CTA策略在现代金融市场中扮演着重要角色，通过技术分析和趋势跟踪，其能够帮助用户捕捉市场动向，实现风险对冲和利润最大化。在中高频交易中，CTA策略对交易效率、盈利能力的助益尤为明显。在投入实盘交易之前，利用市场的历史数据对量化中高频策略进行测试和评估是确保交易策略有效

在实时计算中，端到端的响应延迟是衡量计算性能时最重要的指标。DolphinDB内置的流数据框架支持流数据的发布与订阅、流式增量计算、实时关联等，用户能够快速实现复杂的实时计算任务，达到毫秒级甚至亚毫秒级的效果，而无需编写大量代码。本文介绍如何对DolphinDB流计算任务进行全链路

Oracle是一个广泛使用的关系型数据库管理系统，它支持ACID事务处理，具有强大的安全性和可靠性，因此被广泛应用于各种企业级应用程序。但是，随着数据规模的增加和业务需求的变化，Oracle的一些限制和缺点也逐渐暴露出来。例如，Oracle的许可证费用昂贵，而且对于海量数据的处理能力较弱。

随着仪表测点的大幅增多和采样频率的增加，中国核动力研究设计院仪控团队原本基于MySQL搭建的旧系统已经无法满足大量数据并发写入、实时查询和聚合计算的需求。他们在研究DB-Engines时序数据库榜单时了解到国内排名第一的DolphinDB。经过测试，发现其非常符合业务需求，并且在2022

此处划重点：优秀实习生评比活动将每三个月进行一次，获评同学可获得优秀实习生证书和丰厚的奖励——是心动的感觉！作为实习生培养计划，星臾计划不但能帮助在校生提前了解企业、熟悉工作环境，还能提前锁定正式Offer。从今年起，DolphinDB各校招岗优先考虑有DolphinDB实习经历的同学，如

前言DolphinDB是由浙江智臾科技有限公司研发的一款高性能分布式时序数据库，集成了功能强大的编程语言和高容量高速度的流数据分析系统，为海量结构化数据的快速存储、检索、分析及计算提供一站式解决方案。DolphinDB数据库支持每秒百万级数据写入，万亿级别数据毫秒级查询响应，以及高压

1.绪论在真实的业务场景中，时间序列数据具有以下特点：采集频率（秒级甚至毫秒级）高，导致数据量非常庞大。数据价值密度低。对数据进行合理的降采样不仅极大地可以降低系统压力、节约存储成本，同时也可以帮助用户聚焦重要信息，提升数据价值。本教程将以要点感知算法为例介绍如何在DolphinD

近日，浙江智臾科技有限公司（以下简称“智臾科技”）正式签署CLA贡献者许可协议，加入龙蜥社区（OpenAnolis）。智臾科技主创团队从2012年开始投入研发DolphinDB。DolphinDB作为一款基于高性能时序数据库，支持复杂分析与流处理的实时计算平台，集成了功能强大的编程语言和高吞吐率的流数

1DECIMAL的计算特性1.1DECIMAL的计算方式DECIMAL的存储分为两部分，即存储整型数据的rawdata和存储小数位数的scale。例如，对于DECIMAL32(2)类型的1.23,它存储了两个数据：(1)rawdata：即整型123，(2)scale：即2。这样存储的好处是，在计算时可以直接使用整型的rawdata进行

上周末，DolphinDB分别在上海及深圳成功举办了两场D-Day分享会，来自国内头部券商、公募基金以及多家私募机构的数十位核心策略研发、数据分析专家们分享了DolphinDB在量化交易各个环节的使用经验，并基于与同类技术栈的优劣势对比，交流了在日常投研交易过程中遇到的瓶颈及解决方案。

在Gartner近日发布的 HypeCycleforData,AnalyticsandAIinChina,2023 报告中，DolphinDB位列实时数据管理代表厂商。这是自去年DolphinDB入选Gartner《中国数据库管理系统供应商甄选》后，又一次凭借领先的产品能力获得国际权威第三方分析机构的关注和认可。什么是Hyp

DolphinDB已经有非常多的窗口计算函数，例如m系列的滑动窗口计算，cum系列累计窗口计算，tm系列的的时间窗口滑动计算。但是所有这类函数都是对窗口内的所有记录进行指标计算，难免包含很多噪音。DolphinDB的金融领域用户反馈，通过交易量信息等对窗口内的记录进行过滤，得到的计算指标具

【我和openGauss的故事】浅尝openGaussv5.0.0的MySQL语法兼容性严少安2023-07-1418:50发表于openGauss公众号在openGauss中，以下简称og5，提供了一个名为Dolphin的插件，并以此来提供MySQL的兼容性。本文将以openGaussv5.0.0版本为基础，对照PostgreSQLv15.2和Mar

DolphinDB集高性能时序数据库与全面的分析功能为一体，可用于海量结构化数据的存储、查询、分析、实时计算等，在工业物联网场景中应用广泛。本文以纽约出租车行程时间预测为例，介绍如何使用DolphinDB训练机器学习模型，并进行实时数据的预测，为基于智能网联汽车的车联网企业提供基于机

因子投研中最常用的技术栈之一，就是Python了。作为一款同时支持面向过程和面向对象的编程语言，Python简单易学，操作方便，具有成熟的数据分析生态，因此在量化投研、中低频交易中有非常高的普及率。Python还有丰富的库包，常用的如通过 pandas、numpy 进行复杂数据分析和因子挖掘，用 py

导读为了提升DolphinDB在高并发读写场景下的性能与稳定性，DolphinDB在架构上引入了计算节点（computenode） 。计算节点接管了数据节点的部分职能，负责响应客户端的请求并返回结果。在架构层面，将集群的计算与存储进行分离，保证数据节点的软硬件资源有效服务于IO过程，从而提升集群写

DolphinDB作为一款高性能时序数据库，其在实际生产环境中常有数据的清洗、装换以及加载等需求，而对于该如何结构化管理好ETL作业，Airflow提供了一种很好的思路。本篇教程为生产环境中ETL实践需求提供了一个解决方案，将PythonAirflow引入到DolphinDB的高可用集群中，通过使用A

DolphinDB作为一款高性能时序数据库，其在实际生产环境中常有数据的清洗、装换以及加载等需求，而对于该如何结构化管理好ETL作业，Airflow提供了一种很好的思路。本篇教程为生产环境中ETL实践需求提供了一个解决方案，将PythonAirflow引入到DolphinDB的高可用集群中，通过使用Ai

DolphinDB曾发布过 DolphinDB：WorldQuant101Alpha因子的流批一体实现 和 DolphinDB：国泰君安191Alpha因子的流批一体实现 这两篇文章，介绍了如何基于DolphinDB的

物联网的发展为智能安防和自动化监控带来了更多便利，与此同时，新型城镇建设、智慧城市与智慧社区的发展也为门禁管理等安防问题智能化提出了更高的要求。在智能化发展的背景下

本文为DolphinDBC++API（连接器）写入接口的使用指南，用户在有数据写入需求时，可以根据本篇教程快速明确地选择写入方式。本文将从使用场景介绍、原理简述、函数使用、场景实

随着政策的推进、技术的迭代以及市场需求的逐步扩大，采用安全可控的金融科技产品渐渐成为热潮，国内众多金融政企机构纷纷开始改造升级原有IT系统，对老旧系统的国产化替换需求日

数据迁移再平衡的目标是保证分区副本尽可能均衡分布，副本位置影响着IO性能、节点负载，对于数据访问延迟有着较大的影响。近来，越来越多的客户对于数据容量或计算性能提出了更

因子挖掘是量化金融研究和交易的核心工作。传统的开发流程中，通常使用Python从关系型数据库（如SqlServer,Oracle等）读取数据，在Python中进行因子计算。随着证券交易规模

1.应用场景随机振动[注1]会发生在工业物联网的各个场景中，包括产线机组设备的运行、运输设备的移动、试验仪器的运行等等。通过分析采集到的振动信号可以预估设备的疲劳年限