發(fā)展現(xiàn)狀：自20世紀(jì)70年代布雷頓森林體系解體后，浮動(dòng)匯率取代固定匯率成為了世界上主要的匯率制度，而報(bào)價(jià)變化顯示出了以下特征：市場(chǎng)行情數(shù)據(jù)品種繁多、市場(chǎng)行情數(shù)據(jù)頻率各異、市場(chǎng)行情數(shù)據(jù)來源復(fù)雜。

　　解決方案：我們?cè)O(shè)計(jì)了一體化綜合實(shí)時(shí)報(bào)價(jià)模型，實(shí)現(xiàn)實(shí)時(shí)對(duì)外發(fā)布貨幣利率、央行中間價(jià)和銀行同業(yè)拆借利率報(bào)價(jià)、電匯現(xiàn)鈔等多類貨幣兌換報(bào)價(jià)、市場(chǎng)掉期報(bào)價(jià)、市場(chǎng)遠(yuǎn)期展期及擇期報(bào)價(jià)、貨幣期權(quán)報(bào)價(jià)、大宗商品期貨報(bào)價(jià)等市場(chǎng)資產(chǎn)報(bào)價(jià)，采用多個(gè)市場(chǎng)權(quán)威報(bào)價(jià)源機(jī)構(gòu)作為數(shù)據(jù)來源輸入模型。根據(jù)報(bào)價(jià)特點(diǎn)及規(guī)律制訂處理流程，使用GMDH算法和自組織原理，對(duì)報(bào)價(jià)模型結(jié)果進(jìn)行跟蹤，全方位大面積實(shí)時(shí)覆蓋市場(chǎng)報(bào)價(jià)，并創(chuàng)新性采用內(nèi)存數(shù)據(jù)庫、cluster集群、BlazeDS等技術(shù)完成實(shí)時(shí)響應(yīng)、高并發(fā)、低延遲的金融行情解決方案。

模型構(gòu)建

　　1.商業(yè)銀行一體化實(shí)時(shí)綜合報(bào)價(jià)模型。

　　傳統(tǒng)行情預(yù)測(cè)方法以現(xiàn)有匯率決定理論，諸如利率平價(jià)假說、資本市場(chǎng)假說、購(gòu)買力平價(jià)假說、國(guó)際收支學(xué)說等為依據(jù)，在行情價(jià)格與影響價(jià)格的各種經(jīng)濟(jì)變量之間建立線性模型，但這一模型難以解釋現(xiàn)實(shí)中的很多場(chǎng)景，比如“尖峰厚尾”、波動(dòng)的集群性等。本文提出一體化實(shí)時(shí)綜合報(bào)價(jià)模型，首先通過實(shí)時(shí)性提高保證價(jià)格存儲(chǔ)、計(jì)算、對(duì)外報(bào)送的準(zhǔn)確性，然后通過結(jié)合參數(shù)自組織建模與非參數(shù)自組織建模的混合模型來加工行情，用多迭代GMDH（Group Method of Data Handing）算法，借助自組織原理，由計(jì)算機(jī)利用數(shù)據(jù)相對(duì)客觀地選擇變量間關(guān)系，用外準(zhǔn)則選取最優(yōu)模型，實(shí)現(xiàn)對(duì)研究對(duì)象內(nèi)部結(jié)構(gòu)的模擬。算法將黑箱思想、歸納法及概率論有機(jī)結(jié)合，實(shí)現(xiàn)了自動(dòng)控制和模式識(shí)別理論的統(tǒng)一，在報(bào)價(jià)異常時(shí)及時(shí)發(fā)現(xiàn)并調(diào)整策略。具體構(gòu)建了如圖1的六大模型，各模型間通過監(jiān)聽、通知、緩存、推送等多種機(jī)制進(jìn)行數(shù)據(jù)流交互處理存儲(chǔ)推送等操作。

　
圖1  一體化實(shí)時(shí)綜合報(bào)價(jià)模型關(guān)系圖

　　2.收集模型及定價(jià)實(shí)例。

　　收集模型構(gòu)建時(shí)，將諸如路透社、彭博社、瑞士銀行集團(tuán)、花旗銀行、德意志銀行、巴克萊銀行等多個(gè)市場(chǎng)權(quán)威報(bào)價(jià)源機(jī)構(gòu)報(bào)價(jià)作為原始數(shù)據(jù)接入模型。采用分布式布局，將報(bào)價(jià)源同時(shí)配置在三個(gè)子模塊中，實(shí)際啟動(dòng)時(shí)不同子模塊由參數(shù)配置啟動(dòng)獲取不同報(bào)價(jià)。摒棄常規(guī)的定時(shí)抓取市場(chǎng)數(shù)據(jù)方式，采用“被動(dòng)接收”方式，即市場(chǎng)數(shù)據(jù)源有數(shù)據(jù)更新的時(shí)候，就立即通知收集模塊對(duì)市場(chǎng)數(shù)據(jù)進(jìn)行抽取及解析，并實(shí)時(shí)更新至數(shù)據(jù)庫，作為市場(chǎng)原始數(shù)據(jù)留存在應(yīng)用模型中。

　　收集模型定價(jià)實(shí)例以外匯期權(quán)為例，模型使用廣受認(rèn)可的諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)獲獎(jiǎng)成果，布萊克-肖爾斯期權(quán)定價(jià)模型（Black-Scholes Option Pricing Model），為方便公式表達(dá)，定義如下變量：C—期權(quán)初始合理價(jià)格；L—期權(quán)交割價(jià)格；S—所交易金融資產(chǎn)現(xiàn)價(jià)；T—期權(quán)有效期；r—連續(xù)復(fù)利計(jì)無風(fēng)險(xiǎn)利率；σ2—年度化方差。

　　N()—正態(tài)分布變量的累積概率分布函數(shù)  

　　根據(jù)模型公式，期權(quán)的初始合理價(jià)格：                       

　　 公式1

　　其中：

　　  公式2

　　  公式3

　　根據(jù)模型，以人民幣兌韓元為例，市場(chǎng)上人民幣兌韓元匯率約1：164，無風(fēng)險(xiǎn)連續(xù)復(fù)利利率r是0.0521，市場(chǎng)方差σ2為0.0841，那么實(shí)施價(jià)格L是165，有效期T為0.0959的期權(quán)初始合理價(jià)格計(jì)算步驟如下:

　　①計(jì)算：

　�、谟�(jì)算：

　　③根據(jù)標(biāo)準(zhǔn)正態(tài)分布函數(shù)表得:

　　N(0.03)=0.5120　N(-0.06)=0.4761

　�、芮驝:C=164×0.5120-165×e-0.0521×0.0959× 0.4761=5.803

　　因此理論上該期權(quán)合理價(jià)格是5.803，如果該期權(quán)市場(chǎng)實(shí)際價(jià)格是5.75，那么意味著期權(quán)被低估。在沒有交易成本的條件下，購(gòu)買該看漲期權(quán)有利可圖。以此為例，商業(yè)銀行一體化綜合報(bào)價(jià)模型設(shè)計(jì)并實(shí)現(xiàn)了數(shù)十個(gè)資產(chǎn)報(bào)價(jià)模型，篇幅有限不一一贅述。

　　3.存儲(chǔ)模塊。

　　實(shí)時(shí)行情存儲(chǔ)、計(jì)算和參數(shù)存儲(chǔ)功能由這個(gè)模塊實(shí)現(xiàn)。收集模型被存儲(chǔ)模塊通過監(jiān)聽機(jī)制獲取實(shí)時(shí)變化，將Gemfire內(nèi)存數(shù)據(jù)庫集群，壓力分散，負(fù)載均衡。集群分為分發(fā)交互節(jié)點(diǎn)及數(shù)據(jù)Server節(jié)點(diǎn)，當(dāng)集群內(nèi)有一個(gè)Server宕機(jī)后，會(huì)由另一Server自動(dòng)運(yùn)行，接續(xù)處理，以保證數(shù)據(jù)處理和存儲(chǔ)的健壯性。

　　由于需支撐每秒總計(jì)上千筆數(shù)據(jù)處理要求，這需要極高速的處理存儲(chǔ)架構(gòu)設(shè)計(jì)。因此將數(shù)據(jù)處理邏輯設(shè)計(jì)在內(nèi)存數(shù)據(jù)庫中，避免了數(shù)據(jù)庫到另立處理模塊的網(wǎng)絡(luò)通訊損耗。應(yīng)用內(nèi)存數(shù)據(jù)庫特有的事件監(jiān)聽能力，客戶端Client向數(shù)據(jù)庫服務(wù)器端Server Node注冊(cè)需要監(jiān)聽變化的數(shù)據(jù)，同時(shí)在Server端維持一個(gè)長(zhǎng)隊(duì)列。Server將長(zhǎng)隊(duì)列中存儲(chǔ)的消息發(fā)送給客戶端，同時(shí)在Client內(nèi)維持一個(gè)短隊(duì)列，用于接收消息，短隊(duì)列中的消息同步派發(fā)給應(yīng)用程序，并間隔小于一秒發(fā)送消息給Server端批量確認(rèn)消息到達(dá)。Server端收到確認(rèn)后從長(zhǎng)隊(duì)列中刪除這些消息。為保證易擴(kuò)展，可以不停機(jī)增加server節(jié)點(diǎn)進(jìn)行負(fù)載均衡，模型支持不改變軟件體系結(jié)構(gòu)的同時(shí)擴(kuò)展模型的處理報(bào)價(jià)的能力，新報(bào)價(jià)產(chǎn)品的增加通過配置參數(shù)設(shè)置，并提供了完整的應(yīng)急處理辦法，允許用戶對(duì)報(bào)警報(bào)價(jià)信息進(jìn)行人工干預(yù)（如圖2所示）。

　
圖2  內(nèi)存數(shù)據(jù)庫交互邏輯

　　4.監(jiān)控模塊。

　　該模塊提供銀行業(yè)務(wù)人員檢測(cè)預(yù)警、設(shè)置報(bào)價(jià)參數(shù)等功能，使用有別于傳統(tǒng)的基于頁面、服務(wù)器端數(shù)據(jù)傳遞模式，不把網(wǎng)絡(luò)程序的表現(xiàn)層建立于HTML頁面之上，從而告別傳統(tǒng)的基于頁面模型，以滿足網(wǎng)絡(luò)瀏覽者的更高的、全方位的體驗(yàn)要求。選用富客戶端技術(shù)框架（Rich Internet Applications，RIA），將報(bào)價(jià)控制、行情監(jiān)控、行情預(yù)警功能集成到統(tǒng)一平臺(tái)中。

　　5.推送模型。

　　該模型專注于處理完的報(bào)價(jià)信息的獲取、推送以及預(yù)警邏輯等功能，同時(shí)提供報(bào)表生成和查詢等功能。模塊內(nèi)的警戒機(jī)制能幫助模型對(duì)報(bào)價(jià)源的數(shù)據(jù)進(jìn)行過濾，以保證報(bào)價(jià)的可靠性。運(yùn)用基于服務(wù)器的Java遠(yuǎn)程調(diào)用和Web消息傳遞技術(shù)的BlazeDS數(shù)據(jù)推送機(jī)制，使得后臺(tái)程序和運(yùn)行在瀏覽器的Flex程序?qū)崿F(xiàn)實(shí)時(shí)通信。BlazeDS可以訪問不同的數(shù)據(jù)持久化方案，如數(shù)據(jù)庫、JMS等，實(shí)現(xiàn)基于消息的框架。Flex客戶端通過通道與服務(wù)端傳送數(shù)據(jù)，通道負(fù)責(zé)封裝消息格式、網(wǎng)絡(luò)協(xié)議、解析方式、目的和應(yīng)用代碼，負(fù)責(zé)格式化和翻譯消息為特定網(wǎng)絡(luò)下的模式，分發(fā)給相應(yīng)端點(diǎn)。通道支持無輪詢的請(qǐng)求/響應(yīng)模式、客戶端輪詢模式（模擬實(shí)時(shí)通信）和數(shù)據(jù)流實(shí)時(shí)模式，使得前臺(tái)監(jiān)控界面能夠被動(dòng)更新行情信息，避免由于請(qǐng)求響應(yīng)頻繁致使通道堆積網(wǎng)絡(luò)阻塞。在服務(wù)器端，通道與基于Java的端點(diǎn)發(fā)生交換，端點(diǎn)負(fù)責(zé)解析消息成特定的協(xié)議模式，然后把它傳送給普通Java形式的“消息代理人”。最終由代理人決定該消息發(fā)往何處，路由至恰當(dāng)目的地。

　　 6.綜合模型及發(fā)布模型。

　　這個(gè)模塊專注于對(duì)外向其他業(yè)務(wù)模型提供報(bào)價(jià)服務(wù)及提供批處理。為應(yīng)對(duì)每天數(shù)十萬次的訪問量，在其中加入Cache子模塊，保證在高并發(fā)時(shí)依然具有高可用性，同時(shí)為了保證模型能全天候運(yùn)行，模型會(huì)有冗余的模塊同時(shí)運(yùn)行以備應(yīng)對(duì)突發(fā)宕機(jī)問題。

模型應(yīng)用效果分析

　　1.模型分析范圍。

　　時(shí)間范圍：常規(guī)歷史數(shù)據(jù)采集日期為2017年10月02日至11月12日，共計(jì)41個(gè)自然日，報(bào)價(jià)劇烈波動(dòng)歷史時(shí)期為2017年10月16日8點(diǎn)整至20點(diǎn)整，共計(jì)12小時(shí)。數(shù)據(jù)范圍：數(shù)據(jù)范圍涉及兩方面，一方面是通過聯(lián)機(jī)服務(wù)向模型外部輸出的常規(guī)報(bào)價(jià)量；另一方面是在行情劇烈波動(dòng)時(shí)期，模型的單筆耗時(shí)、支撐并發(fā)量、錯(cuò)誤率和吞吐量等性能指標(biāo)。

　　2.模型常規(guī)聯(lián)機(jī)交易量統(tǒng)計(jì)。

　　模型有7種報(bào)價(jià)輸出渠道，本文展示模型通過常規(guī)聯(lián)機(jī)服務(wù)方式的交易量統(tǒng)計(jì)信息，工作日期間常規(guī)聯(lián)機(jī)交易量維持在60萬左右，節(jié)假日則為約30萬交易量。模型的交易量較為穩(wěn)定，能夠全天提供報(bào)價(jià)服務(wù)。

　　3.模型性能表現(xiàn)。

　　如下表，僅模型中4個(gè)普遍報(bào)價(jià)吞吐量已達(dá)14429.6，耗時(shí)中值均在3毫秒以下，大于九成報(bào)價(jià)服務(wù)可以在29毫秒內(nèi)處理完成。樣本內(nèi)錯(cuò)誤率為0。

　
表  綜合場(chǎng)景響應(yīng)報(bào)告表

　　同時(shí)，觀察模型對(duì)持續(xù)壓力的響應(yīng)情況，將模擬交易上升到業(yè)務(wù)場(chǎng)景需求的10倍，觀察資源消耗及系統(tǒng)穩(wěn)定性。具體做法為：以測(cè)試模型確定的交易比例進(jìn)行持續(xù)12小時(shí)穩(wěn)定性測(cè)試，監(jiān)控系統(tǒng)資源及交易表現(xiàn)以獲取系統(tǒng)穩(wěn)定狀況。

模型應(yīng)用創(chuàng)新及風(fēng)險(xiǎn)防范水平

　　全面的業(yè)務(wù)整合。整合市場(chǎng)數(shù)據(jù)、匯率管理、人工交互、數(shù)據(jù)服務(wù)等功能，提供實(shí)時(shí)報(bào)價(jià)監(jiān)控以及完整應(yīng)急處理辦法，允許用戶進(jìn)行實(shí)時(shí)交互處理。

　　統(tǒng)一的數(shù)據(jù)采集。從數(shù)據(jù)源采購(gòu)來說，使用統(tǒng)一數(shù)據(jù)源節(jié)省成本。統(tǒng)一的原材料采集，實(shí)現(xiàn)了統(tǒng)一采購(gòu)和接入，避免重復(fù)為資源付費(fèi)。

　　全方位的報(bào)價(jià)服務(wù)。采用多種算法，提供孖展、現(xiàn)價(jià)、掉期、遠(yuǎn)期、擇期、展期、期權(quán)、利率、同業(yè)拆解利率、央行中間價(jià)、原油、貴金屬的實(shí)時(shí)不同層級(jí)報(bào)價(jià)，以及原油、貴金屬K線圖數(shù)據(jù)，同時(shí)支持相同數(shù)據(jù)源情況下不同參數(shù)個(gè)性化定制。

　　在模型設(shè)計(jì)過程中，考慮創(chuàng)新性。實(shí)現(xiàn)了服務(wù)渠道多樣化，支持JMS、TCP、API、訂閱推送、消息發(fā)布、批量文件等形式，具備通過FIX協(xié)議對(duì)外發(fā)布自主數(shù)據(jù)的能力。分布式模型架構(gòu)易于擴(kuò)展，任一模塊能不停機(jī)熱擴(kuò)展，通過采用并行計(jì)算、分布式計(jì)算、集群計(jì)算，提高模型處理能力和效率。內(nèi)存數(shù)據(jù)庫、CLUSTER集群、CACHE緩存、BlazeDs等技術(shù)應(yīng)用實(shí)現(xiàn)了行情數(shù)據(jù)的實(shí)時(shí)響應(yīng)、高并發(fā)、低延遲。創(chuàng)新的部署方案，按照功能模塊分別部署，每個(gè)模塊都可以動(dòng)態(tài)更換而不影響其他模塊，組件和工具類都能作為單獨(dú)的工程存在。減少了交易和組件之間的耦合性。

　　模型的風(fēng)險(xiǎn)防范水平很高。模型自動(dòng)對(duì)國(guó)際市場(chǎng)數(shù)據(jù)進(jìn)行篩選并提供實(shí)時(shí)監(jiān)控，區(qū)分多種不同級(jí)別報(bào)價(jià)狀態(tài)，對(duì)于級(jí)別較高的異常報(bào)價(jià)狀態(tài)提供顏色和聲音告警。對(duì)合理參數(shù)錄入和操作進(jìn)行校驗(yàn)，記錄操作歷史，對(duì)關(guān)鍵參數(shù)和操作進(jìn)行隔離記錄。GemFire數(shù)據(jù)庫在多臺(tái)機(jī)器的內(nèi)存上有數(shù)據(jù)備份，如果多臺(tái)機(jī)器同時(shí)故障，GemFire也可以把數(shù)據(jù)持久化到本地或數(shù)據(jù)庫。每隔半分鐘文件持久化方案進(jìn)行同步，將數(shù)據(jù)存儲(chǔ)至數(shù)據(jù)庫目錄下，保證在部分機(jī)器故障但數(shù)據(jù)庫未停止運(yùn)行的情況下行情數(shù)據(jù)仍然不丟失。

        （作者：交通銀行軟件開發(fā)中心（上海）洪火根 劉華 喬華凱）

（文章來源：金融電子化雜志）

掃碼即可手機(jī)
閱讀轉(zhuǎn)發(fā)此文