关于金融科技:腾讯安全联合发布共建金融风控科技研究报告助力银行向智能风控转型

由北方财经全媒体团体领导,数字化智库型财经媒体领跑者《21世纪经济报道》、21财经APP主办的第十七届21世纪亚洲金融年会,于2022年12月19日-23日举办。其中,第十七届21世纪亚洲金融年会“金融数字化转型”主题论坛于12月21日在线上举办。 在此次金融数字化转型主题论坛上,21世纪经济报道与腾讯平安联结公布了《共建金融风控科技钻研报告》(下称《钻研报告》)。这份报告基于21世纪经济报道联结腾讯平安举办的多场闭门研究和宽泛调研采访银行相干负责人的根底上造成。 钻研报告指出,无论是传统金融还是数字金融,风控都是一个外围话题。数字技术在信贷风险评估、客户身份认证等环节的利用,不仅丰盛了危险评估的数据维度,更保障了线上金融服务的安全性,实现了精细化实时风控。 关注腾讯平安(公众号TXAQ2019)回复共建金融风控科技钻研报告获取原报告 传统模式下,金融机构往往以用户历史金融数据为根据,采纳评分卡模型、规定引擎等进行危险评判。在金融+科技交融发展趋势下,大数据风控则通过纳入更多维度的数据,如个人用户在场景金融中产生的行为数据,以及企业用户的工商、税务、物流等经营数据,进行用户危险评估,减少了更多危险因子和变量,从而实现更精准的危险评判。 将来,随着金融+科技业态的一直延长,风控的外延不再局限在数据量级,而是造成隐衷计算、AI、云计算等数字技术与金融机构经营、治理等流程深度融合的数字科技,成为金融机构博得市场竞争与客户青眼的外围能力。 尤其是金融级别的“风控科技”具备的海量用户、应答大规模黑灰产攻打等特色,对批发、互联网、交通出行等行业应答业务层面平安危险均有借鉴意义。某种程度而言,倒退金融风控科技,有利于全行业和社会数字化过程中的危险应答。 21世纪经济报道通过宽泛调研与腾讯平安联结举办的多场闭门研讨会理解到,只管银行在自建风控科技方面获得一系列停顿,但仍存在诸多短板与痛点,包含泛滥银行风控体系仍出现烟囱式状态,导致各个业务部门出现“各自为战”情况,往往因信息不对称而呈现坏账危险洞察滞后等问题;银行外部数据与业务职责未必是一一对应,导致银行数据中台与业务部门之间存在推诿景象;局部银行业务条线的数据口径与定义不尽相同,令数据荡涤梳理提炼与数据标准化工作量微小;银行业务部门对数据提炼应用产生的大量定制化需要,但某些中小银行未必能承当昂扬的金融科技人力资源开销;随着《数据安全法》、《个人信息保护法》等法规相继出台,如何标准采集与剖析各类维度数据,仍是一项持续性的挑战。 这意味着银行须要借助“内部力量”,共建风控科技“扬长补短”,构筑更强的智能化风控治理能力。 钻研报告指出,通过对局部银行的实际理解洞察,共建风控科技出现四大益处,一是帮忙银行获取更丰盛的多维度数据,二是无效升高银行在风控科技方面的开销,三是助力银行风控科技体系赶上业务模式改革与科技倒退最新趋势,四是帮忙银行一直强化信贷流程风控与经营风控能力。 目前,共建风控科技在新市民金融服务畛域获得良好利用。今年以来,在政策激励下,泛滥银行踊跃投身新市民金融服务。但同时,新市民金融服务也存在诸多风控盲点与痛点,比方精准辨认难度较大,新市民既有高净值人群,但更多是长尾客户,且散布行业品种多。少数新市民属于蓝领阶层,工作稳定性绝对较差、无寓居型房产、工作频繁变动等特点,导致银行会放心他们的信贷守约危险较高。 针对这些痛点盲点,腾讯平安研发的平安数据传输工具“信鸽”,一方面引入公证处作为公证方,搭建了一套云端的“清洁环境”,新市民能够被动发动受权,将集体学历、流水以及社保公积金等信息输出,并由“信鸽”传递给银行等金融机构,整个过程能够保证数据的真实性,且合乎《个人信息保护法》对个人信息可携带权的规定,胜利解决新市民群体征信数据有余等问题;另一方面在“信鸽”将个人信息非法合规传递给金融机构后,金融机构能够对这些信息进行解析、加工与评估危险,便于金融机构领有实在的、多维度的个人信息,更精准全面地评估新市民的金融服务危险,从而提供更具针对性的金融服务。 21世纪经济报道编委韩瑞芸指出,通过多场与腾讯平安举办的闭门研究和宽泛调研发现,目前风控决策流程长,扩散的数据决策组件,也给泛滥中小银行决策体系的搭建,应用,保护与隐衷爱护形成很大挑战。所幸的是,腾讯平安自研的面向金融场景的大数据风控产品集——隐衷爱护决策操作系统,能够提供一个解决问题思路。 她示意,以后银行业界对共建金融风控科技将来前景瞻望抱有很高期望值。一是进一步施展鲶鱼效应,即金融机构与科技公司互相“促成”,将更多先进科技融入风控体系并填补风控短板;二是全面推动银行从传统风控向智能风控转型,为业务赋能提效减负;三是进一步施展“金融+科技”劣势,继续大幅度晋升银行在经营风控的实力。

December 22, 2022 · 1 min · jiezi

关于金融科技:Kyligence-联合创始人兼-CEO-韩卿荣获金融科技风云人物奖

9 月 7 日,第三届中国•上海金融科技(市北高新)大会胜利举办。本届大会由上海市静安区人民政府领导,上海古代服务业联合会、上海市市北高新技术服务业园区治理委员会主办。为表彰在技术创新、数据赋能方面作出卓越贡献的企业及集体,大会特地设置了“金融科技荣誉评比”。通过业界专家业余评审,上海跬智信息技术有限公司( Kyligence )联结创始人兼 CEO 韩卿最终荣获金融科技风云人物奖。 金融科技风云人物奖奖杯 第三届中国•上海金融科技大会以“数字经济引领新增长”为主题,大会聚焦“国内金融中心建设” “数字技术的价值发明” “数字经济倒退新机遇”等议题,泛滥金融圈重磅嘉宾、专家学者等共聚一堂,就如何减速金融业与科技的交融,施展数字经济对金融业的翻新驱动作用,以及海量数据和丰盛利用场景新劣势等话题展开讨论。 此次金融科技风云人物奖获得者韩卿为 Kyligence 联结创始人兼 CEO、Apache Kylin 联结创建者及 PMC Member。Kyligence 致力于打造下一代企业级智能多维数据库,为企业简化数据湖上的多维数据分析(OLAP),现已服务中国、美国、欧洲和亚太等多个国家和地区的金融、批发、制作等企业,深刻理解金融行业的需要和痛点,通过提供可信赖的产品与服务,助力企业实现数字化转型。 Kyligence 代表缺席本届峰会并下台领奖 在金融畛域,Kyligence 服务的多家金融机构入选《中国金融科技倒退报告》,并入围金融科技翻新成绩名单。其中,Kyligence 企业级指标中台解决方案集对立业务模型、指标治理、指标加工、数据服务于一体,升高了数据的应用门槛,以高效的指标治理推动数据治理,助力企业业务的衰弱、稳固倒退。将来,Kyligence 将保持以翻新促成企业倒退,对大数据核心技术的继续投入和钻研,为推动产业转型、减速企业数字化转型和智能化降级而致力。 对于 Kyligence上海跬智信息技术有限公司 (Kyligence) 由 Apache Kylin 开创团队于 2016 年开办,致力于打造下一代企业级智能多维数据库,为企业简化数据湖上的多维数据分析(OLAP)。通过 AI 加强的高性能剖析引擎、对立 SQL 服务接口、业务语义层等性能,Kyligence 提供老本最优的多维数据分析能力,撑持企业商务智能(BI)剖析、灵便查问和互联网级数据服务等多类利用场景,助力企业构建更牢靠的指标体系,开释业务自助剖析后劲。 Kyligence 已服务中国、美国、欧洲及亚太的多个银行、证券、保险、制作、批发等行业客户,包含建设银行、浦发银行、招商银行、安全银行、宁波银行、太平洋保险、中国银联、上汽、Costa、UBS、MetLife 等寰球知名企业,并和微软、亚马逊、华为、Tableau 等技术领导者达成寰球合作伙伴关系。目前公司曾经在上海、北京、深圳、厦门、武汉及美国的硅谷、纽约、西雅图等开设分公司或办事机构。

September 9, 2022 · 1 min · jiezi

关于金融科技:守正创新金融科技迈向20阶段

导语 | 金融科技自 2014 年迎来暴发的收缩期,经验了多年倒退后,当初未然迈进 2.0 新阶段。本期咱们邀请了国家工程实验室金融大数据钻研核心秘书长、腾讯云 TVP 王超老师,为咱们分享金融科技背景与行业现状,并以技术角度与金融业务联合的视角,带咱们共探金融科技的将来时机。作者简介 王超,国家工程实验室金融大数据钻研核心秘书长、腾讯云 TVP。主攻金融大数据方向,涉足金融云计算、信创、AI、音视频、语音,甚至区块链、物联网等相干技术畛域的利用钻研和布道。 本文将从四个角度进行分享。首先是从金融科技的背景角度去剖析金融科技倒退的实况和行业的现状。其次是从技术的角度,看技术如何推动金融产业的倒退。接着再从金融自身业务的场景登程,看金融的场景如何用到一些相干的技术去推动倒退。最初再聚焦于分享金融科技面临的时机。 一、背景:金融科技倒退实况与行业现状我国金融科技曾经迈入 2.0 阶段,金融科技的倒退需要次要来源于金融服务需要、金融服务供应和金融风险平安三个方面。一方面金融科技倒退的外在诉求在一直成长,但另一方面却也面临着行业性的金融痛点: 中小微融资、供应侧改革、碳达峰碳中和、农村振兴、专精特新等策略;不平衡、县域以下金融服务短缺,金融克制与金融脱媒;金融基础设施面临倒退挑战,新技术倒退利用与平安。从金融和科技两个角度来看,金融是一个驱动科技倒退的重要场景。同时,它也是一个很重要的撑持科技的工具。回顾整个金融科技倒退的过程,金融科技发展史是一个逐渐去伪存真、守正翻新的过程。从 2015 年至今,随着金融科技的逐步规范化,相干法律法规的制订与欠缺,推动了金融的倒退,同时也把最外围、最实质的劣势保留了下来,被传统的金融机构所排汇消化,真正地开始迈入了金融科技的 2.0 时代。 以后参加到整体的金融科技的产业生态圈里,次要有以下三大主体: 金融科技市场主体:手握大量金融资源的传统金融机构;提供 IT、营销和风控等服务的金融科技公司;纯广告营销、IT 研发或软硬件的科技互联网公司;金融科技监管机构:金融监管机构;科技监管机构;中央金融监管机构;金融科技服务机构:金融科技投融资机构;金融科技孵化机构;金融科技人才服务。 金融科技进入到 2.0 阶段,产生了许多变动。值得一提的是,金融机构在科技层面的投入飞速增长。从 2020 年数据来看,四大行包含股份制银行相干的金融机构,IT 的投入达到了 2 千多亿,保险达到了 300 多亿,证券达到了 200 多亿,并以每年20% 以上的增长率持续增长。另一方面,金融科技公司在互联网金融服务方面的支出也放弃着疾速的增长势头,据蚂蚁团体 Q1 和 Q3 的财报显示,它的利润已达到 500 多亿。以上都是金融科技在倒退翻新过程中的直观体现。 二、技术:科技利用推动金融产业倒退当下金融科技的新一代信息技术——简称“ABCDI”。即人工智能、大数据、云计算、区块链和物联网 5 个核心技术方向,金融科技的技术大体上是围绕这几个技术在做组合利用。 A-人工智能:金融的外围是风控,在 AI 技术利用之前,风控的外围是专家规定和评分卡模型。AI 遍及后带来的大数据分析,目前正在重构全畛域的金融风控外围。B-大数据:我国数字经济规模占国内生产总值的比重达到 1/3,数据资源是继陆空海三大资源外的另一种重要国家策略资源,被视为“新时代的石油”,大数据就是咱们的燃料技术。C-云计算技术:它提供计算、存储、网络资源的基础设施,使用者能够随时获取“云”上的资源,按需求量应用,有限扩大,按使用量付费。D-区块链技术:它是一个共享数据库,具备不可伪造、全程留痕、能够追溯、公开通明、个体保护等特色,不仅奠定了松软的信赖根底,而且发明了新时代的生产关系。I-物联网技术:它通过射频辨认、红外感应器、全球定位系统、激光扫描器等信息传感设施,能够把所有物品与互联网相连接,以此实现对物品的智能化辨认、定位、跟踪、监控和治理的网络。 如果对金融科技技术做一个繁难的分层,能够参照云计算的划分办法,从底层的 IaaS 层到两头的 PaaS+DaaS 层,再到顶层的 SaaS 层。 在 IaaS 层面,大部分金融机构会抉择公有云,小局部金融机构会抉择行业云。目前可能只有证券、保险,以及一些中央金融会波及到用私有云的金融云,因为金融对数据安全的爱护是十分强的,而且金融行业内默认的概念是金融数据不出行。 在 PaaS 层面,各家银行和各家公司正围绕着各种中台进行利用,比方:数据中台、AI 中台、技术中台、利用中台等相干的畛域,在进行大量利用。许多行业的金融科技公司也在致力于提供这种数据中台的建设服务,以及数据相干的服务。 在 SaaS 层面,大型银行,包含股份制银行在小程序、APP,包含 PC 端上的技术都有了很大的提高,比方招行信用卡,银联云闪付等相干的 APP 在技术上都有不小的冲破。金融行业向互联网行业进行了十分深刻的学习,而且大量来自互联网侧的人才曾经进入到了金融机构端。 ...

June 15, 2022 · 1 min · jiezi

关于金融科技:科技筑基高效实战中科柏诚信云链正当时

往年我国两会上的热议话题就是数字金融,会议上着重提到数字金融转型存在紧迫性,这标记着我国金融业已进入全新数字时代。而时机往往与危险并存,我国数字金融倒退也面临着微小的挑战。 不少银行因认知度有余,对数字金融的网点智慧化和嵌入式、场景式的金融模式理解肤浅,凭其技术撑持的金融产品和服务业务流程更加繁琐,得不到用户的拥戴与认可;这些银行的技术人才储备也严重不足,齐全应答不了数字金融迅速倒退的脚步。俗话说,业余的事要交给业余的人来做。对于银行来说,在数字技术转型方面,能够依赖第三方金融科技企业的加持,让倒退痛点迎刃而解。中科柏诚信云链金融平台,以科技筑基,专为银行高效解决供应链金融倒退问题。 中科柏诚信云链金融平台基于区块链技术开发而成,可能依靠区块链、大数据、人工智能等技术手段的劣势,高效疾速进行账款审批以及发放,解决数字金融倒退中的多种痛点。相比银行传统的票据模式,中科柏诚信云链具备稳固、平安、省力、省钱、省时的独特劣势。在稳固安全性方面,中科柏诚信云链可为链上外围企业、供应商以及金融机构提供稳固平安的交易环境,会将外围企业的资金存管在银行的专用账户,杜绝资金流转危险,还可为外围企业提供实时多维数据统计分析模型,使其可能及时理解数据动静,随时把握危险变动;信云链还会为供应商设立拆分、流转收益机制,促成资产逐级流转,保障其资金流转平安。 对于银行来说,中科柏诚的服务更加无可比拟。中科柏诚可为银行提供在线授信、申请、审批、批改性能,在无效管制信用应用状况的同时,零碎会及时反馈链上信息,让银行实时查看借款方的融资状态,防止危险产生。总而言之,中科柏诚信云链金融平台,能让外围企业将其本身劣势齐全施展,撑持其余链上节点供应商的融资、倒退需要,可助力银行、供应商、中小企业建设起有序、良好的金融往来,达成共赢及可继续倒退。 在现在的全新数字时代中,银行面对日益严厉的金融市场竞争态势,只有依靠业余、精良的数字技术,能力在经营模式上全面解围,取得用户的青眼与认可。数字技术正过后,中科柏诚信云链正过后,置信有其助力加持,银行必将在将来金融市场竞争中勇立潮头,占据一席高位。

March 21, 2022 · 1 min · jiezi

关于金融科技:金融云原生漫谈二|中小银行破局之道云原生架构转型全攻略

在金融行业数字化转型的驱动下,国有银行、股份制银行和各级商业银行也纷纷步入容器化的过程。 如果以容器云上生产为指标,那么整个容器云平台的设计、建设和优化对于银行来说是一个微小的挑战。如何更好地利用云原生技术,帮忙银行实现麻利、轻量、疾速、高效地进行开发、测试、交付和运维一体化,从而重构业务,推动金融科技的倒退,是个长期课题。 因而,twt社区主办了主题为“银行高并发交易类场景下,容器云架构如何保障高性能、高可靠性“的线上交流活动,吸引了泛滥来自银行一线的技术大咖参加交换。咱们将干货整理出来,以“金融云原生漫谈”系列文章的模式陆续出现。 企业数字化转型的路线上,一些大型全国性股份制银行曾经走在全行业的最前沿。在构建云原生技术平台的过程中,不仅投入大量的人力和技术资源,还会与业余的第三方技术厂商单干,用先进的技术、解决方案和方法论,以及欠缺的咨询服务武装本人,保障云原生技术的落地。当然,这样大刀阔斧的改革,也意味着一直试错,和估算、人力、资源的微小耗费。 对于资源绝对无限,技术能力绝对单薄,但数字化需要和要求同样高标准的中小银行来说,数字化转型路上面临的挑战会更加简单。 云原生的架构革新,是否存在“万能模板”? 云原生架构下利用转型有无相干标准能够参考? 中小银行也须要百人规模的技术团队吗? 飞快的技术更迭下,中小银行如何做持重的技术选型? …… 本期“云原生漫谈”,咱们就将和大家聊一聊,中小银行如何找到适宜本人的云原生构建思路,疾速抓住科技改革时机,疾速、安稳、高效数字化转型破局。 中小银行在采纳云原生架构时,“万能模板”是什么在云原生技术实际联盟(CNBPA)2021年初的调研中显示,国内 72.7%的企业曾经采纳Kubernetes作为容器编排技术,占据了相对的劣势位置。这也与CNCF最新公布的中国区云原生调查报告中,72%的受访者曾经在生产环境当中应用Kubernetes的数据放弃相当高的一致性,同期寰球调查报告的数字是78%。 中小城商行在云计算建设和技术引入时,倡议思考基于以Kubernetes为外围的云原生平台来做,Kubernetes作为云的操作系统,能够屏蔽上面各种各样不同的云环境、云基础设施,它本身是一个可移植层,这样在做混合云和多云治理时,对利用迁徙以及其余工作负载十分有益处,能够做到跨环境的兼容。因为Kubernetes的可扩展性,自身平台之平台的属性,导致它天生适宜用来作为整个混合云的控制面板,用它去编排不同类型的云环境以及云基础设施和各类云服务。 在建设路线上应该以利用为核心,笼罩利用全生命周期为指标进行云计算的建设方向。充分考虑平台交融基础设施、微服务框架、数据服务、DevOps工具等模块作为平台组件,以建设具备全栈能力的云平台为倒退方向。 云原生架构下利用转型有无相干标准能够参考?在利用架构转型的语境里和组织自我进化的角度,倡议能够参考以下15个因素,这些因素简直涵盖了云原生架构下利用转型的各个方面。 因素1:基准代码(Codebase)——一份基准代码,多份部署。 因素2:依赖(Dependencies)——显式地申明依赖关系。 因素3:配置(Config)——在环境中存储配置。 因素4:后端服务(Backing Services)——把后端服务当作附加资源。 因素5:构建、公布、运行(Build、Release、Run)——严格拆散构建、公布、运行。 因素6:过程(Processes)——以一个或多个无状态过程运行利用。 因素7:端口绑定(Port Binding)——通过端口绑定提供服务。 因素8:并发(Concurrency)——通过过程模型进行扩大。 因素9:易解决(Disposability)——疾速启动和优雅终止可最大化健壮性。 因素10:开发环境与线上环境等价(Dev and Prod Parity)——尽可能放弃开发、预公布、线上环境雷同。 因素11:日志(Logs)——将日志当作事件流。 因素12:治理过程(Admin Processes)——将后盾治理工作作为一次性过程运行。 因素13:优先思考API设计(API First)。 因素14:通过遥测感知零碎状态(Telemetry)。 因素15:认证和受权(Authentication and Authorization) 另外,今年年初,信通院牵头进行了云原生成熟度规范体系的探讨和规范制订,在这个体系外面包含一个云原生业务利用成熟度的评估规范,依据基础设施域、利用研发域、服务治理域以及组织治理域成熟度综合计算,共分为五级,五个级别有明确的定义,比方在初始级,技术架构部分范畴开始尝试云原生化革新,并获得初步成果,而卓越级,技术架构已实现全面云原生化革新,且这个技术模块性能已相当欠缺,可能很好地撑持下层利用。目前这个规范的细则还在酝酿中。 中小银行也须要百人规模的技术团队吗?首先,咱们从什么是云原生架构的角度来了解技术团队职责划分,再去决定技术团队规模会容易一些。简略来说就是把原来开发部门须要开发业务性能的工作下沉到基础设施,把运维部门对于基础设施(例如云计算)的一些原生能力赋能下层业务利用,所以在云原生架构之下,原来开发部门和运维部门的工作职责就呈现了抵触,那么中小银行如何在人力、资金、资源绝对紧缺的状况下,无效躲避这些抵触,目前在金融行业广泛的做法有以下三种: 第一种做法:能够思考专门成立一个容器治理部门,这个部门介于开发部门和运维部门之间,这个部门不必关怀基础设施硬件的建设,它不仅是容器平台建设的计算、存储、网络资源的使用者,同时它也是撑持业务利用开发的开发环境、开发工具、容器利用日志监控等能力反对的提供者。 第二种做法:从现有开发部门或者运维部门拆分成一个虚构团队,这个虚构团队能够专门负责容器平台的日常运维治理事宜,个别倡议从运维部门拆分出一个这样的虚构团队,这样能够晋升容器平台日常运维治理的沟通和协调效率。 第三种做法:通过引入针对各个部门不同应用场景的多视图和权限的云原生平台来细化工作职责的划分也是一个不错的抉择,国内灵雀云等厂商都有相似成熟的云原生平台应用案例。 飞快的技术更迭下,中小银行如何持重选型相较于大型股份制银行,中小银行可能面临着IT人员绝对匮乏、技术能力绝对单薄、IT零碎至今沿用传统架构等问题,那么在施行云原生架构革新过程中应如何进行选型,如何分批次将现有架构纳入革新,传统外围类利用是否适宜进行容器化革新,也是现阶段中小银行重点关注的问题。 针对这些问题,灵雀云首席架构师杜东明示意,中小城商行在容器化选型时,应该尽量抉择具备丰盛落地及征询教训的企业和成熟的产品,施行步骤上倡议初期以容器基础设施建设联合DevOps工具链建设,让中小城商行能疾速享受云原生带来的收益。同时抉择在容器及基础设施、微服务、DevOps三大畛域都具备反对能力的产品和公司,可能无效缩小前期因为兼容性问题带来的运维老本,这一点对于技术人员绝对较少的中小城商行尤为重要。 在施行容器云架构革新过程中,能够优先选择构造简略的轻量型单体利用,例如一些典型的Java利用和自开发单体利用。另外适宜优先革新的还有微服务架构的利用,例如Spring Cloud 等微服务架构利用,这样可能疾速平滑地把现有利用资源向容器化环境迁徙,让中小银行可能疾速体验云原生带来的益处。 绝对于大银行,中小银行在数字化转型时,应该更感性地布局转型步骤和资源配置策略,抉择更适宜本人的云原生构建计划。从业务增长的角度来说,云原生PaaS平台尽管是将来企业业务的外围竞争力的底层撑持,但非核心竞争力自身所在。企业应该将更多的精力投入到与业务相干的研发上,洽购绝对标准化的第三方底层平台,可无效缩小转型过程中的自觉之举和资源节约。 现在,面对强烈的市场竞争和飞快的技术迭代,中小银行也开始全面拥抱云计算。基础设施、利用架构等层面的云原生化革新,可能让更多业务利用从诞生之初就成长在云端,从技术理念、外围架构等多个方面,帮忙中小银行IT疾速、安稳落地上云之路,以翻新科技赋能银行数字化转型。

January 11, 2022 · 1 min · jiezi

关于金融科技:Kylin-认证培训硬核召集令助力打造金融科技大数据紧缺人才

Kylin 入选《上海市重点畛域(金融类)“十四五”紧缺人才开发目录》数字经济已成为寰球增长新动能,我国数字经济规模位居世界第二,数字人才成为我国经济全面数字化转型的第一资源和外围驱动力。国家“十四五”倒退大纲明确提出“稳当倒退金融科技,放慢金融机构数字化转型”。 近日,上海市政府联结多部委印发《上海市重点畛域(金融类)“十四五”紧缺人才开发目录》,Kylin 已成为金融科技人才中大数据的必备能力项之一,而且处于极度紧缺的水平(☆☆☆),取得官网和市场的高度认可! 六年征程,Kylin 已是金融科技重要基石Apache Kylin 在 2014 年 10 月开源并退出 Apache 软件基金会的孵化器,一年后毕业成为 Apache 顶级我的项目,转瞬已走过六年征程: 六年来,Kylin 已成为大数据幅员中不可或缺的角色之一; 六年来,Kylin 曾经不仅仅是一个 OLAP 剖析引擎,越来越多承载起替换传统剖析型数仓的重任; 六年来,Kylin 已帮忙寰球上千家企业进行高效的大数据分析,助力数字化转型,这其中包含建设银行、农业银行、中国银联、太平洋保险在内的金融机构也占据了重要的地位。 想疾速上手 Apache Kylin,从数据中洞察业务价值?想一睹 Kylin PMC / Committer 的风采,面对面交换?想在实景实操中挑战大数据行业顶尖的高价值 Kylin 认证? 敲黑板! 当初报名,12月16日带你一天搞定!咱们将面向宽广首次接触 Kylin 的小伙伴特地发展 Apache Kylin 认证培训专场 ,此次培训收费凋谢,席位无限,快来看看有哪些亮点吧! 培训亮点前沿丰盛的课程内容 涵盖从「Kylin 装置部署」到「模型和 Cube 设计」再到「BI 集成剖析」等端到端全过程,紧跟最顶尖的大数据分析技术和趋势。 弱小业余的讲师团队 咱们请到了 Kylin 社区的 PMC Chair 和多位 PMC Member / Committer / Contributor,在现场与开源社区的技术大佬和 Kyligence 的原厂讲师直接对话,亲聆近距离的详实解说。 干货满满的实景实操 本次培训提供在实在 Kylin 平台上进行实际操作的体验,交融原理剖析和案例分享,疾速取得大数据分析理论教训,播种满满干货。 ...

November 30, 2021 · 1 min · jiezi

关于金融科技:用Python绘制专业的K线图含源代码

应用Python绘制一幅业余的K线图,是量化投资和金融数据分析的必备功课。 上面我将从K线图简介、数据获取、K线图绘制及成交量绘制等方面,联合源代码,一步步实现业余K线图的绘制。 K线图简介K线图又被成为“蜡烛图”、“阴阳线”等,它在视觉效果上能够很清晰得凸显出市场多空局势,K线图成为大家查看行情数据以及各式量化剖析不可或缺的一环。在K线图常见的时间跨度分钟、日、周以及月。 K线由高开低收四个价格绘制而成。分为阳线与阴线两种,收盘价高于开盘价时为阳线,收盘价低于开盘价时为阴线;K线图的示意图如下: K线由矩形实体与高低两根影线组成,实体上方的影线成为上影线,下方的成为下影线。实体与阴线绝对长短,可造成多种状态。 1、股票数据 咱们从 [恒无数] (https://udata.hs.net/home?cha...)金融数据社区,获取股票市场历史行情数据。咱们获取2021年6月1号至2021年8月1号,恒生电子(600570.SH)的日行情数据,代码及执行后果如下。 # 加载取数与绘图所需的函数包import pandas as pdimport datetimefrom hs_udata import set_token,stock_quote_dailyfrom mpl_finance import candlestick_ohlcimport matplotlib as mplimport matplotlib.pyplot as pltimport matplotlib.dates as mdatesmpl.rcParams['font.sans-serif'] = ['SimHei'] # 指定默认字体mpl.rcParams['axes.unicode_minus'] = False  # 解决保留图像是负号'-'显示为方块的问题def GetData(stock_code,start,end):    #stock_code:获取股票数据的股票代码    # start:开始日期    # end:完结日期    date_start=datetime.datetime.strptime(start,'%Y-%m-%d')    date_end =datetime.datetime.strptime(end,'%Y-%m-%d')    data = pd.DataFrame([])    while date_start<date_end:        # 获取日行情数据,接口阐明见 https://udata.hs.net/datas/332/        # adjust_way枚举值为:0-不复权,1-前复权,2-后复权,此处取前复权        data_i = stock_quote_daily(en_prod_code=stock_code                                   ,trading_date=date_start.strftime('%Y%m%d')                                   ,adjust_way = 1)        data=pd.concat([data,data_i],axis=0)      # 将行情数据按行拼接        date_start+=datetime.timedelta(days=1)    # 日期变量自增    # 返回行情数据    return data#1、获取行情数据stock_code = "600570.SH"     # 恒生电子 股票代码是600570.SHstart='2021-06-01'end ='2021-08-01'set_token(token = 'xxxxxxxxxxxxxxxxxxxxxxxx')   # 注册后,获取并替换tokendata = GetData(stock_code,start,end)data ...

September 29, 2021 · 4 min · jiezi

关于金融科技:无场景不技术从金融领域价值看实时计算等大数据热点技术

作者:张良友 宏大、万能和白璧无瑕是数据的力量所在,它是人类生存的开始和主宰者,是所有事物的参与者。没有数字,一切都是凌乱和光明的。我国的人口和经济规模决定了我国的数据资产规模冠于寰球,具备大数据倒退的先天劣势。随着技术的倒退,大数据逐步交融到各行各业的倒退之中,“数字蝶变”也曾经席卷银行、保险、证券等金融畛域。2020年4月,“数据”首次被地方纳入生产因素,金融业作为数据密集型行业,也正在踊跃推动数据因素施展对其余因素的效率倍增作用。依据Statista的统计和预测,2020年寰球数据产生量约为47ZB(Zettabyte,十万亿亿字节),这一数字到2035年将达到2142ZB,咱们须要为迎接更大的数据洪流做好筹备 。 目前,金融大数据在供应链金融、智能营销、智能投顾、智能投研、信用评估、危险定价、反欺诈、风控、舆情监控与股价预测、黑产防备等业务场景中都有比拟宽泛的利用。近年来,大数据技术一直倒退、演进,实时计算、存储计算拆散、与人工智能及云计算等技术的联合受到越来越多的关注。本文笔者将联合这些技术在金融场景中的利用,简要介绍。 大数据+人工智能 => 晋升数据价值、服务质量,赋能营销等场景大数据、人工智能这两种技术的倒退密不可分,两者联合能够面向更多利用场景提供智能数据服务:大数据为人工智能提供了大规模的数据资源,助力人工智能在算法、算力晋升的根底上实现重大突破;传统大数据分析次要针对结构化、半结构化数据,人工智能提供了视频、图像、语音等非结构化数据的剖析能力,拓展了大数据利用场景,例如深度学习提出了一种让计算机主动学习、产生特色的办法,可能更加智能地提取数据不同档次的特色,对数据进行更加精确、无效的表白,目前已在图像分类、语音辨认、问答零碎等畛域获得了比拟胜利的商业利用。 在营销场景,依靠人工智能和多模态数据整合,金融机构能够增强线上线下联动及全渠道信息的整合共享 ,全面交融并综合利用结构化、非结构化的各类数据,构建用户画像,深入分析用户的持有产品、交易行为、生产偏好等,发现、预测用户的金融需要,为其提供个性化的服务。此外,在晋升服务体验方面,用户的反馈是金融机构进步服务效率和品质的重要根底,通过人工智能和大数据的联合,能够抉择切合相应业务场景的分析模型,对用户意见进行分类、剖析,进而晋升用户满意度及体验。 存储计算拆散的分布式架构、大数据+云计算 => 助力金融机构升高治理、运行老本在传统集群零碎中,计算和存储是严密耦合的,而随着业务的倒退,经常会为了扩存储而带来额定的计算扩容,这其实是一种节约。同理,如果在仅需晋升计算能力的状况下不得不扩存储,也会造成肯定的存储节约。采纳将计算和存储拆散的分布式架构,将存储能力和计算能力离开,各自服务化 ,能够更好地应答上述有余。同时,随着数据、尤其是非结构化数据规模的快速增长,以及金融机构对大数据系统在可靠性、可用性、性能、经营老本等方面需要的晋升,分布式架构也逐渐成为大数据存储的支流架构。 随着老本管制、资源充分利用等需要的推动,云计算与大数据的倒退路线正在交接、碰撞 :云计算为大数据提供了能够弹性扩大的、性价比较高的存储空间和计算资源,大数据对数据的专业化处理过程也离不开云计算的反对。以DaaS(Dataas a service,数据即服务)为例,其既是FaaS(Function as aService,性能即服务)的一种,也是SaaS的天然延长,目标都是尽可能远离IaaS以及服务自身的运维,把资源最大限度地解放出来。 因而,大数据存储计算拆散、与云计算的联合,能够大大降低金融机构的治理和运行老本 :利用大数据存储计算资源拆散、多租户(共用雷同的零碎或程序组件)、容器化等技术,能够让整体的资源失去充分利用,将资源利用率晋升20%以上;在运维方面,大数据技术的供应越丰盛,越有助于升高运维、部署的老本,让运维更加智能化、可视化,实现实时预警、实时响应。 实时计算、实时数仓 => 及时响应业务,赋能金融风控实时计算 (realtime computation)是一种工夫复杂性较低的计算,个别是针对海量数据进行的,分为数据的实时入库、数据的实时计算两局部,要求秒级响应。目前,实时计算技术曾经利用到广告、电商、游戏、娱乐等各个领域,比方游戏通过实时剖析玩家数据,能够及时调整参数和平衡性。在金融畛域,也已有金融机构将实时计算利用于实时资产查问和剖析等。 数据仓库(data warehouse)是为企业决策制定提供所有类型数据反对的策略汇合,包含全量数据、历史数据,可分为实时数仓、离线数仓。实时数仓 (realtime data warehouse)是指数据的实时性更高、提早性低,个别是统计一天以内的数据,反对毫秒级的统计,可能满足实时化、自动化的决策需要。 危险管制是金融的实质,是银行、保险、证券等金融机构发展金融业务的根底,联合实时计算、实时数仓技术,能够更好地构建能及时、精确反馈危险的风控体系,对金融畛域的实时风控、实时授信、实时反欺诈等多个场景带来新的业务状态和更好的用户体验 。在赋能监管方面,实时数仓与人工智能的联合是市场危险、非法集资、异样交易等监测利器。 面向曾经产生的将来恒生打造了基于开源框架的大数据技术平台,造成了数据治理、数据规范、数据品质等相干的解决方案和产品以及资讯、行情数据经营服务业务,赋能招商证券、华泰证券、中银国际、财通证券、浙商证券、南京证券、博时基金等诸多金融机构。 随着大数据技术的倒退,恒生也在不断完善大数据解决方案,深度联合金融业务个性,建设数据开发平台、实时数仓平台、AI平台、BI平台、数据管理平台等外围平台 ,充分利用云原生、人工智能等技术,为金融机构提供整体的大数据解决方案,在放弃技术当先的同时,也重视产品的牢靠、稳固和高可用。例如,恒生实时数仓平台集实时数据采集、实时流计算、HTAP等全方位低提早实时能力于一体,通过深度整合数据湖技术计划,能够晋升业务扩大的灵活性;联合流批一体的开发范式,实现从采集到价值化的大数据生命周期全链路的高效率运作。 被誉为“大数据之父”的维克托·迈尔-舍恩伯格在其所撰写的《大数据时代》中说道,大数据时代是“曾经产生的将来”,而在这个曾经产生的将来里,没有旁观者。

August 26, 2021 · 1 min · jiezi

关于金融科技:一文读懂金融行业如何做云原生

作者:许欣芃 过来两年,金融行业IT人员对“云原生”充斥了纳闷甚至误会。咱们始终在不同场合听到对于云原生的各种不同定义 有人说,云原生就是Kubernetes和容器;也有人说,云原生就是“弹性可扩大”;还有人说,云原生就是Serverless。 其实云原生自身就是“哈姆雷特”,因为每个人的了解都不一样。 CNCF 和 kubernetes技术生态定义的云原生概念中指出云原生的实质是一系列最佳实际的联合。换句话说云原生为实践者指定了一条低心智累赘,可能以可扩大、可复制的形式最大化地施展云的价值的最佳门路。 所以,云原生该当是一种“以利用为核心”的思维。 何为云原生利用目前,云原生技术已被大家认可。那么何为云原生技术? 首先,所有技术都是为业务服务,云原生技术诞生的背地也是业务驱动。随着软件的倒退,业务越来越简单、宏大,但软件用户却心愿能够失去更快的需要响应、更稳固的运行状态,所以互联网企业开始大量应用云原生技术。 云原生次要围绕着3个指标:减速翻新、降低成本、提高效率。 基于云原生技术开发的利用就是云原生利用,那么云原生利用就意味着对立: 对立架构规范: 通常以微服务架构进行服务开发,服务之间应用规范的API契约进行通信。松耦合的架构形式会加重因需要变更导致的零碎迭代老本,并放慢交付速度;对立交付规范: 规范容器化的打包形式实现了真正的利用可移植性,不依赖于特定的基础架构(虚拟机,混合云等)。而容器基于过程粒度的资源应用形式,也会升高零碎的资源开销;对立流程规范: DevOps强调软件全研发周期的治理,从软件需要到最终生产的全流程的改良和优化,而后联合对立工具链,实现文化、流程、工具的一致性,实质解决的是放慢软件交付速度的同时,晋升软件产品品质。 金融行业的利用是否须要云原生的革新? 传统的金融软件架构存在很多难以解决问题。在巨石型的利用中,每个零碎数据都是一座孤岛,没有接口能够对外服务,如果客户有翻新需要想实现多个零碎配合,简直不可能。各业务零碎采纳的交付形式部署装置的硬件规范不一,导致金融机构运维超级简单,成千上百台机器以及上百个利用须要一个宏大运维团队撑持。金融软件的交付周期目前是按月交付的,研发流程更多还是传统的瀑布或者麻利形式,导致了很多客户需要被延误。 为满足用户疾速多变的投资理财诉求,金融行业的软件架构降级曾经火烧眉毛,云原生架构则成为最佳抉择。 云原生利用演进门路作为金融行业全畛域的软件提供商,恒生所有业务零碎在过来两年全面往云原生架构降级,积攒了不少教训。 总体而言,云原生利用演进面临着三大难题:微服务拆分、容器化交付、DevOps革新。 微服务拆分之路从单体利用到SOA再到微服务,软件架构始终在谋求不同的拆分维度。微服务架构更强调的是依照业务能力垂直架构划分,即每个微服务实现一种特定性能,能够独立运行、独立部署。 微服务拆分的根据个别为两个准则:一是业务独立性,维持微服务业务外部的权责繁多准则;二是团队自主性,维持微服务团队外部的地沟通老本准则。 业务层面的逻辑梳理,能够依据团队成员大小以及团队间的沟通老本来测验业务拆分是否正当。个别倡议一个微服务开发团队10人左右比拟适合,这样能够疾速迭代用户的需要。 想把微服务拆分做得非常正当往往比拟艰难。拆分是一个继续工作,随着业务上线,通过降级部署等运维形式就能够校验微服务划分是否正当。 以恒生的理财销售零碎为例,零碎的第一轮拆分包含了交易、领取结算、账户、清理等7个微服务,当业务零碎在客户端上线时发现局部拆分还是过大,影响到了很多业务降级,于是进行了第二轮拆分迭代。第二轮拆分把领取结算拆成独立领取微服务,把清理拆为交易清理以及资金清理等。依照实践经验来看,微服务的拆分一开始能够粗粒度一些,随着生产校验的推动能够逐渐细化和合理化。 最近两年,另外一个与微服务拆分的相干的理念开始火起来了,这就是起源于2004的DDD(畛域驱动设计)。目前业内偏向于认为DDD是微服务划分的终极解决办法,也是托了微服务的福,DDD才有风行的土壤。 微服务其实是一种架构格调,而DDD是一种思维,微服务定义的九大外围特质跟 DDD的准则是完全一致的,这在某种程度上也是业界违心在微服务上下文中采纳 DDD 办法和实际的起因 。 目前曾经有很多DDD如何联合微服务的技术文章和演讲开始风行,置信有朝一日DDD能成为真正微服务拆分的解决之道。 容器化交付之路IT基础设施往云上迁徙是大势所趋。在云平台竞争强烈的市场环境里,在金融机构对老本、厂商锁定的担心下,蕴含专用云、公有云和本地部署组合的混合云诞生了。 混合云时代,容器依附本身标准化、一次构建随处运行的能力开始大行其道。 金融机构的交付形式往往存在重大不对立的问题,在不下于几十家开发商产品提供的状况下,每种软件的装置部署都是不一样的规范和操作形式,容器就能够很好的解决这个问题。 容器相似于集装箱,金融机构只须要部署好混合云底座就具备了寄存集装箱的根底,而后所有开发商依照对立装置集装箱的形式提供交付。此时金融机构的运维人员进行简略列举排布即可,降级的时候进行简略替换即可。这将大大减少金融机构机房内运维人员数量,就好比一个码头,全是自动化集装箱卸载、排放、运输、调度,实现真正的智能运维。 如果通过容器把金融机构的机房变成一个全智能的“码头”,对容器云平台须要做好以下几点: 对立的交付标准。针对容器交付要有肯定的标准要求,譬如操作系统版本,安全漏洞、中间件版本等。这些根本要求是所有交付物要进入这个“码头”须要首先做到的;对立的编排标准。针对所有容器编排,造成一个利用要有对立的束缚和要求,譬如:配置核心各自分区束缚,日志核心对立采集要求,编排文件格式要求等,这是所有容器能够主动运行运维的根底;对立的调度治理界面。所有容器须要依照利用维度去治理,所有利用中用到的技术中间件须要通过对立的PaaS平台治理和获取。业务运维人员须要从利用视角展现治理界面,包含:指标监控告警、应急切换操作、日志查看操作等。 DevOps革新之路DevOps(Development和Operations的组合词,开发即运维)波及整个软件生命周期中的继续开发、继续测试、继续集成、继续部署和继续运维与反馈,目标是实现短周期内的高质量软件开发与交付,确保软件的长久稳固,为企业带来经营能力和效力的继续晋升。 实际上,DevOps是一种实际,更是一种文化理念,它强调的是单干、自动化、精益、度量、共享。 正是依靠微服务架构以及容器化的交付,DevOps才变得更加流行起来。 重塑原来的软件研发交付流程和软件研发过程次要体现在研发交付流程、参加角色的重塑。DevOps强调依照需要进行继续的集成、测试、交付、部署、监控全自动化化流水线,通过每个环节设置品质卡点,确保交付效率与品质。此外,所有角色的对立操作视图、一站式体验、数据全副汇总买通,提供全研发链路的直观展现以及每个过程数据汇总剖析,提供后续改良的可能性也是DevOps强调的内容。 除了流程的调整梳理之外,DevOps会进一步要求通过工具链的对立来实现流程的固化和落地。工具对立的过程可借助开源也能够购买商业产品,但外围是须要通过对立视图以及流水线的引擎来实现交互以及数据对立。 恒生云原生利用平台恒生公司业务零碎的云原生革新开始于2015年,经验这样几个阶段: 2017年,技术平台选型对立的阶段,实现了JRES3.0技术中台的确定;2019年,业务零碎实现微服务拆分,外围重点产品全副革新实现上线;2019年,实现对所有金融业务中共用的业务模块提取,进一步倒退造成业务中台、数据中台。 至此,恒生整体的大中台架构就真正造成。从微服务拆分到中台造成,恒生公司也实现了对应的组织结构调整。 2020年恒生开发者大会上,恒生推出了自主研发的面向金融畛域数字化业务发展的基础设施——LIGHT 。 LIGHT旗下的Light-CORE是恒生云原生PaaS平台,提供开箱即用的组件服务,反对虚机容器对立的公布体验,主打轻便、灵动、简略。 在规模性上,Light-CORE反对大规模节点集群主动治理,反对异地多活解决方案;在兼容性上,Light-CORE反对各类异构操作系统、芯片兼容,虚机容器双模运行,公有云、私有云、混合云同步接入;在组件服务生态上,Light-CORE反对各类金融中间件及开源中间件开箱即用,按需申明应用,无需关注底层运维细节。 作者介绍:许欣芃 恒生公司平台业委会负责人、研发核心总经理。十多年的金融行业技术平台的设计开发教训,参加交易、危险、清理等金融业务零碎设计和研发,目前负责恒生公司对立技术中台的研发管理工作。对云原生技术有比拟深刻的钻研,对微服务、容器、Devops相干技术有肯定实战经验。

August 26, 2021 · 1 min · jiezi

关于金融科技:CentOS搭建WonderTrader开发环境及v054版本发布

前言之前发过一篇对于如何搭建WonderTrader开发环境的文章《从零搭建WonderTrader的开发环境》,帮忙不少用户解决了一些编译源码的问题。因为笔者是在Ubuntu 18.04 LTS上开发的,而有不少用户在CentOS上搭建开发环境当前,反馈编译出错。为此笔者顺便的在CentOS7和CentOS8上进行了一番测试,最初得出的论断是:因为CentOS7和CentOS8的gcc版本和Ubuntu 18.04 LTS上的gcc版本不统一,所以导致笔者共享的预编译库无奈失常链接胜利。于是本文就针对CentOS下搭建开发环境,专门整顿了一些细节,心愿能帮到有须要的人。本文开端,还介绍了12月25日公布的最新版本v0.5.4,欢送大家尝试、拍砖。 共享资源编译源码所需的共享资源曾经上传到百度云盘,其中包含了Ubuntu 18.04 LTS、CentOS7和CentOS8三个操作系统的预编译依赖库,须要的敌人能够自行下载下载连贯:https://pan.baidu.com/s/1Bdxh... 提取码: d6bh CentOS开发环境搭建装置零碎:CentOS7(2009)或者CentOS8(2011)网络上虚拟机装置CentOS的教程很多,这里就不做赘述了。 1、装置开发环境$ yum install -y gcc gcc-c++ make automake 应用gcc --version查看gcc的版本号CentOS7下gcc版本号为4.8.5CentOS8下gcc版本号为8.3.1 装置cmake $ yum install cmake应用cmake --version查看cmake的版本号CentOS7下cmake版本号为2.8.12 $ cmake --versioncmake version 2.8.12.2CentOS8下cmake版本号为3.11.4 $ cmake --versioncmake version 3.11.4CMake suite maintained and supported by Kitware (kitware.com/cmake).2、启用epel源因为CentOS7下cmake版本是2.8.12,而WonderTrader的CMakeLists.txt要求cmake最低版本是3.0.0。 cmake_minimum_required(VERSION 3.0.0)然而CentOS7下须要启用epel源能力通过yum装置cmake3,不然就须要本人下载源码编译cmake3。此外,因为共享资源根本都是7z压缩包,所以还须要装置p7zip,而p7zip也依赖于epel源,所以CentOS8下也须要启用epel源。当然也能够间接下载rpm包装置,读者能够自行抉择装置形式。epel源的启用,须要下载epel的安装包,官网下载地址为http://mirrors.kernel.org/fed...读者依据零碎版本下载对应的rpm文件即可,下载完当前通过rpm装置。 $ wget -c http://mirrors.kernel.org/fedora-epel/epel-release-latest-7.noarch.rpm$ rpm -ivh epel-release-latest-7.noarch.rpm 3、装置cmake3(CentOS7)$ yum install cmake3 4、装置p7zip$ yum install p7zip 5、装置git$ yum install git ...

December 27, 2020 · 1 min · jiezi