技能库 1355 个

收集分布式量化交易系统的多源日志，基于关键词与模式匹配实时识别异常事件并自动触发通知

按预案执行模拟故障演练（如机房断电、网络分区），验证恢复流程，确保量化交易系统高可用。

对量化交易系统从行情接收、策略计算到订单发送的全链路延迟进行系统性分析，定位并优化瓶颈节点。

针对量化数据库（如InfluxDB、TimescaleDB）进行索引优化、查询慢查询分析，提升数据读写与查询效率。

为量化交易系统设置实时监控指标（延迟、吞吐量、错误率），配置告警规则并实现自动响应

使用CI/CD工具自动化部署交易系统组件，并实现快速回滚，确保量化交易系统的高可用与快速恢复。

基于交易API文档，自动生成覆盖正常、异常、边界场景的接口测试用例

编写自动化脚本，从历史行情数据源读取数据并重放到交易系统，以验证系统行为是否符合预期。

监控量化交易与金融科技测试环境中各组件健康状态，异常时自动重启或恢复至初始状态，确保环境稳定可用。

根据代码变更影响分析，自动选择最小回归测试用例集并执行，提升测试效率与覆盖率

自动化采集系统延迟和吞吐量数据，生成可视化性能报告并标注异常

自动化验证撮合引擎中订单簿的买卖盘价格、数量、时间戳等字段的一致性，确保交易系统数据正确可靠

自动构造满足风控条件的交易请求，验证系统是否正确拒绝或告警

自动对比系统计算的收益率、风险值等金融指标与预期值，检测浮点误差或逻辑错误，确保计算准确性

使用高并发工具模拟海量订单，测试撮合引擎的吞吐量、延迟及内存泄漏

使用Pytest框架自动化执行核心交易场景的回归测试用例，并集成到CI/CD流水线中，确保交易系统每次变更后功能稳定。

覆盖订单创建、修改、取消、成交的全流程，验证状态机转换及异常场景处理，确保交易系统订单行为符合预期

测试REST/WebSocket API在不同版本下的输入输出一致性及错误码正确性，确保交易系统兼容性

通过工具模拟网络异常，验证交易系统在弱网环境下的重连机制与数据完整性

检查交易后资金划转、手续费计算、盈亏结算的准确性，覆盖多币种场景，确保系统符合金融合规要求。

验证实时行情推送与历史数据的正确性，包括价格、深度、成交明细的比对，确保数据源一致性与推送完整性。

编写脚本验证限价、杠杆、持仓等风控规则的触发与拦截逻辑，确保交易系统风控功能准确可靠。

根据量化交易与金融科技系统架构图，自动生成Docker Compose或Kubernetes部署配置。

基于风险数据库自动生成风险矩阵与应对建议