國立陽明交通大學（NYCU）資訊管理與財務金融學系是一個結合資訊工程、資料分析與財務金融應用的整合型系所，致力於將人工智慧技術實際導入金融研究與教學場域。
以 AI 驅動籌碼分析與策略研究的核心平台
該系所透過 AI 模型與大量交易資料分析，發展籌碼分析、策略回測與策略執行研究，並建置專屬運算與資料平台，支援研究、教學與實務驗證等多元應用情境。
金融策略從模型構想到實務驗證，需要反覆讀取歷史交易資料、調整參數，再比較不同條件下的表現。實驗室同時支援研究人員與學生分析逐筆報價及委託簿變化，資料存取必須兼顧低延遲與併發需求。當回測與共享檔案存取競爭儲存資源時，等待資料的時間便會拖慢研究驗證。
這項限制直接影響研究如何與實務接軌。資產配置研究需要比較情緒訊號與策略表現，洗錢防制研究則需要分析交易態樣與風險特徵。團隊因此需要能承載大量資料與重複驗證的基礎環境，讓研究假設有機會接受更貼近應用情境的檢驗。
陽明交大導入 QSAN 雙層儲存架構，將效能敏感的資料庫工作負載與研究檔案共享分開承載。全快閃儲存層採用 QSAN XF5 系列，供 SQL 與資料庫伺服器存取 AI 分析、策略回測及策略執行研究所需資料。另一層透過 QSAN XN2 集中管理研究資料集、分析結果與模型檔案，提供共享服務。
此分工讓回測資料讀取與日常檔案存取各有承載資源，降低兩類工作負載彼此競爭的機會。前端平台可回放 Tick-level 歷史資料，重現逐筆報價與五檔委託簿變化，並結合自訂指標、績效計算、權益曲線與損益分析，支援研究人員在同一流程中觀察市場、測試假設及檢視結果。
雙層設計把儲存能力連結到研究步驟：全快閃層支援反覆回測，檔案共享層保存資料與模型，讓團隊能持續調整方法並進行實務驗證。正式系列名稱與實際連線配置仍待確認。
年度回測從 180 秒降至 12 秒，相當於加速 15 倍。對需要反覆調整參數的團隊而言，每次回測等待縮短，有助於更快比較策略設定與檢視結果。這讓研究與教學中的模型討論能更快取得回測回饋，實際完成的驗證次數仍待追蹤。
多策略併發測試從 320 秒降至 15 秒，加速約 21 倍，呈現多策略工作負載的處理時間改善。這項能力對需要比較不同策略或模型設定的研究流程具有實用價值。實驗室的產學研究涵蓋情緒指標驅動的資產配置，以及洗錢防制交易態樣分析與風險評估，提供研究方法對接實務問題的情境。現有資料尚未量化上述專案的投資績效或風險辨識改善。
與 QSAN 專家深入探討您的挑戰和需求，我們將提供專業見解和最佳解決方案，助您業務順利發展。
