视频演示｜如何用 DolphinDB 快速实现高频因子实时计算与批流一体

与传统的关系数据库和常见的时序数据库不同，DolphinDB不仅提供了高速存取时序数据的基本功能，而且内置了向量化的多范式编程语言与强大的计算引擎。DolphinDB的计算引擎不仅可以用于量化金融的回测和研发，也可以用于生产环境的实时计算，譬如高频因子的计算。

除了天然具备流表对偶性，支持使用 SQL 语句进行数据注入和查询分析这一优点外，DolphinDB 的流数据处理系统还提供了内置的流数据时间序列、横截面、异常检测、响应式状态引擎，同时可以方便快速地实现高频交易数据回放和流数据过滤功能。

 批流一体 

Python pandas / numpy 目前是研究阶段比较常用的高频因子解决方案，虽然 pandas 对历史面板数据处理有非常成熟的解决方案，但无论对历史数据计算，还是对实时数据计算，其性能都较差；同时由于 Python 仅支持全量计算，因此无法达到实时计算的性能要求。

在此基础上，考虑到生产环境中性能的重要性，很多用户机构会用 C++ 重新实现研究（历史数据）代码。不过，这种方法需要维护两套代码，开发成本（时间和人力）会大幅增加。此外，还要耗费大量精力确保两套系统的结果完全一致。

在 DolphinDB 中，我们可以通过历史数据检验因子的结果，检验完成后，将因子放到响应式状态引擎中去做实盘数据计算：一套代码可以同时作用于历史数据分析和实时计算。用 DolphinDB 的计算引擎实现增量实时计算，性能上等同于 C++ 代码的优化实现，而开发的难度则是大幅降低。

大家可以通过下面的短视频，快速了解如何用 DolphinDB 实现高频因子实时计算与批流一体 👇👇