Advisors’ Axiom. Инвестиционная платформа с нейросетью для оценки тональности новостей

Направление: Финансы

Гео: Москва

Задача

Инвестиционная платформа Advisors’ Axiom — это площадка для совместной работы инвесторов сегмента Premium и Private Banking, инвестиционных консультантов и финансовых экспертов, разработанная ПАО РОСБАНК.Возможности платформы:ВО ЧТО ИНВЕСТИРОВАТЬ, КОГДА И ЗАЧЕМ✔️Подборки ценных бумаг✔️Продуктовый каталог ✔️Модель сбалансированного инвестиционного портфеляТОЛЬКО ВАЖНЫЕ НОВОСТИПоказывает только те новости, которые могут повлиять на цену активов клиента, и отмечает тональность этого событияРИСК-МЕНЕДЖМЕНТОценка риска портфеля и инвестиционное профилирование Перед командой Globus IT стояла задача разработать MVP удобного онлайн-инструмента для управления капиталом для клиентов Росбанка сегмента Premium и Private Banking с возможностью следить за всеми изменениями их портфеля, а также мобильное приложение к нему.Платформа на стадии MVP должна включать профиль инвестора и инвестиционного консультанта, который закреплен за каждым клиентом и помогает ему в формировании и реализации его инвестиционной стратегии.Сервис должен не только содержать всю необходимую информацию по портфелю, но и сигнализировать о негативных изменениях портфеля для клиентов, и отслеживать происходящие в экономике изменения с помощью машинного обучения, анализировать состояние активов и фиксировать их динамику.

Решение

Особенности работы с исходными даннымиРазнородные исходные данные из различных банковских учетных систем загружаются в БД PostgreSQL.Загрузка информации, ее способы и оперативность находились под контролем специалистов банка и вне влияния команды разработки. Способы загрузки информации: — Удаление БД и полная загрузка — Частичные insert — Частичный update — Частичный delete Система производит подготовку данных в нужном формате и объеме, необходимых для целей визуального представления информации в интерфейсе. Вследствие того что система не имеет сведений о способах поступления информации, ее объеме и частоте, процедуры обработки исходных данных каждый раз выполняют все расчеты с нуля на требуемую глубину на весь объем данных. Это позволяет гарантировать корректность информации сразу после расчета на основе объема исходных данных, который был на момент расчета. Все расчеты выполняются в разрезе одного клиента. На примере типовой задачи по расчетам, например, активов из исходных данных: — Производится обход списка клиентов в БД и постановка для каждого клиента соответствующей задачи «расчет последней информации по активам» через брокер сообщений, т. е. генерируется множество независимых задач расчета по каждому клиенту. — Контейнеры-консьюмеры производят обработку сообщений из очередей. — Увеличение производительности достигается увеличением количества consumer-обработчиков. База данных в этой схеме является потенциально узким местом, которое на текущий момент не масштабируется. Однако считаем, что имеем запас производительности БД еще почти на 2 порядка до тех пор, пока эта проблема с объемом данных и производительностью БД действительно возникнет. До тех пор увеличение производительности рекомендуется решать штатными тривиальными методами: — Увеличение ресурсов сервера БД. — Улучшение структуры таблиц исходных данных. — Разделение БД на чтение и запись. Однако такую схему нельзя признать удовлетворительной на долгий срок, и тот временной период, который имеется в запасе, требуется использовать для перепроектирования схемы поставки исходных данных в систему.