关于我们

随着以大数据、人工智能为基本特征的互联网技术飞速发展，正在推动着企业和消费者的需求通过直接或间接的形式对金融产业形成冲击。大数据打破信息的不对称，推动金融模式创新，提高交易效率的同时降低交易成本，正在从金融交易形式和体系结构两个层面改造金融业。因此大数据已经成为金融行业必须面对的重要机遇和技术挑战。数据创新逐渐成为推动金融领域发展的核心动力，特别是人工智能和区块链这两个技术，在未来会大大增强数字货币在金融市场当中的使用比例，同时可能彻底改造个人与金融机构之间的关系。所以大数据将推动未来金融机构核心能力产生增量式的变化。

针对上述需求和挑战，孚典利用自身在大数据平台构建，高性能计算和机器学习方面的技术积累，为金融行业推出了 FodaFinance 系列产品，可提供便捷易用的 WebUI, API 操作接口，方便用户操作，定制业务逻辑并进行快速发布应用系统。FodaFinance 通过孚典 FodaRM 系统管理工具，能够简化用户运维和部署的复杂度，使用户专注于业务模型的开发部署。

FodaFinance 系列产品主要由三部分组成：Fobcas构建区块链服务平台；Fodmap进行金融大数据分析建模及验证；Foatrade构建基于机器智能的算法交易系统。

Fobcas 为金融用户提供一站式区块链平台构建与发布服务。如上图所示，Fobcas 提供操作接口 UI, APIs 和 SDK 供用户进行操作和定制专用客户端 app。Fobca 本身通过 API 为用户提供定制接口，方便业务逻辑定制和二次开发。同时还提供数据集成和分析挖掘服务。由FodaDB 提供数据集成和对接功能，可以与 FodaQuery 组件对接以进行企业 ERP 数据集成，与 FodaAnalytics 对接以进行高性能数据分析和挖掘。

金融数据分析和建模涉及数据密集和计算密集性操作， Fodmap 基于孚典 FodaAnalytics 和 FodaQuery 构建。FodaAnalytics 采用分布式并行运算框架实现。基于机器学习通常所需的高性能计算需求，孚典为 FodaAnalytics开发了多种硬件加速技术的适配驱动，以保障计算过程能够有效地利用硬件处理能力（例如 GPGPU，XeonPhi）。FodaAnalytics本身集成了包括深度学习，MLLib，以及 R 语言机器学习库，为用户提供丰富的算法资源库。Fodmap用户可以基于现有 FodaAnalytics 机器学习 API 进行数据分析应用开发，也可以创建独立的应用算法，包括创新的金融模型，直接由FodaAnalytics 底层运算引擎进行运行验证。

孚典算法交易引擎

算法交易是金融自动化技术的重要组成部分，近年来由机器学习技术发展引发的 AI 建模分析以及验证对传统算法交易模型构建起到有效促进和优化。由于机器学习算法可以发掘样本数据中的隐含特征，通过使用不断积累的操作数据进行持续的模型迭代，可以使交易模型具有更好的适应性。

Foatrade 采用 FodaDB 和 FodaQuery 作为数据引擎，FodaAnalytics 作为处理引擎，采用迭代式模型优化技术生成动态算法交易模型。用户既可以简单的指定迭代数据源和相关算法进行模型优化，也可以自定义模型调整策略以实现其专有的优化算法。与其它孚典产品一样，Foatrade 提供便捷易用的 UI 和 API，方便用户进行快速开发部署。