金融 软件定制 案例

1，为人寿保险公司提供核心业务开展的软件支持，满足公司业务开展要求和监管审批条件 2，涉及投保，保全，理赔，监管等模块 3，投保模块从扫描开始，对保单数据提取，人工核对录入后，通过工作流审核，将保单存放系统并形成正式合同。监管模块通过配置规则，将业务订单和财务数据按监管要求进行提取，生成文件上报，对回执内容解析和生成后续工作流。

阿里某BU对账结算系统是面向交通出行场景的全链路财务结算平台，全面支撑机票、火车票、船票、租车等多条业务线的资金对账与结算工作，覆盖交易对账、账单核销、成本核算、利润结转、差错处理全流程核心能力，是BU出行交易资金闭环、账务合规、收益核算的核心底层系统。平台承接全品类出行订单的日均大规模账务计算任务，保障海量交易数据下账务精准、结算合规、异常可追溯。 系统采用主流Spring Boot微服务架构搭建后端服务，底层基于PolarDB分布式数据库完成亿级交易数据的稳定存储，依托MaxCompute Spark构建弹性算力引擎，搭建批流一体OLAP计算体系，支撑日均百万级的对账、结转计算任务，可弹性应对大促、峰值订单流量带来的账务计算压力，保障全业务线财务结算高效、稳定、准确落地。

一、项目简介 本人自1993年接触证券市场，2004年尝试用PHP开发自动化指标筛选程序，因并发性能限制，批量数据运算耗时过长。2015年转向Go语言，依托原生并发模型，将运算耗时由半小时优化至1分钟内，期间对比Python、Julia等语言后，最终选定Go为主力开发语言。 2025年启动本项目：基于自研股票指标函数体系，搭建财经短视频自动化流水线，将量化指标可视化内容批量生成视频并适配抖音平台分发标准。 技术迭代上，初期采用fogleman/gg生成PNG图片序列，再由FFmpeg合成视频。经持续优化，现绝大部分素材渲染直接交由FFmpeg完成，仅在FFmpeg耗时过高、分辨率无法满足需求时，回退使用GG生成静态图片。整套系统已实现数据解析、图表渲染、视频合成一站式自动化。 二、业务功能 批量指标运算：批量读取量化数据，自动运算生成股票指标信号。 数据可视化渲染：支持FFmpeg滤镜实时绘图，兼容GG静态PNG绘图兜底方案。 短视频自动合成：按平台规范自动合成视频，适配抖音等主流短视频平台分辨率与码率要求。 全流程自动化调度：从数据到视频全链路自动化，支持持续产出可视化素材。 智能渲染链路切换：根据耗时、画质需求，自动选择最优渲染方案（FFmpeg主链路/GG兜底）。 三、技术栈 Go、FFmpeg、fogleman/gg、股票量化接口、自动化调度脚本

1、项目是面向股票、ETF、指数和期货的本地量化数据与策略研究平台，覆盖数据维护、因子研究、策略回测及研究成果管理等环节。 2、支持从 Tushare 和期货 Tick 文件获取数据，完成增量更新、复权处理、标准化存储、失败重试以及数据完整性和质量检查。 3、内置 Basic、Alpha158、Alpha101 等因子体系，支持因子计算、覆盖率检查、IC/RankIC 分析、分组收益分析、稳定性评估和因子选股。 4、提供股票池筛选、组合回测、调仓、交易成本、涨跌停及 ST 等交易约束，并输出净值、交易、持仓、诊断和基准对比结果。 5、支持策略回测、跟踪。 6、提供本地可视化工作台，可查看数据状态、因子、策略、组合和研究产物，并通过 Watchlist 和生命周期机制管理候选策略及复盘记录。

本模块提供多维度报表数据展示及多格式导出功能，支持将业务数据一键导出为 Excel、CSV 及 PDF 格式。系统内置高性能生成引擎，保障大数据量导出时的稳定与高效，满足用户离线分析、数据归档及财务对账等多样化业务需求。

一、立项背景与目标 随着中国互联网理财用户规模突破6亿，居民财富管理需求激增，但投资者普遍面临“选基难、知识门槛高”的痛点。金基窝平台应运而生，旨在打造一个集“智能选基、便捷交易、投教科普”于一体的综合理财平台。 项目核心目标是利用大数据和人工智能技术降低投资门槛，通过场景化工具提升用户体验；同时，完善公募与私募的全品类交易系统，构建符合金融监管要求的合规风控体系，最终实现用户资产的保值增值与平台业务的规模化增长。 二、软件功能概览 本项目为典型的FinTech（金融科技）中后台一体化架构，主要包含六大子系统：金基窝移动APP（C端）、网上交易网关系统、基金理财交易系统、资金清算系统、反洗钱管理系统以及T+0交易系统。系统覆盖了从前端用户画像推荐、核心交易处理到后端资金清算与监管上报的全链路业务。 三、核心功能模块与业务流程 智能投顾与场景化选基（C端核心） 功能路径：APP首页 -> 明星经理/场景化工具 -> 智能定投/条件单。 业务流程：系统通过采集用户静态属性（年龄、风险偏好）及动态行为（浏览、持仓），构建用户画像。基于画像，系统提供“明星经理PK”、“牛股选基”（通过重仓股找基金）、“行业/主题选基”等场景化工具。用户可设置“智能定投”（目标止盈）或“条件单”（价格预警），系统后台通过量化策略模型进行实时监控与执行，实现千人千面的个性化服务。 核心交易与T+0清算（中后台核心） 功能路径：交易下单 -> 网关鉴权 -> 清算指令 -> 资金划拨。 业务流程：用户在APP发起申购、赎回或撤单指令，经由网上交易网关进行身份验证与风控拦截后，进入交易系统。针对普通基金，系统生成TA（注册登记机构）指令；针对T+0货币基金，系统触发垫资逻辑，由T+0交易系统实时处理。日终时，资金清算系统自动对账，生成与监管行、支付渠道的资金划拨指令，确保资金流与业务流一致。 私募合规与投资者适当性管理 功能路径：私募专区 -> 合格投资者认证 -> 预约/冷静期 -> 柜台交易。 业务流程：为满足监管要求，系统设置了严格的准入机制。用户需上传资产证明并通过人工审核成为“合格投资者”。认购私募产品后，系统自动触发“冷静期计时”，期间资金冻结。冷静期满后，系统自动发起“回访确认”，用户确认后方可生成正式交易指令，全流程留痕以备监管检查。 风控与运营支撑 反洗钱（AML）：系统实时监控大额交易与可疑行为，自动生成可疑交易报告，并对接人行反洗钱中心进行数据上报。 运营中心：提供日初/日终跑批、行情数据自动处理、收益计算及异常报警功能，保障系统稳定运行。

基于 Spring Boot + MyBatis 的薪资管理系统，覆盖工人管理、工种管理、设备管理、材料管理、工资核算、菜单权限、角色管理、用户管理等模块；系统集成 Shiro 完成权限认证，支持工资分页查询、按工人统计薪资以及Excel 报表导出，支持条形码扫码录入设备信息等。

Web端交易分析平台 立项背景和目标： 加密货币市场24×7全天候交易，人工盯盘无法及时捕捉交易信号。本模块提供基于RSI多周期指标的高低点信号分析、策略对比、手动下单等功能，辅助量化交易决策。 核心功能： HL_Last高低点信号分析：展示最新确认点与疑似点，含RSI（6/12/24周期）、RSI30m、RSI4h、SigmoidRsi多周期指标，附带持仓清算数据与120分钟拟合结果 RSI指标计算器：支持任意时间点的RSI回溯计算，并计算距离最近确认点的价格幅度 OKX交易所下单工具：支持限价/市价单、开多/开空、止盈止损触发价配置 持仓管理：实时展示用户多空持仓、未平仓/已平仓盈亏、资金费率及风险等级 多策略对比分析（DuiBi216）：Excel/CSV文件导入，横向对比两个策略的收益率曲线 Twitter KOL监控：抓取指定KOL推文数据，结合市场情绪辅助决策 业务流程： 交易所API → dataupdate采集程序 → SQL Server存储 → DBTO业务层计算 → Web端展示分析结果

立项背景：传统人工投资主观性较强，容易受到情绪干扰，量化策略编写门槛高、回测效率低下，普通投资者无法系统化进行行情研判、策略验证与仓位管理。本项目目标是搭建 AI 量化交易智能体投资助手，依托大模型与量化算法实现自动化行情分析、策略自动生成、历史回测、风险风控、仓位计算以及每日投资建议输出，降低量化投资门槛，规避情绪化交易，提升策略稳定性。 核心模块分为五大部分：金融数据采集模块、因子计算模块、策略回测模块、多智能体决策模块、实时风控模块。数据模块自动抓取 A 股日线、分钟线、财报数据、资金流向数据；因子模块自动计算上百个量价因子；回测模块可模拟多年历史行情，计算夏普比率、最大回撤、年化收益率；决策智能体综合技术面、基本面、市场情绪生成交易信号；风控模块实时限制单日亏损、单票仓位上限。 整体业务流程：程序每日盘前自动拉取全市场行情数据，批量计算量化因子，由多个分工 AI 智能体并行分析市场行情，汇总多维度打分生成买入、卖出、持仓信号，经过风控规则过滤后输出每日投资计划，同时每日自动复盘策略绩效，迭代优化交易规则，全程无需人工干预。

企业业务展业，包含C端和B端，小B端，从0-1，C端从用户大数据授权，个人征信查询，一直到用户放款。B端包含企业授信，用信，放款，赎回，展期，等等一系列金融流程,从贷前贷中贷后全流程开发，本人可以实现绝大多数系统开发，个人沟通能力强。

负责支付宝C端H5理财模块业务开发与维护，理财板块讨论区中发布短贴以“晒一晒”方式进入选择模板，用户数据拉取后会填入视频模板中，用户另外可以自定义涂鸦、添加文字或表情包到视频模板中，编辑完后添加文字描述、标题等发布至讨论区。

项目为国有大行旗下线上直销银行系统，面向线上用户提供全线上金融服务。本人基于 Vue 结合企业自研框架，独立负责理财、零钱包两大核心资金模块开发，同时承担首页、存款、借款、登录、用户信息等基础核心页面迭代维护。深度参与业务需求研讨，梳理资金流转业务逻辑，封装金融类公共组件与通用请求方法，统筹组内开发排期协调，对接产品梳理需求，全程跟进版本迭代，及时处理线上资金类生产故障，保障金融业务页面稳定安全运行。

1、立项背景和目标 立项背景 企业原有个贷业务缺乏专业化贷后数字化管理工具，所有逾期资产台账、客户跟进记录、不良资产统计完全依赖人工Excel维护。存在逾期客户识别滞后、资产状态混乱、催收流程无标准化闭环、数据无法统一汇总、人工统计误差大、资产风险不可控等问题，无法满足金融资产风险管控与合规追溯要求，整体贷后管理效率低、资产复盘难度大。 项目目标 搭建纯贷后专项资产管理后台系统，实现全量个贷逾期资产统一台账管理、逾期分级自动识别、标准化催收处置闭环、不良资产持续跟踪；替代传统人工台账模式，规范贷后全流程作业，实现贷后资产数据可视化、风险可控、过程可追溯，提升贷后资产处置效率与金融合规管理能力。 2、软件功能、核心功能模块介绍 系统专注个贷贷后资产全生命周期管理，无贷前、贷中审批放款功能，核心四大贷后专项模块： 1. 贷后资产台账核心模块 统一维护全量逾期、不良、待处置贷款资产台账，整合客户信息、逾期天数、剩余本金、罚息、历史处置记录，支持台账精准查询、批量校对、历史数据溯源，实现所有贷后资产一盘式管理。 2. 逾期分级识别与预警模块 依据逾期天数自动划分M1/M2/M3+资产等级，自动生成逾期预警清单，精准区分普通逾期与不良资产，帮助业务快速识别高风险资产，为分层处置提供数据依据。 3. 贷后催收与资产处置模块 支持逾期资产任务分配、线上催收跟进、沟通记录登记、客户还款协商、延期处置、回款核销等全流程操作，形成「逾期识别—任务分配—跟进处置—回款闭环」的标准化贷后作业流程。 4. 贷后资产统计与合规报表模块 自动统计逾期率、不良率、回款率、资产处置进度等核心贷后指标，自动生成资产质量分析报表、合规统计报表，支持数据导出、复盘分析与内部审计。 配套能力：系统权限管控、贷后操作日志全程留痕、批量数据导入导出、异常资产标记管理。 3、业务流程、功能路径描述 1. 贷后资产台账归集：同步存量逾期贷款数据，系统标准化建立专属贷后资产台账，完成全量逾期资产建档归类； 2. 逾期自动分级预警：系统根据逾期天数自动划分资产风险等级，生成预警清单与待处置任务； 3. 贷后分层处置跟进：根据资产等级分配专项处置任务，业务人员线上跟进催收、登记沟通记录、执行协商处置方案； 4. 回款核销与状态更新：客户完成回款后，系统自动核销逾期状态、更新资产台账，结清资产归档留存； 5. 资产复盘与合规追溯：系统自动汇总月度/季度贷后资产数据，输出资产质量报表，全程操作留痕，满足金融合规追溯与风险复盘需求。

# 个人财务管理系统 一个基于Java Swing的现代化多用户个人财务管理系统，采用Material Design风格，支持收入支出记录、固定交易自动生成、统计报告等功能。 ## 已实现的功能列表 ### 核心功能 - ✅ **用户管理** - 用户注册、登录、切换用户，多用户数据隔离 - ✅ **管理员系统** - 基于角色的权限管理，支持用户管理、密码重置等功能 - ✅ **交易记录管理** - 添加、编辑、删除收入和支出记录 - 智能排序：按日期降序（新→旧），同日期按创建时间降序 - 时间戳记录：显示每条交易的创建时间和最后修改时间 - 精确匹配：编辑/删除操作基于完整记录信息，确保准确性 - ✅ **日期选择器** - 年月日下拉框选择，自动处理每月天数 - ✅ **固定交易管理** - 周期性收入/支出自动生成（每天/每周/每月/每年） - ✅ **智能生成机制** - 登录时自动生成遗漏的固定交易 - 自动补齐：扫描从生效日期到今天的所有遗漏交易 - 避免重复：检查已存在记录，智能去重 - 统一备注：所有自动生成交易统一标注"固定交易（自动生成）" - ✅ **交易同步** - 一键同步所有固定交易记录 - 完全重建：删除所有自动生成的记录，根据当前设置重新生成 - 日期准确：严格按照设定的周期和日期生成（非生效日期） - 追溯生效：适用于修改固定交易后需要重新生成历史记录 - ✅ **数据筛选** - 按日期、类型、分类筛选交易记录 - ✅ **统计报告** - 生成月度、年度收支报告 - ✅ **可视化报告** - 折线图、饼图、柱状图多维度数据展示 - ✅ **数据导出** - 支持CSV格式数据导出 - ✅ **多用户支持** - 每个用户独立的财务数据存储

根据华宝信托有限责任公司(以下简称：华宝信托)内部管理需求，根据需求进行财务数据清洗，统计，分析计算，此项目主 要包括统计报送，内部管理，数据应用，数据标准几大模块， 统计报送模块：1104报表，全要素报表，资金兑付报表，人行金数，EAST 数据管理，中证登产品账户管理，人行贷款日报，中信登受益权，中信登信托登记，关联交易报送， 来自前程无忧简历 内部管理：管理会计，收入预计，预算进度，统一指标，运营管理，数据管控，人形资管，全量表，监管报备，财富管理 中心，恢复计划指标监测 数据应用模块：非标资产公允价值估值，数据价值发现BI，数据中心项目管理PMS，数据挖掘 数据标准模块：1104监管报表填报说明，EAST4.0标准

投资分析模块 1.分析基础 投资分析基于系统内管理的证券持仓信息（包括持仓成本、数量等），并综合外部数据源或人工录入的估值信息（如债券 估值、基金净值、货币基金万份收益等），开展多维分析。 2.分析内容 分析内容涵盖阶段收益、浮动盈亏、投资余额等核心指标。 3.输出形式 系统需提供报表形式的分析数据前台展示，并支持报表下载功能。 4.管理范围 投资分析覆盖当前系统内所有投资产品类型，包括但不限于： 同业存单（买入、到期（债券到期）、计息）、国债（买入、到期（债券到期）、计息）、 政策性金融债（买入、到期（债券到期）、计息）、央行票据（买入、到期（债券到期）、计息）、 逆回购（正回购、赎回（回购拆借到期））、正回购（正回购、赎回（回购拆借到期））、各类基金

基于飞致云 MaxKB 知识库问答系统作为底座，快速完善企业在线智能客服的 AI 助手能力。主要负责 MaxKB 的二次配置、知识库构建、RAG 链路调优、多渠道接入及效果评测。 1.底座集成：部署并配置 MaxKB 开源版本，将其作为智能客服的核心引擎。利用其内置的模型管理、知识库管理和 RAG 流水线能力，大幅缩短开发周期。 2.知识库构建：梳理 10 万+ 条历史客服对话记录，完成清洗、分类与结构化处理，导入 MaxKB 知识库。通过文档分段、QA 对提取等方式提升知识召回率。 3.RAG 检索优化：在 MaxKB 原生 RAG 流程基础上，调整检索参数（Top-K、相似度阈值），并增加重排序（Rerank）环节。并基于 MaxKB 支持的模型接入能力，选用 Qwen3系列模型。利用收集的领域数据，通过 LoRA 方法进行轻量化微调，并集成回 MaxKB 底座。微调后客服场景回答准确率达 92%，幻觉率降至 5% 以下。通过 MaxKB 提供的 API 接口，实现与企业微信、App、Web 端等多渠道的无缝对接。开发简单的消息适配层，完成会话管理、上下文关联等基础功能。

爱众资产管理服务平台，提供专业个人不良贷款收购处置业务服务，实现个贷不良资产竞购、管理、分析服务，实现清收处置跟踪、减免结清等清收服务，实现法诉管理、委外管理等服务。主分不同角色进行管理，特有的流程化工作

针对企业日常数据处理工作繁琐、易出错的痛点，开发了一套自动化数据处理系统。核心功能包括：Excel批量处理、数据清洗去重、多源数据合并、自动生成报表、定时任务调度。支持从多个数据源（Excel、CSV、数据库、API）自动采集数据，按预设规则清洗转换，生成标准化报表并自动发送邮件。业务流程：配置数据源 → 设置处理规则 → 定时触发任务 → 自动处理数据 → 生成报表 → 邮件通知。系统已应用于财务对账、销售数据汇总等场景，帮助企业节省80%人工处理时间。

立项背景 公司原有电销业务主要依赖 Excel 名单、人工拨号和线下录音复盘，存在不少问题。 名单管理比较混乱。线索来自官网、广告投放、合作方等多个渠道，格式不统一，经常出现重复拨打、漏跟进的情况。 外呼效率偏低。坐席需要手动拨号，有效通话占比往往不到三成，拨号前准备时间平均超过两分钟。 过程难以管控。各坐席话术不统一，质检主要靠抽检，覆盖率通常不到百分之五，合规风险较高。 转化难以归因。从线索到接通、再到意向和成交，整条链路数据断裂，很难评估投放 ROI。 人员流失也偏高。新人培训周期通常要两到三周，缺少实时辅助和统一知识库，上手慢、压力大。 同时，个人信息保护法和营销外呼相关监管越来越严，业务系统必须做到可审计、可溯源、可管控 项目目标 业务上，希望通过预测式外呼和智能排队，把有效通话率提升百分之三十以上；通过统一话术和知识库，把新人培训周期压缩到五个工作日；通过全量录音入库和智能质检，把质检覆盖率从百分之五提升到百分之百；通过精细化跟进和意向评分，把线索转化率提升百分之十五左右。 技术上，要建设统一的线索、外呼、跟进、成交闭环 CRM；对接运营商或云通信平台，支撑稳定高并发外呼，峰值约两千路并发；建立可配置的话术引擎和质检规则引擎；支持多租户、多业务线和权限隔离。 整体功能 平台主要包含线索中心、外呼中心、客户管理、质检合规、报表运营，以及坐席工作台、主管看板、话术配置、任务调度和系统管理等支撑能力。