《上午1 金融科技-董国兴 科技在金融业的应用》.ppt

科技在金融业的应用 董国兴 金融业 银行 证券 保险 基金 期货 信托 …… 金融业的组成 新技术突飞猛进，科技推动业务发展与创新 IT技术—业务领域渗透，高度融合。 科技与金融的深度融合(FinTech) 谁引领谁？ 大数据技术 高性能交易技术 量化交易技术 区块链与人工智能AI技术 合规与风险 …… 主题 Storm 单线程 计算资源占用高 Spark 不支持窗口内增量计算 不支持逐笔消息处理 Flink 支持逐笔计算、窗口增量计算 高可用、低延时、高吞吐 对SQL支持好 核心技术 实时计算 业务 应用 数 据 资 源 层 采集接入系统 大数据平台 批量 实时 实时计算 网络 服务器 基础 设施 数据挖掘 …… 数据清洗 查询统计 数据服务中间件 预警监测 数 据 服 务 存储 HDFS 安全 管理 离线计算 Hive Impala Spark Kudu HBase Oozie Hue Redis kafka Spark Streaming 结构化数据 非结构化数据 …… 风险管理 历史数据查询 用户画像 异常交易分析 …… …… sqoop 整体技术架构 业务服务 Spark Streaming 流式计算 HBase 查询中心 引擎 Impala SparkSQL Kyline Hive 业务服务 安全管控 安全 LDAP Sentry KDC Navigator 数据分析师 数据科学家 数据开发平台 配置中心 ETL 日志管理 流式计算 ETL开发 资源管理 数据治理 数据管控 数据开发者 数据平台建设模式 业务场景 客户营销 异常监控 智能运维 征信业务 …… 大数据应用业务场景 转化 分期类型 Cross-Platform Matching 客制化标签 分期偏好 广告行为 属性 分期金额 点击 浏览 基金 贵金属 人口属性 位置 收入 性别 年龄 贷款 债券 人群定向 分期频率 客户营销与用户画像 系统架构 数据管理 数据采集 数据整合 标签管理 标签规则 标签算法 标签体系 标签版本 人群分类 个体管理 群体管理 业务应用 数据查询 画像应用 接口支持 渠道应用 建设步骤 异常交易监控 异常交易监控架构 主要数据挖掘算法 技术？ 业务？ IT人员的机会在哪里？ 量化交易的工作范畴 利用数学、统计学、金融工程等知识设计交易模型 将交易模型转换为计算机语言，并高效执行 执行各类交易策略，并提供完善的管理功能 传统交易 基于行为、过度自信、谨慎保守、贪婪、恐惧 受情绪影响大、时间投入多、响应速度慢、回报不稳定 量化交易 客观、理性、受情绪影响小，时间投入少、长期总投入低、响应速度快、自动预警交易、回报相对稳定 量化交易 自动化交易 程序化交易 算法交易 数量化投资 量化交易的特点 通用平台类 Apama Horizon Esper Tradestation Multicharts …… 定制开源类 Kongfu（功夫） Vnpy …… 专业机构 具有开发能力的个人或者私募机构 量化交易平台 交易策略 行情数据 订单生成系统 内存数据库 风控系统 监控维护 订单执行系统 交易所 柜台 交易系统 量化交易平台架构 交易是一种紧约束事务，交易状态不允许使用缓存机制，对于提升交易性能的技术要求较高。 量化交易更多的是需要纵向支撑 高性能交易技术 线程 单线程（策略） 多线程（交易）（行情） 存储 内存映射（同步） 持久化到磁盘（异步） 通信 内存映射 网络低延时通信 CPU 内存 网络 高性能交易关键技术环节 延时对比 IT人员的机会在哪里？ 金融业是一个特许行业，需要持牌经营。 合规是底线 守住底线 风险管理是能力 提升能力 利用科技进步提升风险防范能力 异常交易 非法配资 风险监控 …… 合规与风险管理（RegTech） 学习业务规则与监管制度 一行三会的法律、规则制度、管理办法等 事无许可皆不为 对IT人员的建议