基于云原生的基金评价研究系统设计与实现
这是一篇关于云原生,Service Mesh,PySpark,评价指标,基金研究的论文, 主要内容为上海证券在基金评价研究方面具有丰富的行业经验和知识积累,公司下属基金评价中心发布的研究数据和报告获得金融市场广泛的认可。但是长期以来,业务人员使用单机模式处理基金评价研究数据,系统中存在着数据处理耗时长和可复用性低,以及服务容量有限和用户体验不佳等问题,因此本文基于云原生平台构建适应新一代技术的基金评价研究系统。本文从上海证券基金评价中心的实际需求出发,经过详细的分析和调研,以基金产品为核心,在股票、基金、基金经理和基金公司四个方面上实现多层次和全方位的基金画像,在基金因子层面实现Barra风格因子和行业因子画像,在基金持仓方面实现规模价值和行业主题画像,在基金经理层面实现稳定性、投资偏好和明星基金经理等画像,基于这些标签画像数据能够为前端业务用户提供更加完善的基金评价研究,以及组合研究和报告工厂等功能。本文采用股债二市场风险因素模型建立基金评价研究算法,引入了股市贝塔和债市贝塔进行度量基金市场风险因素和基金资产配置的市场敏感度因素。通过分析基金的投资能力、时机选择能力和业绩收益数据可以精确度量基金市场风险调整后的超额收益率,从而得出更加准确的评级结果。在基金评价研究系统的实现方面,系统基于Vue+Element UI实现前端功能,Spring Boot实现后端微服务功能,以及Py Spark实现大规模数据服务功能。系统整体部署在上海证券云原生平台,平台整合了Docker容器和Kubernetes容器编排工具,以及微服务Service Mesh和Dev Ops等技术,实现业务应用从开发和测试到部署、运维和治理的全生命周期管理。本系统目前已在上海证券上线运行,公司的基金评价中心、财富管理总部以及各分支机构在日常的投资研究中已使用该系统。除此之外,系统的评价和研究分析数据为机构投资者提供科学合理且持续性强的增值数据服务,为个人投资者提供全面完整的基金投资参考依据。
基于Service Mesh思想的微服务框架设计与实现
这是一篇关于Service Mesh,微服务,注册中心,配置中心的论文, 主要内容为大数据时代到来,流量激增,现在的系统为应对激增的流量急需进行扩展,而纵向扩展受制于硬件技术。所以,目前主流的系统采用微服务架构进行横向扩展。微服务架构将原本系统抽象成更小粒度的微服务,组成一个相互连通的微服务集群来对外提供服务,并通过添加普通PC机来提高处理能力。但目前已有的用于构建微服务的微服务框架大多是面向一种编程语言的,若整个系统仅使用一种语言的技术体系来构建,就无法充分利用不同语言的特性。如果微服务应用想用不同的编程语言来构建,需要为每种编程语言开发对应的微服务框架实现。为此本文设计并实现了一个提供跨语言能力的微服务框架,包括相互独立又分工合作的注册中心系统集群、配置中心系统集群、代理Agent三部分。本文的主要研究工作包括以下内容:1)对比目前基于Raft协议的注册中心系统,为提高读写性能,采用最终一致性模型设计高可用的分布式注册中心系统,并且添加事件监听机制和增量拉取功能,进一步降低网络通信量。引入RocksDB数据库,利用RocksDB的快速存储特性为集群提供高效的持久化能力。2)基于Service Mesh的思想,设计并实现具备跨语言构建微服务能力的代理Agent。针对不同语言所使用的数据结构以及参数数目不同的问题,采用json结合protobuf的方式解决。同时设计与传统微服务协议连接的功能,最后利用Netty框架来提升通信效率。3)在代理Agent的基础上,实现服务的治理,包括熔断、降级、限流、负载均衡以及容错。熔断、降级、限流用来保证服务的安全性及系统整体的可用性,防止流量激增导致整个系统崩溃。负载均衡以及容错,用来实现系统的水平扩展。4)采用Raft协议,设计并实现一个强一致性的分布式配置中心系统,存储服务治理以及代理的属性配置,同时提供简洁的Web界面,实现易用的集中配置管理。
基于云原生的基金评价研究系统设计与实现
这是一篇关于云原生,Service Mesh,PySpark,评价指标,基金研究的论文, 主要内容为上海证券在基金评价研究方面具有丰富的行业经验和知识积累,公司下属基金评价中心发布的研究数据和报告获得金融市场广泛的认可。但是长期以来,业务人员使用单机模式处理基金评价研究数据,系统中存在着数据处理耗时长和可复用性低,以及服务容量有限和用户体验不佳等问题,因此本文基于云原生平台构建适应新一代技术的基金评价研究系统。本文从上海证券基金评价中心的实际需求出发,经过详细的分析和调研,以基金产品为核心,在股票、基金、基金经理和基金公司四个方面上实现多层次和全方位的基金画像,在基金因子层面实现Barra风格因子和行业因子画像,在基金持仓方面实现规模价值和行业主题画像,在基金经理层面实现稳定性、投资偏好和明星基金经理等画像,基于这些标签画像数据能够为前端业务用户提供更加完善的基金评价研究,以及组合研究和报告工厂等功能。本文采用股债二市场风险因素模型建立基金评价研究算法,引入了股市贝塔和债市贝塔进行度量基金市场风险因素和基金资产配置的市场敏感度因素。通过分析基金的投资能力、时机选择能力和业绩收益数据可以精确度量基金市场风险调整后的超额收益率,从而得出更加准确的评级结果。在基金评价研究系统的实现方面,系统基于Vue+Element UI实现前端功能,Spring Boot实现后端微服务功能,以及Py Spark实现大规模数据服务功能。系统整体部署在上海证券云原生平台,平台整合了Docker容器和Kubernetes容器编排工具,以及微服务Service Mesh和Dev Ops等技术,实现业务应用从开发和测试到部署、运维和治理的全生命周期管理。本系统目前已在上海证券上线运行,公司的基金评价中心、财富管理总部以及各分支机构在日常的投资研究中已使用该系统。除此之外,系统的评价和研究分析数据为机构投资者提供科学合理且持续性强的增值数据服务,为个人投资者提供全面完整的基金投资参考依据。
基于云原生的基金评价研究系统设计与实现
这是一篇关于云原生,Service Mesh,PySpark,评价指标,基金研究的论文, 主要内容为上海证券在基金评价研究方面具有丰富的行业经验和知识积累,公司下属基金评价中心发布的研究数据和报告获得金融市场广泛的认可。但是长期以来,业务人员使用单机模式处理基金评价研究数据,系统中存在着数据处理耗时长和可复用性低,以及服务容量有限和用户体验不佳等问题,因此本文基于云原生平台构建适应新一代技术的基金评价研究系统。本文从上海证券基金评价中心的实际需求出发,经过详细的分析和调研,以基金产品为核心,在股票、基金、基金经理和基金公司四个方面上实现多层次和全方位的基金画像,在基金因子层面实现Barra风格因子和行业因子画像,在基金持仓方面实现规模价值和行业主题画像,在基金经理层面实现稳定性、投资偏好和明星基金经理等画像,基于这些标签画像数据能够为前端业务用户提供更加完善的基金评价研究,以及组合研究和报告工厂等功能。本文采用股债二市场风险因素模型建立基金评价研究算法,引入了股市贝塔和债市贝塔进行度量基金市场风险因素和基金资产配置的市场敏感度因素。通过分析基金的投资能力、时机选择能力和业绩收益数据可以精确度量基金市场风险调整后的超额收益率,从而得出更加准确的评级结果。在基金评价研究系统的实现方面,系统基于Vue+Element UI实现前端功能,Spring Boot实现后端微服务功能,以及Py Spark实现大规模数据服务功能。系统整体部署在上海证券云原生平台,平台整合了Docker容器和Kubernetes容器编排工具,以及微服务Service Mesh和Dev Ops等技术,实现业务应用从开发和测试到部署、运维和治理的全生命周期管理。本系统目前已在上海证券上线运行,公司的基金评价中心、财富管理总部以及各分支机构在日常的投资研究中已使用该系统。除此之外,系统的评价和研究分析数据为机构投资者提供科学合理且持续性强的增值数据服务,为个人投资者提供全面完整的基金投资参考依据。
基于云原生的基金评价研究系统设计与实现
这是一篇关于云原生,Service Mesh,PySpark,评价指标,基金研究的论文, 主要内容为上海证券在基金评价研究方面具有丰富的行业经验和知识积累,公司下属基金评价中心发布的研究数据和报告获得金融市场广泛的认可。但是长期以来,业务人员使用单机模式处理基金评价研究数据,系统中存在着数据处理耗时长和可复用性低,以及服务容量有限和用户体验不佳等问题,因此本文基于云原生平台构建适应新一代技术的基金评价研究系统。本文从上海证券基金评价中心的实际需求出发,经过详细的分析和调研,以基金产品为核心,在股票、基金、基金经理和基金公司四个方面上实现多层次和全方位的基金画像,在基金因子层面实现Barra风格因子和行业因子画像,在基金持仓方面实现规模价值和行业主题画像,在基金经理层面实现稳定性、投资偏好和明星基金经理等画像,基于这些标签画像数据能够为前端业务用户提供更加完善的基金评价研究,以及组合研究和报告工厂等功能。本文采用股债二市场风险因素模型建立基金评价研究算法,引入了股市贝塔和债市贝塔进行度量基金市场风险因素和基金资产配置的市场敏感度因素。通过分析基金的投资能力、时机选择能力和业绩收益数据可以精确度量基金市场风险调整后的超额收益率,从而得出更加准确的评级结果。在基金评价研究系统的实现方面,系统基于Vue+Element UI实现前端功能,Spring Boot实现后端微服务功能,以及Py Spark实现大规模数据服务功能。系统整体部署在上海证券云原生平台,平台整合了Docker容器和Kubernetes容器编排工具,以及微服务Service Mesh和Dev Ops等技术,实现业务应用从开发和测试到部署、运维和治理的全生命周期管理。本系统目前已在上海证券上线运行,公司的基金评价中心、财富管理总部以及各分支机构在日常的投资研究中已使用该系统。除此之外,系统的评价和研究分析数据为机构投资者提供科学合理且持续性强的增值数据服务,为个人投资者提供全面完整的基金投资参考依据。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：毕业设计货栈 ，原文地址：https://m.bishedaima.com/lunwen/52437.html
