案例实践 | 韩国 AI 金融公司 Qraft 借助 Pulsar 打造超低延迟交易系统

ApachePulsar

于 2022-08-17 20:00:54 发布

阅读量569

点赞数

文章标签：人工智能算法大数据 python 机器学习

本文链接：https://blog.csdn.net/zhaijia03/article/details/126397610

版权

韩国 AI 金融公司 Qraft 选择了 Apache Pulsar 来构建其 AI 驱动的执行系统 AXE，以实现超低延迟的交易。在对比测试 Kafka 和 Pulsar 后，Pulsar 的低延迟性能满足了 Qraft 的严格要求。AXE 通过学习市场微观结构，以最优策略减少交易成本。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

文章摘要

韩国人工智能金融科技公司 Qraft Technologies, Inc.（简称“Qraft”）寻求具有高吞吐和低延迟特性的流系统解决方案来支持其 AI 产品业务。在对比测试 Kafka 和 Pulsar 后，Qraft 发现 Apache Kafka 无法提供其产品所需的延迟，最终选择在其微服务架构中应用 Pulsar 管理分布式事务。

背景介绍

人工智能金融科技公司 Qraft 成立于 2016 年，总部位于首尔，其业务主要为各种机构客户提供创新性人工智能解决方案，于 2022 年初获得软银超过 1 亿美元的投资。目前，Qraft 运营着四只在纽约证券交易所上市的高 AUM（Asset Under Management，资产管理规模）的人工智能驱动型 ETF（Exchange-Traded Fund，交易型开放式指数基金）。

Qraft 开发并运行基于深度学习的算法，可用于提供投资组合权重信号，借助这些信号能在市场中获得阿尔法收益。借助其专有的人工智能引擎，Qraft 还提供涵盖数据处理、投资策略发现、订单执行到投资分析与报告等方面的 B2B 人工智能解决方案。

Qraft 的旗舰产品是 AI eXEcution (AXE)，这是一种基于深度强化学习的执行系统，旨在让所有的金融产品进行大规模交易时，可通过交易成本的最小化实现回报的最大化。AXE 通过从历史 Tick 数据中学习市场微观结构来确定最优策略，不仅包括个股的价格和交易量，还包括交易细节和限价单（LOB）数据。2018年，在 NVIDIA、新韩银行、KOSCOM 和普华永道主办的一场比赛中，来自知名券商的专业交易员与 AXE 竞争以更便宜的价格买入股票。最终，AXE 的表现远超人类交易员，赢得奖金。

韩国市场的 Tick 数据每天以数 GB 字节为单位生成，对延迟限制有严格的要求。Qraft 在对比研究消息流平台 Apache Pulsar 与 Apache Kafka 之后，决定使用 Apache Pulsar 来应用于 Qraft 的事件流机器学习模型。