大数据时代的金融科技领域

如果你想在投资银行找到一份科技岗位，你很有可能需要处理风险或者交易等技术内容，正因为银行销售、交易功能是公司中最看重的板块。同时它们受到法规遵从的严格约束。

Coalition Greenwich的一项新研究，是基于与30多位美国、欧洲和亚洲的顶级和区域性投资银行负责交易和风险职能的高级银行高管的对话。该研究表明，今年的重点不是通过新创新可以达成什么目的，更多的是简化、精简和标准化交易大厅技术，方便扩大未来业务规模。

该研究称，随着科技升级，大多数银行都把平台上的提供商当作削减成本和提高自动化程度的途径，并对与金融科技合作伙伴间的合作持开放态度。数据管理以及数据和报告基础设施正在升级。

但是银行也受到像交易账户基本审查(FRTB)、银行同业拆借利率(IBOR)过渡、金融工具市场指令II (MiFID II)和未结算保证金规则(UMR)等法规的严重约束。随着市场风险计算的升级，模型风险和模型控制都成为了大问题，两者都要求银行有更好的现场交易数据。“我们的中央数据层没有办法达到这个目的，”一家二级银行的企业架构负责人承认。虽然像JPMorgan这样的银行似乎凭借在San Francisco开发的人工智能数据平台走在了这场游戏的前面，但Coalition Greenwich的测验也描绘了一幅迎头赶上的行业画面。不过日终风险（End-of-day risk）计算仍然很慢。

一些银行对多类产品的风险没有统一看法。一部分公司提供的客户分析仍需完善。Coalition Greenwich表示:“模型风险、市场风险、信用风险、压力测试和VaR等具体领域，都可以为银行提供改进的技术解决方案和更好的数据。”

如果你想要进入以上技术领域，可以选择在大银行或者主要交易技术供应商，包括彭博、Calypso、Finastra、FIS、Murex、Openlink、Fidessa、ION、Refinitiv、trading Technologies、FINCAD和Numerix。

研究发现，银行也越来越愿意使用一些技术平台，包括 Google 人工智能（AI）工具和Snowflake。专用数据库和编程语言正变得越来越普及，机器学习应用程序也正在开创。如果你想在投行担任一份技术工作，而且还没有使用过它们，那么建议是最好提前熟悉一下这些平台。

作者：Sarah Butcher