2025年3月5日，DolphinDB创始人兼CEO周小华博士受邀走进香港中文大学（深圳）数据科学学院，为师生带来了一场以“中高频量化核心技术解析：从数据分析到实时计算”为主题的深度讲座。

本次活动作为数据科学学院职业主题月的重要环节之一，聚焦人工智能技术在量化交易领域的应用，围绕中高频量化核心技术与关键技能分享。

SDS职业月：勇往“职”前，“数”你最行

人工智能正以惊人的速度重塑世界，从行业运作到职业需求，每一次技术变革都蕴藏着无限机遇。港中大（深圳）数据科学学院将持续推出系列职业活动，帮助同学们深入洞悉人工智能等前沿技术如何驱动行业转型，并为同学们提供从职业规划到技能提升的全方位支持。无论你是正在求职、计划深造，还是探索职业方向，数据科学学院都将全力助力每一位学子在AI时代中稳步前行，开创更加广阔的未来。

点击下方链接查看职业月活动预告，更多职业活动详情，敬请关注班级微信群及公邮通知。

职业月活动预告 | 港中大（深圳）硕士项目职业主题月活动预告

活动回顾

行业趋势与技术挑战

周博士首先剖析了当前量化行业的竞争态势，他指出，量化行业已进入“军备竞赛”阶段，主要体现在以下三个方面：

▪️数据处理：随着数据源从基本面数据和市场数据扩展至另类数据与高频因子数据，深度挖掘能力成为关键竞争要素。

▪️技术架构：量化团队需要在研发阶段实现高效迭代，同时满足实盘阶段毫秒级响应需求，这对系统的灵活性与稳定性提出了更高要求。

▪️策略开发：因子挖掘的深度与广度需要进一步提升，同时策略需通过市场压力测试验证其在不同环境下的健壮性。

此外，周博士强调，在整个量化投研体系中，数据基础设施是核心支撑。他详细解析了传统技术方案在存储海量行情数据与多因子数据时的局限性，为大家展示了技术革新的重要性。

DolphinDB的技术突破

周博士进一步结合具体案例，展示了DolphinDB在量化领域的技术解决方案：

▪️曲线拟合引擎：通过高效算法实现利率与波动率曲线的拟合，快速构建精确的曲线模型，为定价与风险管理提供支持。

▪️估值定价引擎：结合实时行情与拟合曲线，支持债券、外汇等资产的快速估值与风险指标计算。

这两个中间件的协同作用不仅能够实时捕捉定价偏差，还为交易决策提供了动态数据支持。

 人工智能（AI）等前沿领域探索成果

在技术展望部分，周博士分享了DolphinDB在人工智能等前沿技术领域的最新探索，包括企业级实时计算平台Orca、投研及实时交易平台Quant Cloud以及CPU-GPU异构计算平台Shark。

此外，他还分享了正在开发的大语言模型 Dlang，并阐述了其与金融Agent的融合应用。这些创新展示了AI技术在复杂金融任务中的巨大潜力，也激发了在场同学的浓厚兴趣。

互动交流

在互动环节，同学们围绕技术细节与行业应用踊跃提问，现场讨论热烈，学术氛围浓厚。周博士在解答问题的同时，也对量化行业未来的人才需求进行了深入分析，并向同学们介绍了DolphinDB的招聘计划。活动现场还设置了简历投递环节，为同学们提供了宝贵的职业机会。

学生感言

孟子迪

金融工程理学硕士项目2024级

今晚的 DolphinDB 讲座让我收获颇多，尤其是关于高频因子数据的存储和计算，正好和我最近的实习方向相关。讲座内容很有干货，不仅讲到了量化交易中的因子挖掘，还分析了不同数据存储方式的优缺点，比如窄表和宽表的处理，这部分让我印象非常深刻。此外，DolphinDB 在实时计算和策略回测上的优化也让我有了一些新的思考。虽然有些内容还需要再消化一下，但整体下来，对高频数据的管理和计算方式有了更清晰的认识。总体来说，这次讲座非常有价值，也让我对后续的学习和实践方向有了更多想法，感谢周博士的分享！

赵文天

金融工程理学硕士项目 2023级

参与周小华博士的讲座活动让我受益匪浅，这场硬核的技术分享，不仅让我触及量化领域的核心逻辑，更点燃了我对数据科学更深层探索的热情。作为DolphinDB创始人，周博士以扎实的学术背景与顶尖金融机构的实战经验，将晦涩的量化“黑箱”层层拆解。从Level2订单流的实时处理到GPU加速的因子计算，他不仅展示了技术路径的精密逻辑，更揭示了其背后的工程哲学——高性能并非仅依赖代码优化，而是对业务痛点的深刻洞察与全链路协同。这让我意识到，量化不仅是数学与编程的竞技场，更是对市场行情的极致解构。周博士分享的DolphinDB的应用成就，更让我看到国产数据技术在国际舞台上的巨大竞争潜力。

老兆杰

金融工程理学硕士项目2024级

讲座提到了在量化高频策略的研发和执行中一些和数据相关的问题，列出了很多市面上数据处理工具的痛点，以及一些回测平台的不足。之前我在量化私募实习的时候也遇到了周博士讲的一些问题，所以深有感触。周博士还提到了很多Dolphin DB采用的技术方案，是如何针对这些痛点提高存储和运算效率，简化策略研发流程的。虽然有部分专业名词听不懂，但也使我对Dolpin DB更感兴趣了。

杜金明

金融工程理学硕士项目 2024级

本次讲座让我对中高频量化交易的技术脉络有了更加深入的认知。周小华博士以“数据驱动”为主线，从数据存储、实时计算到策略落地，层层递进，由浅入深，既有理论深度，又充满实战智慧。我深感技术工具对策略竞争力的决定性作用，而DolphinDB的解决方案正切中行业痛点。最让我触动的是DolphinDB对海量数据的处理能力。面对Level2行情动辄数十TB的数据洪流，传统数据库常陷入性能瓶颈，而DolphinDB通过窄表与宽表混合存储方案与列式压缩技术，将数据运维效率提升至秒级。讲座中展示的订单簿合成案例尤其震撼——仅用0.67毫秒即可生成含自定义指标的LOB快照，极大地提升了策略研发效率。在实践层面，DolphinDB的流批一体架构让我看到策略研发范式的革新。以往回测与实盘常因代码不兼容而割裂，而DolphinDB通过统一的SQL引擎与状态管理，实现了“一次开发，多端部署”。结合JIT即时编译与GPU加速，打通了投研回测与实盘交易的壁垒，真正实现了从历史数据回放到实时决策的无缝衔接。这种效率跃迁不仅降低了开发成本，更让我对高频策略的迭代充满信心。  更难得的是，DolphinDB展现出对量化业务本质的深刻理解。例如，在因子库动态管理中，窄表模式在因子数据查询和因子数据运维方面全面优于宽表模式，完美适配高频场景的敏捷需求；而模拟撮合引擎对订单时延和摩擦成本的精细模拟，则让策略在回测阶段即可暴露实盘风险。这些细节让我意识到，优秀的技术工具不仅是“加速器”，更是“指南针”，能引导团队避开技术深坑，专注于策略本质。此次讲座让我看到金融科技领域的技术突破，刷新了我对时序数据库的认知。期待未来DolphinDB将在智能投研、自动化交易等领域持续引领创新，在数据驱动的量化赛道上跑出更优解。