Advisors’ Axiom от Росбанка. Инвестиционная платформа с нейросетью для оценки тональности новостей

1. Вводная задача от заказчика, проблематика, цели

Необходимо было разработать MVP удобного онлайн-инструмента для инвестирования для клиентов Росбанка сегмента Premium и Private с возможностью следить за всеми изменениями их портфеля, а также мобильное приложение к нему.

Платформа на стадии MVP должна включать профиль инвестора и финансового эксперта, который закреплен за каждым клиентом и помогает ему в формировании и реализации его инвестиционной стратегии.

Сервис должен не только содержать всю необходимую информацию по портфелю, но и сигнализировать о негативных изменениях портфеля и отслеживать происходящие в экономике изменения с помощью машинного обучения, анализировать состояние активов и фиксировать их динамику.

Все это должно сделать Advisors’ Axiom более удобным и прибыльным инструментом.

2. Описание реализации кейса и творческого пути по поиску оптимального решения

В качестве языка разработки был выбран python, django — в качестве фреймворка.

Система делится:

— на личный кабинет менеджера,

— личный кабинет клиента.

Они работают на одной кодовой базе, но выполняются в разных контейнерах в средах банка с различными уровнями доступа:

— личный кабинет менеджера доступен только из сети банка с устройств банка,

— личный кабинет клиента доступен из сети Интернет.

Сопутствующая функциональность реализуется в микросервисной архитектуре, в частности такие сервисы, как:

— Профилирование клиентов (опросник клиентов и расчет риск-рейтинга).

— Новостной модуль (парсинг и анализ новостей с помощью методов машинного обучения).

— Внешнее API для страховых компаний .

— Генератор PDF-отчетов (php).

Взаимодействие между микросервисами и основным функционалом осуществляется через Брокер сообщений и restful-API.

Платформа разработана в виде монолитного приложения (на уровне кодовой базы), работающего на единой базе данных, но с логической декомпозицией на модули и с возможным выделением обособленной функциональности в отдельные микросервисы со взаимодействием на очередях или API.

Нейросеть для оценки тональности новостей

Для машинного обучения модели мы использовали более 20 тысяч страниц новостей на английском языке и более 10 тысяч страниц новостей на русском языке. При этом был обучен собственный дескриптор слов, поскольку в новостях много специализированных терминов.

После был сформирован собственный набор данных из 10 тысяч новостей, которые сначала были размечены автоматически с использованием вычисляемого индикатора прогноза аномальной доходности. А потом аналитиком была произведена ручная разметка собранных статей с точки зрения общей тональности новости и влияния на рыночную стоимость компании (в средней и долгосрочной перспективе), что позволило достичь большей точности в работе системы.

Особое внимание к вопросам безопасности

В процессе интеграции платформы с внутренней банковской инфраструктурой специалисты Росбанка внедрили системы мониторинга базы данных Imperva, сбора событий и инцидентов SIEM, обеспечения безопасности обмена данных WSO2, тестирования кода Solar AppScreener и приняты другие меры по обеспечению конфиденциальности.

3. Результаты сотрудничества

Вeб-версия платформы включает в себя следующее:

— Представление услуг и продуктов банка в виде единого каталога продуктов (ценные бумаги, счета, депозиты, страхование, доверительное управление и т. п.).

— Объединение данных из нескольких учетных систем, агрегация, приведение к виду, понятному пользователю, обогащение и предоставление в едином интерфейсе.

— Расчет доходности активов в денежном и процентном выражениях по различным активам (каждый тип актива может иметь собственную методику расчета).

— Вывод истории операций по различным активам из разнородных источников данных.

— История стоимости активов за различные временные периоды.

— Вывод актуальной рыночной цены и средней цены покупки актива.

— Различные интерфейсные группировки активов для более удобного предоставления информации.

— Система анализа портфелей клиентов как для клиентов, так и для их менеджеров. Например:

- Изменение портфеля клиента.

- Изменения ценной бумаги клиента.

- Концентрация всех активов в одной валюте.

- Концентрация всех активов в одном продукте.

- Портфель не соответствует эталонному.

— Генерация pdf-отчетов по каждому клиенту в ежедневном режиме.

— Процесс ребалансировки портфеля клиента (подбор продуктов для клиента, которые могут ребалансировать его портфель в соответствии с риск профилем).

— Предоставление новостей по продуктам клиента с оценкой их тональности (хорошо или плохо).

— Профилирование клиента (опрос и присвоение риск-рейтинга).

— Формирование заявок на покупки продуктов различных типов.