技能库 1355 个

自动提取交易数据并转换为监管要求的格式，通过API报送至监管机构

自动比对最新监管文件与现有合规要求，生成差异报告并标注合规风险点，适用于量化交易与金融科技领域的合规与监管分析师。

模拟新监管政策对交易策略、资本要求的量化影响，生成评估报告。

基于公开数据和内部信息，动态评估交易对手信用风险等级并预警

对交易对手方进行制裁名单、黑名单匹配，输出可疑交易报告，适用于合规与监管分析场景

从多个系统采集合规相关日志，按时间线整理并生成审计追踪文件

模拟高并发交易场景，测试风控系统性能瓶颈，并规划扩容方案。

基于流处理框架实现实时交易风险指标计算，包括VaR、敞口、异常交易频率等核心监控能力

基于历史数据对风控参数（如阈值、冷却期）进行回测优化，平衡风险与交易效率

分析风控系统产生的告警日志，定位异常原因并触发相应处置流程

编写Python脚本对历史交易数据进行统计分析，识别异常模式（如对倒、自成交）。

配置交易所API中的风控相关字段（如订单类型限制、最大订单数），确保接口合规

使用规则引擎（如Drools）配置并维护交易风控规则，包括限价、限仓、熔断等，确保交易系统合规与风险可控。

从量化交易数据库提取风险数据，自动生成包含关键指标（如风险事件数、最大亏损等）的日报，提高风控报告生成效率与准确性。

将反欺诈模型部署到生产环境，监控模型性能并进行定期更新。

设计并执行压力测试场景（如市场崩盘、流动性枯竭），分析对组合的影响，输出风险报告与应对策略。

在规则引擎中配置、测试和优化风控规则，包括阈值设定、规则优先级调整，适用于量化交易与金融科技场景。

自动汇总风控数据，生成日报、周报及异常事件报告，支持多维度下钻

监控量化交易系统中的实时风控指标（如VaR、敞口、盈亏），自动生成报警与报表。

基于数据建模构建信用风险评分卡，包括分箱、WOE转换及模型验证，适用于量化风控场景。

通过分析交易日志，识别异常交易模式，如高频交易、对倒交易等，辅助量化风控分析师进行风险预警。

对量化交易风控模型进行历史数据回测，评估模型有效性并生成标准回测报告

使用历史数据模拟报价策略，评估盈亏、库存风险和成交率，为做市商交易员提供量化决策支持。

计算大额订单对市场的瞬时影响，优化拆单和报价策略，降低交易成本