精彩回顾 | 来看 QTF 量化科技嘉年华上的 DolphinDB

6月2日至6月3日，2023“量变·质变”量化科技嘉年华在上海世博中心圆满举办。

DolphinDB 作为联合主办方，在6月3日上午的“因子挖掘与机器学习”分论坛中，为广大量化粉丝们奉上了一场干货满满的主题分享与圆桌讨论，现场座无虚席，反响热烈，收获了一致好评。

此外，嘉年华还设置了厂商展区，包含护照集章、展台抽奖等趣味活动。DolphinDB 为粉丝准备了抽奖圆盘和丰富的小礼品，并有技术支持团队现场路演交流。

主题分享

DolphinDB 创始人暨 CEO 周小华博士受邀分享《下一代因子挖掘统一框架：打破界限的流式实时计算平台》。

DolphinDB 为海量历史数据、实时行情数据的处理和中高频因子计算提供了高性能的投研方案。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，方便用户进行因子的流批一体计算。未来将融合机器学习、AI 继续探索新的可能。

对于量化交易员们来说，有了实时产生的交易信号，怎么能够快速传递到交易系统里面呢？DolphinDB 引入了三种技术：

第一，通过在流计算中引入 JIT 技术，降低流计算的时延。

第二，得到流计算结果后，通过跨进程共享内存交换数据，DolphinDB 系统和交易系统、风控系统在同一个节点上，从而降低将数据传给交易系统的时延。

第三，Swordfish 的发布，使得用户可以将 DolphinDB 作为一个库嵌入到交易系统的进程中，而且在同一个进程中还可以推动内存交换获取数据，时延进一步降低。

同时，DolphinDB 在不断加强对 AI 建模分析的支持。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 首先提供了内置的机器学习工具，并支持分布式存储和计算。

此外，研究员们可以通过 AI Data Loader，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。

DolphinDB 最近也在做一些新的工作和探索。

正在研发中的 GPU 算子库可以将计算无缝迁移到 GPU 中，使得性能有数量级的提升。最后，面对越来越丰富的多元化数据、异构数据，DolphinDB 正在研发 Vector Database，来支持对这些数据方便的存储和检索。

点击查看视频回放

完整的演讲内容请添加小助手微信（dolphindb1）加入交流群获取~

圆桌论坛

圆桌论坛环节，周博士与来自投研平台、量化交易平台和券商投研交易团队的三位负责人共同进行了《量化新视野下的前沿技术探索》主题讨论，围绕 AI 大模型、深度学习在业务中的实践、新技术下软硬件成本、未来潜在发展等热点话题，与观众交流。

圆桌问题一览：

最近最火热的技术趋势就是 AI 大模型，请问一下各位嘉宾，有自己玩过 ChatGPT 吗？有没有什么有意思的实践可以分享？
前一阵某知名千亿量化私募宣布成立新的团队入场大模型 AI，请问各位对此有什么看法？
有人说，量化研究员的工作就是每天挖掘各种因子，但很多时候一个优秀的模型也会带来显著的策略增长，那么在量化领域里，各位认为因子和模型这两者是什么样的关系？哪一块更重要？
其实很早之前，机器学习就已经应用于预测股市价格、走势等方面的场景，但往往专注于传统模型比如决策树。现在比较流行深度学习模型，什么递归神经网络模型、卷积神经网络模型等等。能否结合自身业务，谈谈在这方面的实践？
除了前面提到的传统的选股、择时等业务，未来这类前沿技术会给量化领域带来哪些新的可能？潜在的发展方向又有哪些？
从应用的角度来说，想要将深度学习和业务结合产生好的效果，对咱们团队提出了哪些软硬件需求？
我们知道深度学习模型并不完全是对传统的机器学习算法的简单升级。在做决策时，尤其是风控，可解释性和对业务的理解非常重要。有时对一些结构化数据使用深度学习，会产生过拟合。对于数据挖掘和可解释性的平衡问题，各位有什么看法？

四位嘉宾围绕以上七个问题展开了深入讨论，各抒己见，也激发了现场观众的思考。想听嘉宾们的详细回答？点击查看视频回放~