近日，由工業(yè)和信息化部新聞宣傳中心、中國信息通信研究院和北京市通信管理局聯(lián)合主辦的2022中國國際服務貿(mào)易交易會“企業(yè)數(shù)字化轉(zhuǎn)型論壇”在北京舉行，本次論壇以“數(shù)字企業(yè)·智引未來”為主題，來自政府、研究機構(gòu)、運營商以及多個數(shù)字化轉(zhuǎn)型企業(yè)代表參加。論壇上，工信部新聞宣傳中心、中國信息通信研究院發(fā)布了“數(shù)字化轉(zhuǎn)型典型案例征集活動”評選結(jié)果。“國信證券全方位智能化機構(gòu)綜合交易服務”項目入選數(shù)字化轉(zhuǎn)型典型案例征集活動【優(yōu)秀案例】。

　　隨著證券投資的機構(gòu)化程度不斷提升，機構(gòu)投資者對券商交易服務的需求更加多元。國信證券以機構(gòu)交易為核心環(huán)節(jié)和切入點，構(gòu)建良性發(fā)展的數(shù)字化機構(gòu)金融服務生態(tài)圈。打造出集金融大數(shù)據(jù)、全鏈路低延時、策略投資體系與算法交易于一體的智能化機構(gòu)交易服務體系，推動公司財富管理和機構(gòu)業(yè)務數(shù)字化轉(zhuǎn)型。

　　國信證券綜合智能交易服務，針對機構(gòu)投資者對低延時交易的需求，從柜臺交易系統(tǒng)、極速行情、低延時網(wǎng)絡(luò)環(huán)境、策略系統(tǒng)方面進行優(yōu)化，低延遲交易全鏈路耗時低達2.8毫秒，極速柜臺上行時延低達52.8微秒，綜合指標位于行業(yè)前列，并獲得2020年度深圳市金融創(chuàng)新獎優(yōu)秀獎、2021年第23屆中國國際高新技術(shù)成果交易會“優(yōu)秀產(chǎn)品獎”。

　　行業(yè)領(lǐng)先的金融大數(shù)據(jù)服務體系：多維度、AI因子

　　國信證券打造行業(yè)領(lǐng)先的金融大數(shù)據(jù)服務體系，解決數(shù)據(jù)質(zhì)量參差不齊、數(shù)據(jù)維度少等痛點，為投資者投資決策提供準確完整詳實的數(shù)據(jù)服務。國信證券搭建了人工智能基礎(chǔ)平臺，基于高性能時序數(shù)據(jù)庫，從海量的數(shù)據(jù)和文本數(shù)據(jù)中通過機器學習挖掘AI量化因子產(chǎn)品賦能投資，大幅降低用戶因子研究的使用成本。

　　全鏈路低延時交易服務：低延時、智能化、算法交易執(zhí)行

　　國信證券在交易技術(shù)上不斷地突破和創(chuàng)新，打造了集FPGA極速行情系統(tǒng)、GUTS極速柜臺系統(tǒng)等極速平臺，提供端到端極速低延遲交易解決方案。公司自主開發(fā)時延度量工具，交易全鏈路時延指標全部通過數(shù)字化監(jiān)控進行分析并針對性調(diào)優(yōu)，處理性能和容量均處于行業(yè)領(lǐng)先地位。

　　國信證券搭建的智能算法中心為專業(yè)投資者提供算法服務，包括條件單、被動算法、主動算法、日內(nèi)算法、兩融算法和換倉算法等，降低客戶大單委托對市場的波動沖擊，真正做到科技與交易緊密結(jié)合。

　　基于人工智能深耕策略和云端執(zhí)行，提升決策科學性

　　國信證券根據(jù)機構(gòu)投資者的常用交易場景打造成智能策略模型，并構(gòu)建專門的AI策略倉庫。通過將各種復雜繁瑣但可以框架化的策略打造為策略模型，用戶僅需選擇策略、場景和基礎(chǔ)參數(shù)即可完成交易，大幅減少參數(shù)設(shè)置數(shù)目，輕松完成交易目標。用戶在完成策略開發(fā)后，可利用精準回測引擎對策略的有效性進行驗證，從而提升交易的科學性和合理性。

　　策略交易平臺上提供的AI策略倉庫，用戶可調(diào)用和靈活拓展，大大降低了人工智能在策略交易中的使用門檻，讓更多的機構(gòu)投資者能使用AI技術(shù)進行智能交易。

　　通過分析各類機構(gòu)客戶的交易場景，國信證券運用技術(shù)積累，率先在行業(yè)內(nèi)建設(shè)云端策略中臺服務，借助云端算力，7*24小時幫助客戶更高效地運行策略，提升了策略運行的性能和可靠性。 

　　國信證券以人工智能技術(shù)為核心要素，拓展金融服務的廣度和深度，實現(xiàn)金融服務智能化、個性化、專業(yè)化，為客戶帶來行業(yè)領(lǐng)先的優(yōu)質(zhì)服務體驗。與此同時，國信證券不斷加快數(shù)字化轉(zhuǎn)型，提升核心競爭力，全面推動公司高質(zhì)量發(fā)展。

   【免責聲明】本文僅代表第三方觀點，不代表和訊網(wǎng)立場。投資者據(jù)此操作，風險請自擔。