近年来，数据已成为银行获取核心竞争优势的重要资产，是银行数字化转型的基础。监管部门也因此密集出台了相关指引及规划，新版《金融科技发展规划》强调了“数据”在金融科技发展中的重要地位。《银行业金融机构数据治理指引》要求金融机构应当加强数据采集的统一管理，明确系统间数据交换流程和标准，实现数据有效共享。
背
景
FICC是商业银行四大业务之一，其包括固定收益（FixedIncome）、外汇（Currency）、大宗商品（Commodity）代客与自营投资交易。国内FICC市场近10年发展迅猛，为尽快满足其从外部平台到银行内部前中后台全链路贯通的业务需求，银行不得不引入第三方系统。各外部系统的数据标准和规范不同，若内部也缺乏统一数据标准则必然形成数据格式的大杂烩。数据消费端需耗费大量时间来理解这些数据结构，增加数据交互成本，降低数据使用效率。
图1
典型FICC系统架构简化示意图
1.当前FICC业务系统在数据使用方面主要面临两类问题。在技术方面，各系统数据标准与规范混乱。一是数据传输接口多，开发复杂度高。二是下游对上游系统数据模型耦合度高，变更影响大。三是系统数据交互技术不统一，如ESB、Kafka、系统APIs、文本文件、数据库直联等。四是在数据湖中需独立维护源数据转换逻辑与DWD层模型。五是元数据管理混乱，溯源困难。总之，在复杂且异构的系统架构中进行数据传输，还会产生数据透明度与准确性低等问题，也对报送监管数据质量产生了负面影响。在业务方面，金融市场数据复杂性高、专业性强。一是FICC囊括的业务范围广、金融产品种类众多、专业度高，主要有外汇、大宗商品、同业及货币市场、利率类、债券、信用类、结构化产品7个交易资产大类，现货、远期、互换等8类产品种类，总共有50多种交易产品，如外汇即远期、利率期权、货币互换、回购等。这导致目前大多数金融机构无法制定该领域规范统一的数据标准和模型。二是交易前台与后台对金融产品解析角度不一，前台交易台对部分交易通用数据的标准定义不一致，强调产品特性，而从业务后台视角，尤其是数据分析、监管报送、汇总报表类需求，又希望减少产品数据命名个性化，增加通用性。模型如何同时满足前、后台的需求，是一个不小的挑战。
图2
典型FICC交易数据传输与存储示意图
2.平安银行FMPT的研发过程。为了从根本上解决问题，平安银行开始全面对金融市场数据架构进行优化和升级工作，包括基础数据服务、数据治理、大数据平台及数据传输服务的实施，其中关键核心是建立一整套金融市场的数据模型。资金同业研发团队于2020年9月组建了一支具备金融市场业务背景、技术背景与丰富实践经验的数据建模团队。
建模团队对国内外相关实践案例进行了深入研究，国际上较为主流使用的是FIX与FpML行业标准数据协议。其中，FIX协议主要用于金融机构间交易前领域如订单、询价等，FpML则用于机构间衍生品交易数据传输以及监管报送需求，但两者都无法覆盖全量金融产品，且存在数据结构颗粒度小、交互逻辑繁琐、国内外监管及会计制度要求不同、无法套用国内金融市场等劣势。国内目前还未有类似行业标准，模型建设主要由IT主导并多局限于数仓，缺乏业务视角，抽象程度不够高，难复用。
鉴于第三方经验无法适用于平安银行，同时，在银保监会鼓励各金融机构提高自主研发能力、降低外部依赖的背景下，平安银行决定自行开展研究与设计，最终成功打造了平安银行金融市场业务数据模型Pingan Bank Financial Market Periodicof Table（以下简称“平安银行FMPT”），该模型基于业务领域设计，从业务视角描述金融市场数据结构，统一金融市场数据传输和使用标准，使得金融市场数据在采集、存储、传输和查询的整个生命周期中以统一视角来看待。
平安FMPT设计思路
1.平安FMPT的主要组成。平安FMPT主要由三个部分组成。一是业务术语，从市场和业务的角度描述数据，并在保留交易产品特性的维度上制定标准。二是逻辑模型，客观地描述业务实体关系。在业务术语上进行通用性抽象，降低复杂度。三是物理模型，基于不同用户场景及逻辑模型，能自动生成用于数据传输与存储的物理格式，如Json schema、xml schema、关系型数据库结构等。
2.总体设计原则。平安银行FMPT若要同时满足数据查询、传输、持久化统一结构等需求，需要遵守以下原则。一是设计数据主题分类，相同的数据字段项支持不同主题。二是模型字段名称直观，除去行业通用术语可简写外，都使用全称。三是同时定义相应的数据标准码值。四是逻辑实体结构设计不完全满足数据库三范式，以及采取颗粒度较大的建模方式。规范化设计会导致表结构过多，影响查询和使用效率；而完全去规范化（大宽表）的设计会导致大量冗余数据。所以平安FMPT在时间与空间消耗相对平衡的目标中设计产生。
3.逻辑模型设计与产品覆盖范围。平安FMPT逻辑模型是设计的核心，设计成功的关键主要有3点。一是是否支持全量的金融产品。二是是否具备优秀的可扩展性。三是需平衡交易产品特性与通用性。建模团队需在充分理解金融产品的基础上，对结构进行高度抽象，分析出所有业务场景及对应逻辑结构，其中包括从较基础的现货交易、单腿单标的物衍生品交易、多腿多标的物衍生品交易，到复杂的复合多产品的期权策略以及结构化产品交易等。以下列出几个较为典型的场景作为参考。
一是现货交易。债券买卖、外汇即期等交易数据可主要展现在“交易主表”实体中；若交易资产为有价证券，如债券、股票，则将证券数据展现在“静态金融产品”实体中。
二是单腿衍生品交易。债券远期、利率远期、外汇期权等交易通用数据以及价量信息展现在“交易主表”实体中。衍生品明细信息（包括行权价、行权方式等数据）展现在“衍生品及合约产品”实体中,若标的物为单个或多个有价证券（一揽子标的物），则将证券数据展现在“静态金融产品”实体中。
三是多腿衍生品交易。利率互换、货币互换、信用违约互换、总收益互换、上下限期权等交易通用数据以及标的物信息，与现货交易和单腿衍生品交易的展现方式相同，但每条腿的衍生品明细信息如互换固定利率腿与浮动利率腿分别展现在“衍生品及合约产品”实体中，互换产品层级的通用信息也需展现在同一实体中并与双腿数据关联。
四是期权策略及结构化产品。例如，蝶式期权、牛市看涨期权、跨式期权、结构化存款等。这里需要在“交易主表”“静态金融产品”“衍生品及合约产品”三个实体的基础上引入“结构化产品信息”实体，用以展示结构化层级产品信息以及底层产品结构，通过实体间关系可以完全表示出复杂结构化产品的产品结构以及所有底层产品信息。
最终我们通过引入“交易主表”“静态金融产品”“衍生品及合约产品”“结构化产品信息”这几个关键实体结构以应对不同业务场景的实体间关系，模型结构可以覆盖全量的交易产品数据并具备较强的扩展性。
4.FMPT数据领域主题分类。数据领域主题是一种粗颗粒度的分类，旨在将数据先按照业务性质区别开来，并在主题层级进行模型的版本控制。FMPT目前主要能覆盖8种数据领域主题，分别是交易数据、市场行情报价数据、交易估值数据、金融工具数据、市场风险数据、宏观经济数据、机构实体数据、会计损益数据。
图3
FMPT业务模型，逻辑模型，物理模型
关联示意图
平安FMPT的应用与优势
为了有效应用平安FMPT标准模型，使金融市场数据能够真正实现“查、传、存”结构一体化，解决数据传输与存储问题，平安银行资金同业研发团队通过元数据管理平台，以及提供标准模型数据转换与数据传输发布服务的技术平台，逐步重构FICC数据架构，形成模型schema与解析转换逻辑，优化与统一系统数据交互行为。
图4
平安银行金融市场
交易数据集成目标架构示意图
目标数据架构将统一FICC系统间数据传输与交互的技术架构与交互标准，实现五个好处：一是极大提高数据解析效率、可读性及扩展性。模型结构稳定，能较容易同其他系统的自由数据结构进行转换。二是屏蔽系统间单点依赖，减少65%的接口数量，因统一目标模型的原因，70%以上的数据可实现格式转换自动化，降低交互接口开发与维护成本。三是解耦上游源系统的数据标准，针对源系统模型变更、重构，系统迁移对下游系统无影响。四是减少数仓独立建模与转换的工作量，数据持久化与传输共享统一逻辑数据结构与标准，形成统一视图，数据使用效率高。五是简化元数据维护工作，可实现FICC系统全链路数据溯源，提高数据透明度。
本次设计补齐了平安银行金融市场数据核心的一块短板，不仅有利于平安银行金融市场业务的发展，也为国内各金融机构金融市场数据模型的设计起到一定的引领作用。未来，平安银行金融市场数据建模团队将会针对FMPT模型进行优化与完善，形成国内领先的统一金融市场数据标准，从数据治理与架构的角度更好地赋能平安银行以及同行业的FICC业务发展。