证券的量化投研

，由星环科技、财联社、野尘科技、望眼科技联合主办，来自申万宏源证券、中信证券、嘉实基金、国泰君安证券、海通证券等的行业大咖齐聚于此，为大家带来了一场穿越量化技术奇点，突破智能投研边界，融合分布式量化激烈性、数据的海量性，为应对挑战需要从数据、算力、算法三个方向进行布局。申万宏源证券在量化自研、做市交易和量化FOF直投等方面积累了大量实践经验。未来随着智能投研门槛越来越高，对算力、软硬件投入比例、人才等的要求也会越来越高，企业亟需打造全业务链核心竞争力，包括投资+研究双轮驱动，同时需要精细化智能投研管理体系，加快布局策略指数产品线。中信证券ESG首席分析师张若海发表了《ESG基本面量化技术展望技术、多模态引擎、大模型、图计算、事件驱动、卫星数据投研等前沿技术于一体的技术盛会，为量化交易插上曲速引擎的翅膀。论坛上，星环科技与望眼科技举行了卫星数据智能投研签约仪式。财联社总编辑杨大泉出席智能投研平行论坛并致辞。杨大泉在致辞中表示，量化投资作为一种重要的投资策略，越来越受到投资者和研究者的关注，人工智能等技术的快速发展，更为智能投研领域的创新提供了强有力支撑，为投资者提供了丰富的投资格局。此次

及闭门交流活动。智能投研论坛作为向星力·未来数据技术峰会（FDTC）的重要部分，由星环科技、财联社、野尘科技、望眼科技联合主办，来自申万宏源证券、中信证券、嘉实基金、国泰君安证券、长江证券等的行业大咖将齐聚于此，为大家带来一场穿越量化技术奇点，突破智能投研边界，融合分布式量化技术、多模态引擎、大模型、图计算、事件驱动、卫星数据投研等前沿技术于一体的技术盛会，为量化交易插上曲速引擎的翅膀。5月25-26日，由星环科技、上海数据交易所、上海市城市数字化转型应用促进中心、上海大数据联盟、财联社联合主办的向星力·未来数据技术峰会（FDTC）将在上海前滩香格里拉大酒店举办。来自国内外政府、金融、交通、能源、制造等行业的超过1500名嘉宾将出席会议，共同探讨新的大数据技术发展趋势、国产化数据库、数字化转型、数据安全、数据要素与流通等热门话题。大会设立1场主论坛、6场分论坛、8场会前技术培训

环科技深耕金融行业多年，拥有银行、证券、保险、基金等不同金融机构的数字化成功经验。近日，星环科技推出了TransQuant智能智能投研一体化平台，利用高性能的分布式计算框架，支持异构集群式（CPU/GPU硬件池化技术）的量化策略研发、回测分析、实时定价、归因估值、衍生品定价、风险Senario模拟/压力测试、资产组合运营管理等能力，助力金融进入智能投研大时代。01量化投资基础设施面临新挑战金融投资金融市场，只有基于智能化驱动的引擎，可以“不眠不休”处理各类数据，通过数量化方式及计算机程序化发出买卖指令，以获取稳定收益，并在第二天开盘前将昨晚全球金融资讯和投资研究报告呈现给投资经理。目前智能投研的基础，超大容量超低延迟的数据处理能力，成为智能投研的基础。在实盘交易中，大部分券商自营、资管机构以及量化私募都基于秒级数据进行交易。面向tick级行情的高性能实时计算，如衍生品实时定价、做市交易AI和量化结合的优势。以往智能投研需要整合人工智能平台、量化研究平台、自然语言处理平台、知识图谱平台、深度学习平台等非常多且复杂的PaaS层，帮助量化投资交易研究人员完成另类数据，如舆情的量化研究。信息

市场高频量化的痛点之一，100TB及以上的数据计算已成行业算力瓶颈。而TransQuant智能智能投研平台则基于星环底层大数据技术、时序数据库，通过分布式算子、分布式API和自研算法三种方案大幅度提升智能投研是指利用人工智能、大数据、机器学习等技术手段，对金融市场和投产品进行分析研究，提供投资决策支持和风险控制工具的一种投资技术。随着金融市场的不断发展和技术进步，智能投研逐渐成为投资领域的重要一环。传统的投资分析依靠人力进行，因此存在着信息滞后、人为因素、主观性较强等问题。而智能投研则能够利用机器学习、自然语言处理等技术，快速分析海量的数据，准确识别市场趋势和热点行业。同时，智能投研还能实现对投资组合的动态优化，降低风险，提高投资回报。智能投研的应用主要包括以下方面：对投资标的的分析研究：智能投研能够根据历史数据分析出投资标的的发展趋势和潜在风险，实现更加精准的持仓布局。投资组合管理风险投资。智能投研是一种基于人工智能和大数据技术的智能化投资决系统，能够为投资者提供更加精准的决策支持和风险控制工具，是未来金融领域不可或缺的技术工具。星环智能投研解决方案星环科技TransQuant智能

市场高频量化的痛点之一，100TB及以上的数据计算已成行业算力瓶颈。而TransQuant智能智能投研平台则基于星环底层大数据技术、时序数据库，通过分布式算子、分布式API和自研算法三种方案大幅度提升智能投研是指利用人工智能、大数据、机器学习等技术手段，对金融市场和投产品进行分析研究，提供投资决策支持和风险控制工具的一种投资技术。随着金融市场的不断发展和技术进步，智能投研逐渐成为投资领域的重要一环。传统的投资分析依靠人力进行，因此存在着信息滞后、人为因素、主观性较强等问题。而智能投研则能够利用机器学习、自然语言处理等技术，快速分析海量的数据，准确识别市场趋势和热点行业。同时，智能投研还能实现对投资组合的动态优化，降低风险，提高投资回报。智能投研的应用主要包括以下方面：对投资标的的分析研究：智能投研能够根据历史数据分析出投资标的的发展趋势和潜在风险，实现更加精准的持仓布局。投资组合管理风险投资。智能投研是一种基于人工智能和大数据技术的智能化投资决系统，能够为投资者提供更加精准的决策支持和风险控制工具，是未来金融领域不可或缺的技术工具。星环智能投研解决方案星环科技TransQuant智能

已在多家金融监管机构、证券金融客户中使用。将在金融投研、量化投资和智能推理领域为分析师、研究员和投资经理提供有力辅助，帮助企业更好地应对复杂的市场环境和业务需求，促进整体行业的降本增效与科技创新。星环无涯金融大模型-TranswarpInfinity星环无涯金融智能投研大模型TranswarpInfinity是一款面向金融量化领域、超大规模参数量的生成式大语言模型，融合了舆情、资金、人物挖掘、时序编码、异构关系图卷积传播，进而构建包含事件冲击、时序变化、截面联动和决策博弈等多个维度的智能投研新范式。星环科技无涯金融大模型的核心优势：一是利用海量金融专业语料和舆情工商产业链大宗卫星等多源、空间、上下游等多模态信息，具备强大的理解和生成能力，支持股票、债券、基金、商品等市场事件的全面复盘、总结及演绎推理，以及政策研报的深度分析。通过事件驱动和深度图引擎，星环无涯支持事件语义刻画、定价因子数据进行训练，使其具备领域通用性。二是构建了可溯因的标准化因子和归因解释体系，为投资决策提供支持。三是具备高精准、强逻辑的事理分析与推断力，并能够对股票、债券、基金、商品等各类市场事件进行全面的复盘和

已在多家金融监管机构、证券金融客户中使用。将在金融投研、量化投资和智能推理领域为分析师、研究员和投资经理提供有力辅助，帮助企业更好地应对复杂的市场环境和业务需求，促进整体行业的降本增效与科技创新。星环无涯金融大模型-TranswarpInfinity星环无涯金融智能投研大模型TranswarpInfinity是一款面向金融量化领域、超大规模参数量的生成式大语言模型，融合了舆情、资金、人物挖掘、时序编码、异构关系图卷积传播，进而构建包含事件冲击、时序变化、截面联动和决策博弈等多个维度的智能投研新范式。星环科技无涯金融大模型的核心优势：一是利用海量金融专业语料和舆情工商产业链大宗卫星等多源、空间、上下游等多模态信息，具备强大的理解和生成能力，支持股票、债券、基金、商品等市场事件的全面复盘、总结及演绎推理，以及政策研报的深度分析。通过事件驱动和深度图引擎，星环无涯支持事件语义刻画、定价因子数据进行训练，使其具备领域通用性。二是构建了可溯因的标准化因子和归因解释体系，为投资决策提供支持。三是具备高精准、强逻辑的事理分析与推断力，并能够对股票、债券、基金、商品等各类市场事件进行全面的复盘和

市场高频量化的痛点之一，100TB及以上的数据计算已成行业算力瓶颈。而TransQuant智能智能投研平台则基于星环底层大数据技术、时序数据库，通过分布式算子、分布式API和自研算法三种方案大幅度提升智能投研是指利用人工智能、大数据、机器学习等技术手段，对金融市场和投产品进行分析研究，提供投资决策支持和风险控制工具的一种投资技术。随着金融市场的不断发展和技术进步，智能投研逐渐成为投资领域的重要一环。传统的投资分析依靠人力进行，因此存在着信息滞后、人为因素、主观性较强等问题。而智能投研则能够利用机器学习、自然语言处理等技术，快速分析海量的数据，准确识别市场趋势和热点行业。同时，智能投研还能实现对投资组合的动态优化，降低风险，提高投资回报。智能投研的应用主要包括以下方面：对投资标的的分析研究：智能投研能够根据历史数据分析出投资标的的发展趋势和潜在风险，实现更加精准的持仓布局。投资组合管理风险投资。智能投研是一种基于人工智能和大数据技术的智能化投资决系统，能够为投资者提供更加精准的决策支持和风险控制工具，是未来金融领域不可或缺的技术工具。星环智能投研解决方案星环科技TransQuant智能

市场高频量化的痛点之一，100TB及以上的数据计算已成行业算力瓶颈。而TransQuant智能智能投研平台则基于星环底层大数据技术、时序数据库，通过分布式算子、分布式API和自研算法三种方案大幅度提升智能投研是指利用人工智能、大数据、机器学习等技术手段，对金融市场和投产品进行分析研究，提供投资决策支持和风险控制工具的一种投资技术。随着金融市场的不断发展和技术进步，智能投研逐渐成为投资领域的重要一环。传统的投资分析依靠人力进行，因此存在着信息滞后、人为因素、主观性较强等问题。而智能投研则能够利用机器学习、自然语言处理等技术，快速分析海量的数据，准确识别市场趋势和热点行业。同时，智能投研还能实现对投资组合的动态优化，降低风险，提高投资回报。智能投研的应用主要包括以下方面：对投资标的的分析研究：智能投研能够根据历史数据分析出投资标的的发展趋势和潜在风险，实现更加精准的持仓布局。投资组合管理风险投资。智能投研是一种基于人工智能和大数据技术的智能化投资决系统，能够为投资者提供更加精准的决策支持和风险控制工具，是未来金融领域不可或缺的技术工具。星环智能投研解决方案星环科技TransQuant智能

本节介绍Hippo表写入相关操作。Hippo会返回写入成功数据的下标以及总共写入成功的数据条数，如果出现行级错误（比如主键冲突），Hippo会返回具体的行级错误。插入本节介绍如何向Hippo中插入数据。curl-ushiva:shiva-XPUT'localhost:8902/hippo/v1/{table}/_bulk?database_name={database_name}&pretty'-H'Content-Type:application/json'-d'{"fields_data":[{"field_name":"book_id","field":[1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24,25,26,27,28,29,30,31,32,33,34,35,36,37,38,39,40,41,42,43,44,45,46,47,48,49,50,51,52,53,54,55,56,57,58,59,60,61,62,63,64,65,66,67,68,69,70,71,72,73,74...

本节测试主要描述了Hippo1.0在关键测试上的一些性能表现，该份测试同样也是Hippo的基准测试，后续版本发布也会在不同版本上进行该测试进行对比分析。术语表142.Hippo性能测试术语TermDescriptionnq一次搜索请求中搜索的向量个数topk一次请求中对于要检索的每个向量(依赖nq)，所能检索到最近距离的向量个数RT一次请求从发起到接受响应的时间]QPS请求在每秒内成功执行的次数dataset测试所用数据集，不同数据集表示不同的业务场景测试集群配置硬件配置表143.性能测试硬件配置硬件规范Nodes3CPUIntel®Xeon®Gold5218RCPU@2.10GHzMemory16*\16GBRDIMM,3200MT/sDISKNVMeSSD2T*4GPUNONE软件配置表144.性能测试软件配置软件版本Hippov1.2TranswarpManagerTDH9.3.0测试集表145.性能测试数据集数据集名称数据集介绍向量维度向量总数查询数量数据总量距离类型Sift-128-euclidean该数据集是基于Texmex的数据集整理，使用SIFT算法得到的图片特征向量。...

运维管理界面WebserverWebserver是Hippo提供运维监控的界面。默认访问地址为:4567"class="bare">http://<webserver_ip>:4567。或者在Manager管理界面我们可以通过下图所示的查看链接这里进行跳转。图15.登录HippoWebserverWebserver主要由下面几个部分构成。概况图16.概况该页面展示了Hippo集群的基本信息，包括：Masterstatus：当前的ActiveMaster，MasterGroup，MasterAddress，Master的健康状态TabletServerStatus：TabletServerAddress，健康状态，逻辑机架和数据中心信息，容量使用以及Tablet个数TabletNum：当前集群表的个数Version：Hippo版本信息库表图17.库表页面以库和表的概念集群存储的各类数据信息。库信息：库名库创建时间库内各类表的信息：点击某个库，可以看到库下所有表的信息，主要包括：••表的ID••表的名字••表的状态••表的Tablet数量••表的Engine类型••表的副本数•...

ThistutorialwillguideyouthroughthefollowingtaskswithinHippoCloud:EstablishingatablePerusingthetableIncorporatingdataExecutingsearchoperationsEliminatingrowsDissolvingthetableBeforeyoustartInthisguide,wewillbeutilizingthePythonAPI.Priortocommencement,ensurethatyouhave:RegisteredforaHippoCloudaccount.SubscribedtothecomplimentaryplanandestablishedatrialclusterwithinHippoCloud,orsubscribedtothestandard/enterpriseplansandconstructedadedicatedcluster.IfyouanticipateemployingPythonfordevelopment,ascert...

Hippo在1.2版本提供了全文索引能力，兼容ElasticSearch6.7.2语法，在底层架构上复用了公司产品TranswarpScope的一部分特性，支持以Java/HTTPRestful的形式通过Hippo的HTTPServer接口进行全文索引的创建、查询、使用等各类需求，通过该能力的支持，可以更好的实现向量与全文的混合检索。通过将向量检索加全文检索的联合召回，可以降低漏检和误检的概率，能够实现比单独使用向量或全文更高的精度。同时，一套数据库系统可避免部署多套系统带来的架构复杂、开发运维成本高等问题。具体的使用方法除了访问端口需要将端口从8902调整为9200外，均可参考《TranswarpScope手册》4.TranswarpScopeAPI介绍。

在Hippo中，比较耗时的操作如激活、加载向量索引实际上是一个分布式任务，用户可以通过任务相关接口查看、删除任务。查看任务curl-ushiva:shiva-XGET"localhost:8902/hippo/v1/_jobs?pretty"-H'Content-Type:application/json'-d'{"job_ids":["fc6feff4f303455a9347f9aab323dfc8"],"action_patterns":["hippo*"]}';返回结果：{"jobs":[{"job_id":"810935a1d91a46b7af2ec35013454fed","job_status":"SHIVA_JOB_SUCCESS","embedding_number":100,"task_results":[{"id":"54ab52493dfb4bab9fb7742d850c64c4","status":"TASK_SUCCESS","server":"172.29.40.26:27841","embedding_number":100,"execute_time":...

OverviewUnstructureddatamanagementismoreimportantthaneverduetotheriseofbigdata.Managingandgleaningbusinessvaluefromunstructureddataisofutmostimportancetoenterprisestoday.Advancementsinmachinelearning,aswellasdeeplearning,technologiesnowenableorganizationstoefficientlyaddressunstructureddataandimprovequalityassuranceefforts.Inthefieldofartificialintelligenceormachinelearning,embeddingsandvectordatabaseshavebecomeincreasinglyimportantfortacklingawiderangeofproblems.Thesetechniquesareusedtorepresen...

过滤条件表达式Hippo当前支持如下表达式，可用于标量或向量查询。表46.过滤条件表达式表达式描述and当前版本支持and，不支持or/not==等值<小于⇐小于等于>大于>=大于等于inin[1,2,3]notinnot_in[1,2,3]like'_'表示匹配任一字符，'%'表示匹配任意字符，'\'为转义符向量相似性检索本节描述如何进行向量相似度搜索。Hippo中的向量相似性搜索计算查询向量与表中向量的距离，返回最相似的结果集。通过指定标量过滤条件，用户可以进行向量与标量的混合搜索。curl-ushiva:shiva-XGET'localhost:8902/hippo/v1/{table}/_search?pretty'-H'Content-Type:application/json'-d'{"output_fields":["book_id"],"search_params":{"anns_field":"book_intro","topk":2,"params":{"nprobe":10},"embedding_index":"ivf_flat_index"}...

查看Master节点通过以下命令，查看集群Master节点信息：curl-ushiva:shiva-XGET'localhost:8902/hippo/v1/_cat/master?v'返回结果：epochtimestampactive.master.hostactive.master.portmaster.group169079683909:47:19172.29.203.18926841172.29.203.189:26841,172.29.203.189:26851,172.29.203.189:26861查看数据节点curl-ushiva:shiva-XGET'localhost:8902/hippo/v1/_cat/nodes?v'//查看所有节点curl-ushiva:shiva-XGET'localhost:8902/hippo/v1/_cat/nodes/{node}?v'//{node}表示待匹配的节点地址，支持以*通配，支持指定多个pattern，多个pattern以逗号分割返回结果：

OverviewAclusterisaHippoCloudinstanceassociatedwithspecificcomputingresources.Youcancreaterelatedtables,insertcorrespondingdata,andcompleteproductexperiencewithinacluster.Beforeyouusethedemoenvironment,youneedtocreateacluster.CreateClusterYouneedtogotothespecificproject.Iftherearenoclustersunderthecurrentproject,youcanclickthe'Createcluster'buttonbelowtheclustercreationguidancepagetoentertheclustercreation.Ifthereareclustersunderthecurrentproject,youcanclickthe'+Cluster'buttonabovetheclusterlist...