计算机科学与技术金融科技软件工程师实习报告

计算机科学与技术金融科技软件工程师实习报告一、摘要2023年7月1日至2023年8月31日，我在XX金融科技公司担任金融科技软件工程师实习生。核心工作成果包括参与开发高频交易系统，优化后使交易响应时间缩短至15微秒，日处理订单量提升至10万笔。主导设计并实现了一套基于机器学习的异常交易检测模型，准确率达92%，成功拦截潜在欺诈交易约500笔。期间应用了Java、Python及SpringBoot框架，通过微服务架构重构旧系统接口，使系统吞吐量提升40%。提炼出的可复用方法论包括：分布式锁在并发场景下的应用策略、基于日志聚合的实时监控方案设计，以及自动化测试用例生成流程，这些方法在后续项目中直接应用并验证了效率提升。二、实习内容及过程1.实习目的我去那家金融科技公司实习，主要是想看看自己学的计算机科学在金融领域到底能干啥，特别是想摸摸金融科技里那些实际的项目是怎么运作的，学点真本事。2.实习单位简介我去的这家公司，主要做量化交易和风险管理相关的系统开发，客户都是些基金公司和自营交易团队。技术栈挺前沿的，常用Java后端配Kafka消息队列，前端是React，数据库用的是分布式缓存加MongoDB。3.实习内容与过程实习刚开始那周，跟着导师熟悉环境，主要看了下他们高频交易系统的架构图，这家伙用了不少Redis集群来缓存订单簿数据，我算明白了为啥他们系统延迟能控制在50微秒以内。第3周开始参与一个项目，是帮一个客户做实时风险监控系统。客户要求交易量超过10万笔时，风险指标计算要在2秒内出结果，不然会影响决策。我负责的那块是计算市场冲击成本，导师给我搭了个基于Flink的流处理环境，让我用Java重写他们原来的Spark脚本。一开始卡在状态管理上，旧代码用Redis存计算中间值，每次重启都要重算，我琢磨了两天，最后用Flink的Checkpoint机制把状态持久化到Cassandra，跑起来后吞吐量直接飙到8万笔每秒，比原来的快一倍。期间还参与了API接口优化，客户反馈有些交易请求在高峰期会超时，我测了下发现是网关限流太死，跟架构组提议改成基于令牌桶算法的动态限流，上线后请求成功率从82%提到95%。4.实习成果与收获我那套Flink程序最后跑稳定了，客户那边的风险报表延迟确实降到1.8秒以内，现在他们系统接单量比之前多出60%。我还整理了个流处理性能调优的笔记，有50多页，主要写了怎么用Flink的广播流优化状态计算，还有几个关于内存管理的坑。最大的收获是明白金融系统对容错要求有多高，他们那套交易系统居然有3个独立机房，每个机房都配了冷备服务器，看来真不是玩票的。5.问题与建议那里管理确实有点乱，比如开发环境老是出问题，有次我调试接口等到下午3点才弄好，结果发现是运维那边忘了同步配置。另外培训也一般，就给我发了几篇过时的技术文档，要是能配个带我的资深工程师就完美了。建议他们搞个内部知识库，现在我们组几个人都在用Notion自己整理笔记，有点分散。岗位匹配度上，我其实对区块链这块挺感兴趣的，但公司主要做传统量化，要是能加个区块链方向的轮岗机会就更好了。三、总结与体会1.实习价值闭环这8周，从7月1日入职到8月31日离开，我感受到的理论知识真正落地生根。刚开始调试高频交易系统接口时，CPU占用飙到90%以上，我花了3天时间通过加分布式锁和异步调用把性能优化回来，最后系统TPS稳在了8万笔每秒。这让我明白，学校教的《分布式系统》课里那些冗长的理论，现在看就像个导航图，指明方向但具体路怎么走还得自己摸。导师说我的异常交易检测模型准确率92%，比之前旧模型高5个百分点，这让我觉得之前熬夜调试代码没白费。这段经历把课堂上学到的消息队列、微服务架构、实时计算这些概念，全都串起来了，形成了一个能拿得出手的作品集。2.职业规划联结这次实习让我看清了自己真正想干的活儿。我发现虽然我挺喜欢后端开发，但更兴奋的是金融科技里那种既要懂技术又要懂业务的状态。比如我参与的风险监控系统，客户要的是能直接反映市场波动率的可视化报表，这就需要我把复杂的金融公式转化为用户能看懂的交互界面。我准备下学期把精力全放在量化方向上，已经在看《期权、期货及其他衍生产品》这本书，打算明年考个CFA一级，顺便把Python的Pandas、NumPy这些库刷到能写复杂策略的程度。现在看来，之前那些为了应付考试学过的数学模型，比如随机过程和概率统计，突然变得特别实用。3.行业趋势展望在那家公司，我亲眼看到他们几个团队都在搞AI驱动的交易策略，有个项目用强化学习做日内高频交易，一个月内回测收益就超过了传统模型。这让我意识到，以后金融科技领域光会写代码肯定不行，还得懂点机器学习。他们用的Flink版本都快1.14了，但团队居然自己写了一套自动调优系统，现在每次升级版本都不用手动改配置。我回去后开始研究Flink的TableAPI，还申请了学校实验室的GPU服务器练手，希望能早点把时序数据分析搞明白。导师说现在市场缺的不是写代码的人，而是能把技术跟业务场景深度结合的工程师，这话让我挺受鼓舞。现在每天通勤路上都会想，下次再遇到那种要用机器学习预测市场情绪的活儿，我大概知道该怎么接手了。四、致谢1.感谢在实习期间给予我指导和帮助的所有人。特别感谢我的导师，他不仅教会了我很多关于金融科技软件工程的实际操作方法，还耐心解答了我关于职业发展的各种问题。2.感谢团队里的每一位同事，他们在我遇到技术难题时提供了宝贵的建议，帮助我更快地适应了工作环境。和他们一起工作的日子很愉快，也