計算機科學與技術金融科技軟件工程師實習報告一、摘要2023年7月1日至2023年8月31日，我在XX金融科技公司擔任金融科技軟件工程師實習生。核心工作成果包括參與開發(fā)高頻交易系統(tǒng)，優(yōu)化后使交易響應時間縮短至15微秒，日處理訂單量提升至10萬筆。主導設計并實現(xiàn)了一套基于機器學習的異常交易檢測模型，準確率達92%，成功攔截潛在欺詐交易約500筆。期間應用了Java、Python及SpringBoot框架，通過微服務架構重構舊系統(tǒng)接口，使系統(tǒng)吞吐量提升40%。提煉出的可復用方法論包括：分布式鎖在并發(fā)場景下的應用策略、基于日志聚合的實時監(jiān)控方案設計，以及自動化測試用例生成流程，這些方法在后續(xù)項目中直接應用并驗證了效率提升。二、實習內(nèi)容及過程1.實習目的我去那家金融科技公司實習，主要是想看看自己學的計算機科學在金融領域到底能干啥，特別是想摸摸金融科技里那些實際的項目是怎么運作的，學點真本事。2.實習單位簡介我去的這家公司，主要做量化交易和風險管理相關的系統(tǒng)開發(fā)，客戶都是些基金公司和自營交易團隊。技術棧挺前沿的，常用Java后端配Kafka消息隊列，前端是React，數(shù)據(jù)庫用的是分布式緩存加MongoDB。3.實習內(nèi)容與過程實習剛開始那周，跟著導師熟悉環(huán)境，主要看了下他們高頻交易系統(tǒng)的架構圖，這家伙用了不少Redis集群來緩存訂單簿數(shù)據(jù)，我算明白了為啥他們系統(tǒng)延遲能控制在50微秒以內(nèi)。第3周開始參與一個項目，是幫一個客戶做實時風險監(jiān)控系統(tǒng)?？蛻粢蠼灰琢砍^10萬筆時，風險指標計算要在2秒內(nèi)出結果，不然會影響決策。我負責的那塊是計算市場沖擊成本，導師給我搭了個基于Flink的流處理環(huán)境，讓我用Java重寫他們原來的Spark腳本。一開始卡在狀態(tài)管理上，舊代碼用Redis存計算中間值，每次重啟都要重算，我琢磨了兩天，最后用Flink的Checkpoint機制把狀態(tài)持久化到Cassandra，跑起來后吞吐量直接飆到8萬筆每秒，比原來的快一倍。期間還參與了API接口優(yōu)化，客戶反饋有些交易請求在高峰期會超時，我測了下發(fā)現(xiàn)是網(wǎng)關限流太死，跟架構組提議改成基于令牌桶算法的動態(tài)限流，上線后請求成功率從82%提到95%。4.實習成果與收獲我那套Flink程序最后跑穩(wěn)定了，客戶那邊的風險報表延遲確實降到1.8秒以內(nèi)，現(xiàn)在他們系統(tǒng)接單量比之前多出60%。我還整理了個流處理性能調(diào)優(yōu)的筆記，有50多頁，主要寫了怎么用Flink的廣播流優(yōu)化狀態(tài)計算，還有幾個關于內(nèi)存管理的坑。最大的收獲是明白金融系統(tǒng)對容錯要求有多高，他們那套交易系統(tǒng)居然有3個獨立機房，每個機房都配了冷備服務器，看來真不是玩票的。5.問題與建議那里管理確實有點亂，比如開發(fā)環(huán)境老是出問題，有次我調(diào)試接口等到下午3點才弄好，結果發(fā)現(xiàn)是運維那邊忘了同步配置。另外培訓也一般，就給我發(fā)了幾篇過時的技術文檔，要是能配個帶我的資深工程師就完美了。建議他們搞個內(nèi)部知識庫，現(xiàn)在我們組幾個人都在用Notion自己整理筆記，有點分散。崗位匹配度上，我其實對區(qū)塊鏈這塊挺感興趣的，但公司主要做傳統(tǒng)量化，要是能加個區(qū)塊鏈方向的輪崗機會就更好了。三、總結與體會1.實習價值閉環(huán)這8周，從7月1日入職到8月31日離開，我感受到的理論知識真正落地生根。剛開始調(diào)試高頻交易系統(tǒng)接口時，CPU占用飆到90%以上，我花了3天時間通過加分布式鎖和異步調(diào)用把性能優(yōu)化回來，最后系統(tǒng)TPS穩(wěn)在了8萬筆每秒。這讓我明白，學校教的《分布式系統(tǒng)》課里那些冗長的理論，現(xiàn)在看就像個導航圖，指明方向但具體路怎么走還得自己摸。導師說我的異常交易檢測模型準確率92%，比之前舊模型高5個百分點，這讓我覺得之前熬夜調(diào)試代碼沒白費。這段經(jīng)歷把課堂上學到的消息隊列、微服務架構、實時計算這些概念，全都串起來了，形成了一個能拿得出手的作品集。2.職業(yè)規(guī)劃聯(lián)結這次實習讓我看清了自己真正想干的活兒。我發(fā)現(xiàn)雖然我挺喜歡后端開發(fā)，但更興奮的是金融科技里那種既要懂技術又要懂業(yè)務的狀態(tài)。比如我參與的風險監(jiān)控系統(tǒng)，客戶要的是能直接反映市場波動率的可視化報表，這就需要我把復雜的金融公式轉化為用戶能看懂的交互界面。我準備下學期把精力全放在量化方向上，已經(jīng)在看《期權、期貨及其他衍生產(chǎn)品》這本書，打算明年考個CFA一級，順便把Python的Pandas、NumPy這些庫刷到能寫復雜策略的程度?，F(xiàn)在看來，之前那些為了應付考試學過的數(shù)學模型，比如隨機過程和概率統(tǒng)計，突然變得特別實用。3.行業(yè)趨勢展望在那家公司，我親眼看到他們幾個團隊都在搞AI驅動的交易策略，有個項目用強化學習做日內(nèi)高頻交易，一個月內(nèi)回測收益就超過了傳統(tǒng)模型。這讓我意識到，以后金融科技領域光會寫代碼肯定不行，還得懂點機器學習。他們用的Flink版本都快1.14了，但團隊居然自己寫了一套自動調(diào)優(yōu)系統(tǒng)，現(xiàn)在每次升級版本都不用手動改配置。我回去后開始研究Flink的TableAPI，還申請了學校實驗室的GPU服務器練手，希望能早點把時序數(shù)據(jù)分析搞明白。導師說現(xiàn)在市場缺的不是寫代碼的人，而是能把技術跟業(yè)務場景深度結合的工程師，這話讓我挺受鼓舞?，F(xiàn)在每天通勤路上都會想，下次再遇到那種要用機器學習預測市場情緒的活兒，我大概知道該怎么接手了。四、致謝1.感謝在實習期間給予我指導和幫助的所有人。特別感謝我的導師，他不僅教會了我很多關于金融科技軟件工程的實際操作方法，還耐心解答了我關于職業(yè)發(fā)展的各種問題。2.感謝團隊里的每一位同事，他們在我遇到技術難題時提供了寶貴的建議，幫助我更快地適應了工作環(huán)境。和他們一起工作的日子很愉快，也