 InfluxDB、KDB+和 DolphinDB 列入选型名单，而且从数据的批量写入、盘问和及时推算等方面实行测试对照。按照实践结果来看，DolphinDB 举动当时邦内排名第1、天下排名第12(目前排名第9)的时序数据库，机能远远领先其他几家排名更高的数据库。

　　除了正在批量写入、盘问和及时推算等方面的机能优秀外，DolphinDB 曾经超越了守旧数据库浅易的存储和盘问效用，内置众大批化金融常用的数据阐发函数，可能充溢满意咱们编程修模的需求。

　　正在练习本钱方面，DolphinDB 撑持类尺度 SQL的语法，剧本发言相似 Python。比拟练习 KDB+沉滞的剧本发言，咱们的本领职员越发是新人可能更疾上手DolphinDB，这大大节俭了本领职员的培训本钱和应用本钱。

　　正在流推算方面，DolphinDB 自带卓越的流数据引擎，至极有利于研发的计谋正在坐褥境况落地。

　　正在本领效劳方面，DolphinDB 具有邦内专业的本领撑持团队，可能实时解答咱们的题目，也会配合咱们的需求拓荒新效用。归纳探究后，咱们拔取了机能雄壮的邦产数据库 DolphinDB。

　　咱们借帮 DolphinDB 内置的流数据推算引擎，及时征求行情数据蕴涵逐笔的股票往还和委托数据以及疾照数据，然后实行数据的洗濯、统计、推算和入库。正在应用 DolphinDB 推算咱们因子库目标的诸众操纵之中，让我以资金流目标和 K 线衍生的价量目标为例，用下面的流程图来解说一下铺排 DolphinDB 的流数据推算引擎的本领进程。

　　订阅营业倾向流数据外，应用时分序列齐集引擎分歧推算分歧时分窗口的自界说资金流目标。天生资金流目标流数据外。

　　订阅营业倾向流数据外，应用时分序列齐集引擎分歧推算分歧时分窗口的 K 线，与呼应式形态引擎级联组成众引擎流水线，应用增量推算的式样高效推算回报率等衍生的量价目标，天生量价目标流数据外。

　　一方面，将推算后输出的流数据外中的数据，通过 Python API 订阅式样推送至实盘往还体系;另一方面，上述一切流数据外通过当地或长途订阅式样写入数据库外，便于后续通过史乘数据回放式样实行计谋验证与优化。从近半年坐褥境况运维情形来看，通过 DolphinDB 流数据引擎推算因子可能竣工毫秒级呼应，整个机能安祥，延时低、含糊高。

　　正在这一年众的合营中，不管是机能仍旧本领效劳，我对 DolphinDB 都至极合意。DolphinDB 为睿凝的营业带来了很高的代价。举动众年的 KDB+老用户，我感触 DolphinDB 的机能曾经超越 KDB+、而且还正在络续行进中。此外，正在接触到的众众软件供给商中并不是一切企业都能真正做到谛听客户，不过 DolphinDB 确实做到了。我很热爱与 DolphinDB 之间相互谛听与反应的进程。不管是新的需求，仍旧 corner case 上的一个小 bug，DolphinDB 都邑正在第临时分回应，而且很疾供给管理计划。

　　九万里风鹏正举，生机 DolphinDB 越做越好，成为他日量化金融行业的标配!

转载请注明出处。