上海文諦資產管理有限公司（以下簡稱“文諦資產”）秉持理性、務實、高效、專業的投資精神，憑借科學的量化投資戰略、先進的量化交易技術和成熟的風險管理能力深耕量化領域，以創造長期穩定收益為投資目標，為國內外投資者和合作機構提供專業的投資服務。文諦資產業務持續保持穩健發展，公司主要從事CTA和股票的量化策略研究與運作。
大數據技術的飛速發展為量化投資注入了新鮮活力，隨著數據挖掘工具的更迭換代，各大投資機構也在不斷夯實自身的數據處理和分析能力。文諦資產作為量化統計及應用數學領域的投顧專家，在存儲、計算和分析大量時間序列數據的過程中，選擇了高性能的分布式時序數據庫DolphinDB作為強有力的研究工具。在合作的三年間，DolphinDB為文諦資產提供了集數據庫、分布式計算和編程建模于一體的專業服務。本文由文諦資產的首席策略官劉一夫、首席框架官吳永華、首席數據分析師王哲共同撰寫，分享關于DolphinDB的使用場景、使用效果、技術服務、選型過程和學習經驗。
1.使用場景
我們主要在行情存儲、因子挖掘和模型回測三方面用到了DolphinDB。
1.1行情存儲
在行情存儲方面，我們主要使用DolphinDB進行數據的入庫、清洗與查詢。
在存儲數據時，我們借助DolphinDB的分布式特性，通過提前確定好數據導入的分區字段與分區粒度，提高后續數據檢索與分析的效率。比如在查詢數據時，DolphinDB會以分區字段為數據過濾，通過SQL引擎快速定位要查找的數據塊，從而避免對整張表進行掃描，這極大提高了查詢速度。此外，為方便后續的數據分析工作，我們會使用DolphinDB對海量時序數據進行高效清洗，找出并消除殘缺、錯誤或重復的數據，進而輸出一份高質量的、滿足業務需求的數據。相比其他數據清洗工具隨著數據量的增大自身性能會下降的情況，DolphinDB在實際應用中能夠保持穩定性能。
1.2因子挖掘
在因子挖掘方面，我們主要使用DolphinDB處理數據量龐大、運算復雜的工作任務。
目前我們處理的總數據量大概在幾十TB，每日新增數據約為70GB。在使用過程中，我們不僅會用到DolphinDB高速存取數據的基本功能，同時會用到其內置的多范式編程語言與多種計算引擎。
比如在處理一些tick數據時，我們會使用DolphinDB完成前期的一些運算，然后通過Python API，將計算結果導入Python模型進行組合。其中我們會用到DolphinDB的流計算框架，進行流數據的發布、訂閱、預處理、實時內存計算以及復雜指標計算等。以DolphinDB內置的時間序列聚合引擎為例，僅需設定幾個參數指標，配合wsum、corr等聚合函數的使用，就可以快速便捷地實現復雜的滑動時間窗口聚合計算。
1.3模型回測
在模型回測方面，我們會用到DolphinDB提供的函數接口、元編程和計算框架，根據這些現有的方法和框架來進行高效回測。
一些現成函數如context by、crossStat等的使用可以幫助我們大大提升數據處理、特別是編程的工作效率。例如context by，該函數作為DolphinDB的獨創功能可以實現對時序數據的快速分組。相比group by每組只能返回一個標量值的特性，context by可以使每一個組返回一個和組內元素數量相同的向量。并且在回測工作中，group by只能配合聚合函數使用，但是context by可以與其他聚合函數、移動窗口函數或累計函數等結合使用，這極大方便了研發工作。總的來說，DolphinDB獨創的諸多函數功能豐富、使用方便，切實有效地幫助我們提升了回測效率。
函數示例：DolphinDB context by vs group by
同時，我們會使用DolphinDB的元編程功能。利用元編程設計的程序具有讀取、生成、分析及轉化其他程序的功能。通過生成動態表達式以及延遲執行的元編程，使得研究人員即便在代碼運行時仍可自行修改代碼。此外，一些計算框架如MapReduce幫助我們進行并發計算，極大提升了計算效率。
2.使用效果
在行情存儲方面，我們的研究人員能夠清晰感受到DolphinDB的壓縮比率之高和數據落庫速度之快。舉例來說，在處理幾十TB的歷史數據時，需要在DolphinDB中壓縮數據，而DolphinDB的壓縮比例非常優秀，最高可以達到10:1，能夠切實地滿足我們的業務需求。
在因子挖掘方面，我們經常會計算一些復雜因子。比如使用單日新增數據計算一個復雜因子，可以實現秒級計算。如果使用大量的歷史數據，整個測試的運算時間甚至可以控制在分鐘級別。
在模型回測方面，由于DolphinDB支持數據項目化的批量處理，因此總體的回測效率很高。比如在進行某個特定參數的測試，整體時間可以控制在1分鐘內。再比如對大量歷史數據測試全方位的特定參數，從邏輯的實現到最后的產出，整體效率非常高。
3.技術服務
談及對DolphinDB最深刻的印象，就是技術支持服務。
2020年，我們與DolphinDB CEO周小華博士及技術團隊當面進行了深入交流。周博士為我們提供了許多專業的建議，同時技術團隊針對我們的業務需求進行了詳細記錄，并且在后續的跟蹤服務中幫助我們逐一實現了需求。
在之后的使用中，我們也會遇到技術疑惑與功能需求。比如今年在處理一些高頻數據時，我們急需一些函數的詳細用法。在與我們溝通后，DolphinDB的工程師及時教授了我們關于函數的構建、以及改善調優的方法。在平時的技術咨詢中，不論是多晚，即便有時是在周末，我們總會得到技術支持工程師們的及時回復。當然，除了技術咨詢，我們也會向DolphinDB提出一些開發需求。比如實現因子，雖然有些因子是不常規的、甚至非常復雜，DolphinDB的工程師們都會通過現有的功能向我們提供支持。還有必須提的一點，我們曾經向DolphinDB溝通了一個特別的功能需求，結果這個功能很快就在下一個版本中得到實現。從需求的提出到功能的實現，整體速度確實是非常驚人的。
無論是支持效率，還是專業程度，我們對DolphinDB的技術支持服務都非常滿意。
4.時序數據庫選型
我們在選型時對比了多家時序數據庫，其中主要考慮的是Kdb+與DolphinDB。
Kdb+作為金融領域的老牌時序數據庫，雖然名氣大、使用面廣，但是其作為國外廠商缺乏國內的技術支持，并且其語法晦澀，培訓成本和學習成本較高。
DolphinDB在查詢和存儲方面的性能明顯優于其他數據庫，其具備的多種流計算引擎對于流數據處理非常友好。同時DolphinDB具有高壓縮比，內置豐富的金融函數庫，可以極大便捷研發生產。此外，DolphinDB可以提供及時專業的技術支持，同時上手門檻較低。
最終，我們選擇了集存儲、計算與開發于一體的高性能分布式時序數據庫DolphinDB。
5.學習和使用經驗
總體來看，DolphinDB的入門是比較容易的。如果有Python和SQL的語法基礎，那么只需一兩周的時間就可以上手DolphinDB。
若要更加精進地使用DolphinDB，需要對DolphinDB進行更加深入的了解。首先要了解存儲引擎的架構，目前DolphinDB使用的是OLAP和TSDB兩種引擎，可以提供很高的寫入吞吐。其次，要深入理解數據庫的設計原理，比如分區表的工作原理，這會大大提升數據查詢的效率。然后，在數據計算方面要學習一些高效處理所需的函數，這樣在實際業務場景中可以更加自如地使用函數。最后，要保持一顆學習的心態。因為DolphinDB在不斷地優化提升，不斷地擴展迭代一些新的功能，要用好DolphinDB，一定要保持學習態度、緊跟版本技術動態。
6.結尾
在友好合作的三年間，DolphinDB切實有效地助力文諦資產進行量化投研。希望DolphinDB可以精益求精，未來在行業中的發展越來越好，越來越強。文諦資產也會堅守不斷追求創新、大膽向前的精神，推動量化投資向更高更遠發展。
關鍵詞：
