금융 서비스 투자 관리 참조 아키텍처
이 아키텍처는 자본 시장에서 일반적인 산업 원천 및 싱크와의 통합을 이해하는 데 도움이 됩니다. 이것은 레이크하우스 아키텍처 전반에 걸쳐 최고의 실무 디자인 패턴을 개요화합니다.
학습할 내용
- 거래 목적을 위해 시장 데이터, 내부 포지션 데이터 및 참조 데이터 소스를 보안 마스터 및 데이터 모델에 통합하는 방법
- 데이터를 시계열 집계로 변환하고 시장 소스에 데이터 품질을 적용하는 방법
- 거래 후 분석 애플리케이션에 대한 골드 레이어 데이터에 BI 도구를 연결하는 방법
- 백테스팅 및 요인 분석을 위한 기반 설정 방법
백테스팅 및 분석을 위한 시장 데이터 허브를 구축하십시오
- 데이터 소스 및 수집
- 시장 데이터 피드: Bloomberg B-PIPE, LSEG, ICE Data Services, FactSet 및 Morningstar는 실시간 및 과거 가격, 기업 행동 및 기본 사항을 제공합니다. Databricks Marketplace는 API 및 파일 기반 데이터 전달 방법이 Databricks 커넥터를 보완하는 기본 수집 패턴입니다.
- 거래 및 주문 관리 시스템 (OMS/EMS): Charles River, Aladdin, FlexTrade 및 Fidessa는 실행, 할당 및 포지션 데이터를 생성합니다
- 대체 데이터 소스: 위성 이미지, 신용 카드 거래, ESG 점수 및 뉴스 및 제출서에서의 NLP 기반 감정은 알파 발견을 위해 수집됩니다
- Lakeflow Connect: 포트폴리오 회계 시스템, 위험 플랫폼 및 펀드 관리 시스템에서 CDC 기반 수집을 위한 기본 연결성
- 데이터 거버넌스 및 관리
- 기업 전체 데이터 카탈로그: Unity Catalog은 투자 기록부, 위험 데이터셋, 요인 모델에 걸친 메타데이터 거버넌스를 중앙화하며, 준수를 위한 계보 추적 기능을 제공합니다
- 다중 자산 클래스 통합: 주식, 고정 수익, 외환, 파생 상품 및 사모 자산을 통한 증권 참조 데이터 표준화와 골든 소스 동기화
- 시스템 테이블 및 감사 가능성: SEC, FINRA, MiFID II 및 Basel III에 대한 규제 준수를 위한 내장 감사 추적
- 분석 및 의사결정 지원
- 포트폴리오 위험 및 성과 분석: 위험 가치(VaR), 스트레스 테스트, 요인 노출, Sharpe 비율 및 Gold-layer Delta 테이블을 활용한 속성 분석 계산
- 정량적 및 AI 모델: 다요인 모델, 평균-분산 최적화 및 Databricks Mosaic AI 및 Model Serving을 통한 ML 기반 감정 점수화
- Databricks SQL 웨어하우스: 거래 비용 분석, 유동성 모델링 및 사전 거래/사후 거래 분석을 위한 고성능 쿼리, Tableau 및 Power BI와의 직접 통합
- 투자 및 거래 워크플로우
- 사전 거래 준수 및 감시: 거래 제한(예: 제한 목록, 포지션 한도, 세탁 판매)에 대한 지속적인 모니터링과 실시간 예외 처리
- 거래 실행 및 거래 후 매칭: DLT를 통한 FIX 메시지의 스트림 처리, OMS/EMS 및 보관 데이터와의 충전 조정
- 대체 실행 전략: 역사적인 거래 및 주문 도서 데이터를 사용한 VWAP, TWAP, Iceberg 및 다크 풀 라우팅 알고리즘의 백테스팅 및 시뮬레이션
- 보안 배포 및 접근 제어: 기관 고객을 위한 역할 기반 권한 부여, 명령에 걸친 세분화된 펀드 수준 데이터 접근을 보장
