本主题旨在介绍如何利用 DolphinDB 处理高频数据，并展示使用 DolphinDB 进行因子开发、数据预处理、验证以及多因子组合构建与回测的完整流程。课程还将探讨因子存储和计算技术与人工智能结合的未来趋势。

本主题介绍了数据清洗在金融领域的应用，特别是如何提升数据质量、模型可靠性、执行性能、去除噪音、提高策略执行质量，以及实现合规性和审计要求。具体方法包括缺失值处理、异常值处理、重复值处理、数据类型/格式化/离散化处理等方面的技术。

本主题主要讲解如何利用 DolphinDB 合成 K 线，包括基于历史快照和实时快照的 K 线计算。课程介绍了 K 线与快照行情的基本概念、K 线合成规则（如处理最高价、最低价和成交量），通过具体案例讲解基于 DolphinDB 实现历史和实时数据的 K 线合成。此外，还涵盖了滑动窗口技术、流批一体的计算框架，并通过实际案例展示如何实时计算资金流和划分大小单。

本主题介绍了因子开发的多种模式，包括因子开发的批计算、流式因子开发及流批一体。 批处理因子开发讲解了历史数据的批量计算与因子封装。流式因子开发讲解了低延迟流计算的场景与实现，涵盖有状态与无状态因子的计算。 因子计算流批一体讲解了如何使用 DolphinDB 实现统一的流计算与批计算并确保结果一致性。

本主题介绍了订单簿快照合成的概念及其应用。详细阐述了 DolphinDB 订单簿合成引擎的功能、工作流程和具体的合成逻辑，讲解如何利用引擎生成高频、深度的订单簿数据，并支持衍生指标和自定义因子的计算。通过实际案例，将进一步学习到如何配置引擎和处理不同的市场数据，以提升交易策略分析的精度和效率。

本主题深入探讨多因子建模与机器学习在金融中的应用。内容包括因子模型的构建与优化，如经典的 CAPM、Fama-French 模型等，以及如何利用这些模型构建投资组合。课程还包括波动率预测的机器学习应用，通过数据特征工程、模型训练与评价，预测市场波动。使用 AIDataLoader 优化数据加载与处理，提高机器学习效率，降低内存占用。此外，课程还展示了因子投资组合的实际构建案例。

本主题介绍了如何结合数据回放、订单匹配和策略评估来完成高频交易策略回测。内容包括高频数据处理的基本原理，如何构建高效的回测框架，以及如何优化回测性能以应对大规模数据集的挑战。学员将深入了解 DolphinDB 的向量化操作、实时数据流处理和内存计算等技术，实现高效策略回测流程，提升策略回测的真实度与准确性，为实际交易系统的开发与优化奠定基础。

本主题介绍了绩效归因和风险管理的基本概念，包括 DolphinDB 内置的 Campisi 和 Brinson 绩效归因模型。学生将学习如何分析投资组合收益来源、评估投资表现。

本主题深入讲解量化交易系统，包括系统架构、行情获取、策略开发与回测、交易执行、风险管理及高频低延时技术。探讨如何利用数学模型和算法自动生成交易信号，并通过 DolphinDB 的跨进程共享内存表、Swordfish 和事件引擎 CEP 等技术实现高性能交易。课程适合希望掌握量化交易技术细节的金融专业人士和开发者。