睿凝资本 CEO 王睿、CTO Jack
最初了解到DolphinDB是知乎的一条测评贴。作为KDB+的多年老用户，我对于这家对标KDB+、测评结果优秀的国产时序数据库非常感兴趣。读帖不久，前公司恰好邀请了DolphinDB的创始人周小华博士来做路演，这让我对DolphinDB有了更深的认识。告别前公司，结合多年的量化投资经验与数理专业特长，我与合伙人共同创办了北京睿凝私募基金管理有限公司。
睿凝的业务需求
睿凝是一家专注于通过数理建模及程序化交易进行量化投资的对冲基金公司，主要从事对冲基金的多样性策略交易，研发投资策略，为客户提供差异化收益风险特征的资管产品。
在研究策略的过程中，我们每天都要面对大量的交易数据与报价数据，需要处理每日20GB左右的新增数据以及几十TB的历史数据。这是非常大的数据量，对系统的性能要求也非常高。基于对性能和成本的考量，我们尝试搭建一套系统，希望满足以下需求：
-
查询：分区灵活方便，实现毫秒级响应
-
写入：系统高吞吐、低延时，实现毫秒级批量写入
-
计算：计算引擎强大，实现毫秒级实时计算
-
成本：尽量降低开发与运维的成本
为什么选择DolphinDB
针对业务需求，我们参考DB-Engines的排名将InfluxDB、KDB+和DolphinDB列入选型名单，并且从数据的批量写入、查询和实时计算等方面进行测试对比。根据实际结果来看，DolphinDB作为当时国内排名第1、世界排名第12（目前排名第9）的时序数据库，性能远远超过其他几家排名更高的数据库。
-
除了在批量写入、查询和实时计算等方面的性能卓越外，DolphinDB已经超越了传统数据库简单的存储和查询功能，内置众多量化金融常用的数据分析函数，可以充分满足我们编程建模的需求。
-
在学习成本方面，DolphinDB支持类标准SQL的语法，脚本语言类似Python。相比学习KDB+晦涩的脚本语言，我们的技术人员尤其是新人可以更快上手DolphinDB，这大大节省了技术人员的培训成本和使用成本。
-
在流计算方面，DolphinDB自带优秀的流数据引擎，非常有利于研发的策略在生产环境落地。
-
在技术服务方面，DolphinDB具有国内专业的技术支持团队，可以及时解答我们的问题，也会配合我们的需求开发新功能。
综合考虑后，我们选择了性能强悍的国产数据库DolphinDB。
我们用DolphinDB做了什么
我们借助DolphinDB内置的流数据计算引擎，实时收集行情数据包括逐笔的股票交易和委托数据以及快照数据，然后进行数据的清洗、统计、计算和入库。在使用DolphinDB计算我们因子库指标的诸多应用之中，让我以资金流指标和K线衍生的价量指标为例，用下面的流程图来说明一下部署DolphinDB的流数据计算引擎的技术过程。
计算资金流指标
订阅买卖方向流数据表，使用时间序列聚合引擎分别计算不同时间窗口的自定义资金流指标。生成资金流指标流数据表。
计算K线衍生的量价指标
订阅买卖方向流数据表，使用时间序列聚合引擎分别计算不同时间窗口的K线，与响应式状态引擎级联构成多引擎流水线，使用增量计算的方式高效计算回报率等衍生的量价指标，生成量价指标流数据表。
进行交易与回测
一方面，将计算后输出的流数据表中的数据，通过Python API订阅方式推送至实盘交易系统；另一方面，上述所有流数据表通过本地或远程订阅方式写入数据库表，便于后续通过历史数据回放方式进行策略验证与优化。
从近半年生产环境运维状况来看，通过DolphinDB流数据引擎计算因子可以实现毫秒级响应，整体性能稳定，延时低、吞吐高。
总结
在这一年多的合作中，不管是性能还是技术服务，我对DolphinDB都非常满意。DolphinDB为睿凝的业务带来了很高的价值。作为多年的KDB+老用户，我觉得DolphinDB的性能已经超越KDB+、并且还在不断前进中。另外，在接触到的众多软件提供商中并不是所有企业都能真正做到倾听客户，但是DolphinDB确实做到了。我很喜欢与DolphinDB之间互相倾听与反馈的过程。不管是新的需求，还是corner case上的一个小bug，DolphinDB都会在第一时间回应，并且很快提供解决方案。九万里风鹏正举，希望DolphinDB越做越好，成为未来量化金融行业的标配！
睿凝公司简介：
北京睿凝私募基金管理有限公司（睿凝资本），注册资本人民币1000万元，位于北京市海淀区中关村核心区域，是一家专注于通过数理建模及程序化交易对A股进行量化投资的对冲基金。基金业协会备案编号P1071927。核心团队成员来自国内外顶级投行的量化投资部门负责人和资深基金经理，具备10年以上金融从业经验。公司以人工智能为核心驱动，将统计模型和自动化技术应用于量化投资领域，为投资者提供差异化收益风险特征的资管产品选择，包括但不限于对冲基金类产品和指数增强类产品。
