01
量化回测数据全景
数据源分类（行情、财务、另类）、数据粒度（Tick、分钟、日线）、数据生命周期管理。
全景生命周期
02
关系型数据库选型
MySQL vs PostgreSQL vs SQLite，在量化场景下的优劣对比与实战选择。
MySQLPostgreSQLSQLite
03
时序数据库入门
InfluxDB、TimescaleDB、QuestDB，为什么传统数据库扛不住高频回测。
时序高频
04
列式存储与Parquet
Parquet文件格式详解、与CSV的性能对比、在回测中的加载优化。
Parquet列式
05
HDF5在量化中的应用
HDF5数据结构、PyTables库、存储多标的日线数据的实战方案。
HDF5PyTables
06
数据分片与分区策略
按时间分区、按标的ID分片、分区裁剪在查询中的效果。
分片分区裁剪
07
数据压缩技术
有损 vs 无损压缩、字典编码、增量存储，我如何将存储成本降低70%。
压缩增量存储
08
内存数据库与缓存
Redis、Apache Arrow、内存映射文件，加速回测数据读取。
RedisArrow
09
数据清洗与预处理
缺失值处理、异常值检测、复权因子计算、对齐不同频率数据。
清洗复权
10
数据版本控制
DVC（Data Version Control）、Delta Lake，回测可复现性的基石。
DVCDelta Lake
11
数据管道与ETL设计
Airflow调度、增量更新、全量重刷，一个生产级数据管道的架构。
ETLAirflow
12
多数据源融合
Level1+Level2行情融合、A股+港股+期货统一存储方案。
多源融合
13
数据质量监控
完整性检查、一致性校验、延迟监控，我曾经踩过的数据坑。
质量监控
14
元数据管理
数据字典、字段血缘、数据目录，让团队不再问“这个字段什么意思”。
元数据血缘
15
数据访问层抽象
Repository模式、DAO模式，隔离存储细节，方便切换后端。
RepositoryDAO
16
并行数据加载
多线程、多进程、异步IO，把回测数据加载时间从分钟级降到秒级。
并行异步IO
17
数据序列化协议
Pickle vs Protobuf vs Avro，在量化回测中的序列化选型。
序列化Protobuf
18
对象存储集成
MinIO、AWS S3，用云原生方式管理历史回测数据。
MinIOS3
19
数据湖架构
Lakehouse模式、Iceberg/ Hudi，面向未来的量化数据平台。
数据湖Iceberg
20
回测数据快照
如何设计快照表、增量快照、全量快照，支持回测回滚。
快照回滚
21
因子数据存储
因子值矩阵设计、稀疏存储、因子有效期管理。
因子稀疏
22
事件数据存储
订单簿事件、成交事件、公告事件，事件驱动回测的数据模型。
事件驱动
23
回测结果存储
绩效指标、交易流水、持仓快照，如何设计回测结果数据库。
绩效流水
24
数据安全与权限
字段级加密、行级权限、审计日志，合规要求下的数据架构。
加密权限
25
数据备份与恢复
冷热分离、异地备份、RPO/RTO设计，别等数据丢了才后悔。
备份RTO
26
性能基准测试
IOPS、吞吐量、延迟，如何科学评估你的存储方案。
基准IOPS
27
数据迁移策略
从MySQL迁移到ClickHouse、从CSV迁移到Parquet，平滑迁移实战。
迁移ClickHouse
28
云原生数据架构
Kubernetes部署数据库、存储计算分离、弹性伸缩。
K8s弹性
29
数据成本优化
存储成本、计算成本、网络成本，量化团队的降本增效实践。
成本优化
30
未来趋势
Serverless数据库、AI辅助数据管理、实时回测数据架构展望。
ServerlessAI