商业银行一体化实时综合报价模型应用

发展现状：自20世纪70年代布雷顿森林体系解体后，浮动汇率取代固定汇率成为了世界上主要的汇率制度，而报价变化显示出了以下特征：市场行情数据品种繁多、市场行情数据频率各异、市场行情数据来源复杂。

　　解决方案：我们设计了一体化综合实时报价模型，实现实时对外发布货币利率、央行中间价和银行同业拆借利率报价、电汇现钞等多类货币兑换报价、市场掉期报价、市场远期展期及择期报价、货币期权报价、大宗商品期货报价等市场资产报价，采用多个市场权威报价源机构作为数据来源输入模型。根据报价特点及规律制订处理流程，使用GMDH算法和自组织原理，对报价模型结果进行跟踪，全方位大面积实时覆盖市场报价，并创新性采用内存数据库、cluster集群、BlazeDS等技术完成实时响应、高并发、低延迟的金融行情解决方案。

模型构建

　　1.商业银行一体化实时综合报价模型。

　　传统行情预测方法以现有汇率决定理论，诸如利率平价假说、资本市场假说、购买力平价假说、国际收支学说等为依据，在行情价格与影响价格的各种经济变量之间建立线性模型，但这一模型难以解释现实中的很多场景，比如“尖峰厚尾”、波动的集群性等。本文提出一体化实时综合报价模型，首先通过实时性提高保证价格存储、计算、对外报送的准确性，然后通过结合参数自组织建模与非参数自组织建模的混合模型来加工行情，用多迭代GMDH（Group Method of Data Handing）算法，借助自组织原理，由计算机利用数据相对客观地选择变量间关系，用外准则选取最优模型，实现对研究对象内部结构的模拟。算法将黑箱思想、归纳法及概率论有机结合，实现了自动控制和模式识别理论的统一，在报价异常时及时发现并调整策略。具体构建了如图1的六大模型，各模型间通过监听、通知、缓存、推送等多种机制进行数据流交互处理存储推送等操作。

　
图1  一体化实时综合报价模型关系图

　　2.收集模型及定价实例。

　　收集模型构建时，将诸如路透社、彭博社、瑞士银行集团、花旗银行、德意志银行、巴克莱银行等多个市场权威报价源机构报价作为原始数据接入模型。采用分布式布局，将报价源同时配置在三个子模块中，实际启动时不同子模块由参数配置启动获取不同报价。摒弃常规的定时抓取市场数据方式，采用“被动接收”方式，即市场数据源有数据更新的时候，就立即通知收集模块对市场数据进行抽取及解析，并实时更新至数据库，作为市场原始数据留存在应用模型中。

　　收集模型定价实例以外汇期权为例，模型使用广受认可的诺贝尔经济学奖获奖成果，布莱克-肖尔斯期权定价模型（Black-Scholes Option Pricing Model），为方便公式表达，定义如下变量：C—期权初始合理价格；L—期权交割价格；S—所交易金融资产现价；T—期权有效期；r—连续复利计无风险利率；σ2—年度化方差。

　　N()—正态分布变量的累积概率分布函数  

　　根据模型公式，期权的初始合理价格：                       

　　 公式1

　　其中：

　　  公式2

　　  公式3

　　根据模型，以人民币兑韩元为例，市场上人民币兑韩元汇率约1：164，无风险连续复利利率r是0.0521，市场方差σ2为0.0841，那么实施价格L是165，有效期T为0.0959的期权初始合理价格计算步骤如下:

　　①计算：

　　②计算：

　　③根据标准正态分布函数表得:

　　N(0.03)=0.5120　N(-0.06)=0.4761

　　④求C:C=164×0.5120-165×e-0.0521×0.0959× 0.4761=5.803

　　因此理论上该期权合理价格是5.803，如果该期权市场实际价格是5.75，那么意味着期权被低估。在没有交易成本的条件下，购买该看涨期权有利可图。以此为例，商业银行一体化综合报价模型设计并实现了数十个资产报价模型，篇幅有限不一一赘述。

　　3.存储模块。

　　实时行情存储、计算和参数存储功能由这个模块实现。收集模型被存储模块通过监听机制获取实时变化，将Gemfire内存数据库集群，压力分散，负载均衡。集群分为分发交互节点及数据Server节点，当集群内有一个Server宕机后，会由另一Server自动运行，接续处理，以保证数据处理和存储的健壮性。

　　由于需支撑每秒总计上千笔数据处理要求，这需要极高速的处理存储架构设计。因此将数据处理逻辑设计在内存数据库中，避免了数据库到另立处理模块的网络通讯损耗。应用内存数据库特有的事件监听能力，客户端Client向数据库服务器端Server Node注册需要监听变化的数据，同时在Server端维持一个长队列。Server将长队列中存储的消息发送给客户端，同时在Client内维持一个短队列，用于接收消息，短队列中的消息同步派发给应用程序，并间隔小于一秒发送消息给Server端批量确认消息到达。Server端收到确认后从长队列中删除这些消息。为保证易扩展，可以不停机增加server节点进行负载均衡，模型支持不改变软件体系结构的同时扩展模型的处理报价的能力，新报价产品的增加通过配置参数设置，并提供了完整的应急处理办法，允许用户对报警报价信息进行人工干预（如图2所示）。

　
图2  内存数据库交互逻辑

　　4.监控模块。

　　该模块提供银行业务人员检测预警、设置报价参数等功能，使用有别于传统的基于页面、服务器端数据传递模式，不把网络程序的表现层建立于HTML页面之上，从而告别传统的基于页面模型，以满足网络浏览者的更高的、全方位的体验要求。选用富客户端技术框架（Rich Internet Applications，RIA），将报价控制、行情监控、行情预警功能集成到统一平台中。

　　5.推送模型。

　　该模型专注于处理完的报价信息的获取、推送以及预警逻辑等功能，同时提供报表生成和查询等功能。模块内的警戒机制能帮助模型对报价源的数据进行过滤，以保证报价的可靠性。运用基于服务器的Java远程调用和Web消息传递技术的BlazeDS数据推送机制，使得后台程序和运行在浏览器的Flex程序实现实时通信。BlazeDS可以访问不同的数据持久化方案，如数据库、JMS等，实现基于消息的框架。Flex客户端通过通道与服务端传送数据，通道负责封装消息格式、网络协议、解析方式、目的和应用代码，负责格式化和翻译消息为特定网络下的模式，分发给相应端点。通道支持无轮询的请求/响应模式、客户端轮询模式（模拟实时通信）和数据流实时模式，使得前台监控界面能够被动更新行情信息，避免由于请求响应频繁致使通道堆积网络阻塞。在服务器端，通道与基于Java的端点发生交换，端点负责解析消息成特定的协议模式，然后把它传送给普通Java形式的“消息代理人”。最终由代理人决定该消息发往何处，路由至恰当目的地。

　　 6.综合模型及发布模型。

　　这个模块专注于对外向其他业务模型提供报价服务及提供批处理。为应对每天数十万次的访问量，在其中加入Cache子模块，保证在高并发时依然具有高可用性，同时为了保证模型能全天候运行，模型会有冗余的模块同时运行以备应对突发宕机问题。

模型应用效果分析

　　1.模型分析范围。

　　时间范围：常规历史数据采集日期为2017年10月02日至11月12日，共计41个自然日，报价剧烈波动历史时期为2017年10月16日8点整至20点整，共计12小时。数据范围：数据范围涉及两方面，一方面是通过联机服务向模型外部输出的常规报价量；另一方面是在行情剧烈波动时期，模型的单笔耗时、支撑并发量、错误率和吞吐量等性能指标。

　　2.模型常规联机交易量统计。

　　模型有7种报价输出渠道，本文展示模型通过常规联机服务方式的交易量统计信息，工作日期间常规联机交易量维持在60万左右，节假日则为约30万交易量。模型的交易量较为稳定，能够全天提供报价服务。

　　3.模型性能表现。

　　如下表，仅模型中4个普遍报价吞吐量已达14429.6，耗时中值均在3毫秒以下，大于九成报价服务可以在29毫秒内处理完成。样本内错误率为0。

　
表  综合场景响应报告表

　　同时，观察模型对持续压力的响应情况，将模拟交易上升到业务场景需求的10倍，观察资源消耗及系统稳定性。具体做法为：以测试模型确定的交易比例进行持续12小时稳定性测试，监控系统资源及交易表现以获取系统稳定状况。

模型应用创新及风险防范水平

　　全面的业务整合。整合市场数据、汇率管理、人工交互、数据服务等功能，提供实时报价监控以及完整应急处理办法，允许用户进行实时交互处理。

　　统一的数据采集。从数据源采购来说，使用统一数据源节省成本。统一的原材料采集，实现了统一采购和接入，避免重复为资源付费。

　　全方位的报价服务。采用多种算法，提供孖展、现价、掉期、远期、择期、展期、期权、利率、同业拆解利率、央行中间价、原油、贵金属的实时不同层级报价，以及原油、贵金属K线图数据，同时支持相同数据源情况下不同参数个性化定制。

　　在模型设计过程中，考虑创新性。实现了服务渠道多样化，支持JMS、TCP、API、订阅推送、消息发布、批量文件等形式，具备通过FIX协议对外发布自主数据的能力。分布式模型架构易于扩展，任一模块能不停机热扩展，通过采用并行计算、分布式计算、集群计算，提高模型处理能力和效率。内存数据库、CLUSTER集群、CACHE缓存、BlazeDs等技术应用实现了行情数据的实时响应、高并发、低延迟。创新的部署方案，按照功能模块分别部署，每个模块都可以动态更换而不影响其他模块，组件和工具类都能作为单独的工程存在。减少了交易和组件之间的耦合性。

　　模型的风险防范水平很高。模型自动对国际市场数据进行筛选并提供实时监控，区分多种不同级别报价状态，对于级别较高的异常报价状态提供颜色和声音告警。对合理参数录入和操作进行校验，记录操作历史，对关键参数和操作进行隔离记录。GemFire数据库在多台机器的内存上有数据备份，如果多台机器同时故障，GemFire也可以把数据持久化到本地或数据库。每隔半分钟文件持久化方案进行同步，将数据存储至数据库目录下，保证在部分机器故障但数据库未停止运行的情况下行情数据仍然不丢失。

        （作者：交通银行软件开发中心（上海）洪火根 刘华 乔华凯）

（文章来源：金融电子化杂志）

扫码即可手机
阅读转发此文