金融 框架或代码包 软件定制 案例

程序聚合 软件案例 金融 框架或代码包
某日资银行大陆企业网银项目开发
国际贸易金融:实现进出口信用证开立、修改、交单、承兑、回款全线上办理,支持收/付汇单据上传、校验、审核与归档,对接外管申报与贸易背景核查,适配国内报关、退税、核销合规流程,全程留痕可追溯。 外汇资金管理:适配国内监管规则,提供即期结售汇、多币种外汇买卖、汇率对冲服务,支持自主交易、预约交易与批量操作,自动校验外汇额度、完成监管数据备案,助力企业管控汇率风险、优化外汇资金配置。 境内外支付结算:全面对接国内央行支付系统,覆盖各类境内对公转账、批量结算、缴费业务;优化国际汇出汇款流程,适配多场景跨境支付,集成合规校验与反洗钱筛查,实时同步交易进度。 本土便民财务与工具支撑:新增适配国内薪资体系的批量工资代发功能,满足企业薪资核算、对账、做账需求;搭建合规文件归档系统,配套本土化密码控件、网银助手,解决国内终端适配、环境兼容、交易安全等问题。 审批授权与国际化兼容:搭建可自定义的多级审批中台,支持双人授权、临时授权等多元模式,适配企业内控体系;保留多语种、多币种、跨时区能力,实现国际化业务与本土合规双向兼容。 银行后台运维管理:支持企业网银签约注册、客户权限、交易风控全流程管理,适配银行总分行行员分级管控体系,覆盖Token设备全生命周期安全管理,保障系统合规运维。
金融
Java、JavaScript、Dock...
数智平台 — 面向企业的数据治理一体化工作台
数智平台是面向企业的数据治理一体化工作台,围绕「让数据资产可管、可控、可用」提供完整治理闭环。它通过多源元数据采集(JDBC/文件/API/Kafka)将分散的系统、表、字段统一纳入目录并补录业务含义与权责,实现「可管」;在此基础上提供数据质量控制(规则配置、定时调度、JDBC 真检核、整改工单与报告)、数据分级分类(L1-L4 密级、敏感扫描、脱敏与加密登记)以及策略中心(行列级权限、动态脱敏、授权有效期、导出管控与水印),保证数据「可信、访问受控」;最后通过数据资源目录串联申请-审批-预览-审计的访问闭环,配合表级数据血缘与影响分析,让业务方在合规前提下「找得到、用得上」。平台采用 Vue 前端 + Spring Boot 后端 + PostgreSQL 的真实可运行架构,支持账密与企业 OIDC SSO,面向金融等对合规与隐私要求较高的中大型企业。
金融
Java
灵基 LingBase AI(企业级 AI 智能体 / 数字员工平台)- LingBase AI
业务价值 面向企业自建、私有化部署:在控制台配置模型、知识库、智能体、工作流与渠道,员工可在工作台 / IM 提问,业务系统可通过 OpenAPI(lb_ Token)或 Web 嵌入调用,全程可治理(权限、审批、人工确认、审计、License)。 核心功能 模型与智能体:多模型接入(OpenAI 兼容)、智能体目录,挂载知识库 / MCP / 技能 知识库 RAG:文档切片;Milvus 语义召回 + 关键词兜底 对话与工作台:试聊、/chat、Markdown / ECharts、PDF 等附件、HITL 续聊 工作流编排:可视化编排(Agent / 条件 / 循环 / 子流程 / 并行),运行可观测 数字员工:岗位壳(人设、头像)+ 按组织树控制「谁可用」 资源 ACL:智能体 / 知识库 / MCP / 技能 / 编排器「谁可见」 工具与数据:MCP、技能、数据 AI(只读/写 SQL)、沙箱执行;版本灰度与配额 渠道接入:企业微信、飞书、钉钉、Webhook、Web 嵌入 治理与安全:RBAC、审批发布、人工确认(HITL)、GT1 字段级确认、审计、追踪、失败队列、离线 License 典型场景 企业内部知识助手(挂知识库,企微/工作台提问) 多步流程 Agent(敏感写操作走人工确认) 业务系统对接(/v1/chat/completions 或 iframe 嵌入) 数据问答(只读/写 SQL,写操作默认可要求 HITL)
金融、人工智能
Java
后端
SpringBoot 后端系统开发、功能迭代、版本升级 UniApp 微信小程序 / H5 开发(政务类、企业管理平台优先突出) 达梦数据库、MySQL 数据库迁移、SQL 优化、存储过程开发 前后端接口联调、Token 单点登录、跨端跳转解决方案 项目采用 SpringBoot + MyBatis 构建后端服务,使用 UniApp 开发跨端微信小程序,通过 RESTful 接口实现前后端数据交互。数据库层面支持 MySQL 与达梦数据库适配,针对政务系统常见的表结构、字段类型、存储过程、事务处理和 SQL 兼容性进行了调整。系统实现了用户登录、权限控制、业务流程管理、数据查询、表单提交、文件上传和操作日志记录等功能。部署方面使用 Nginx 进行反向代理,Linux 服务器发布,并通过 Redis 缓存提升系统访问效率。项目整体结构清晰,代码分层明确,便于后续维护和功能扩展。
企业内部管理、金融
JSON for Modern C++、...
oracle两第三中心规划建设-Exadata,OGG,DG
负责期核心交易系统数据库架构建设与运维保障,搭建两地三中心高可用架构。通过本地与同城Exadata DG实时容灾、异地X86节点远程兜底,配合6台OGG完成全链路交易、清算、监管数据同步。部署TimesTen热点缓存提升交易响应速度,搭建同城、异地冷备机制实现冷热双备份,同时负责SQL优化、故障应急与疑难问题攻坚,保障交易撮合、清算业务稳定运行。
金融
Oracle Database
统一支付支付清算系统
统一支付支付清算系统是农信银用来处理支付清算业务、支付查询、对账等功能的微服务项目。 主要业务有汇兑交易、汇票交易、通存通兑交易、网联借记、网联贷记、日终对账、批次对账业务,其中网联借记和网联贷记的业务量一天大约400万。系统的调用方主要有柜面、网联渠道等。
金融
Java、SQL、Spring、Spri...
信用卡审批反欺诈子系统
审批反欺诈子系统是审批系统在处理审批过程中,根据客户上送的信息、历史客户申请记录信息和审批规则等内容获取到此客户命中的规则、对应的欺诈评分等信息,用来对审批工作提供参考。 标签分为横向标签和纵向标签,横向标签是根据客户的简单信息直接判断,例如:客户的年龄是否<30岁;纵向标签是根据客户进件信息和历史记录进行判断,例如:近三个月内,相同手机号不同客户的进件次数。
金融
Java、SQL、Redis-rb、Sp...
快速开发基础框架demo
本基础框架是一个面向企业级应用开发的Java技术底座,旨在解决分布式系统开发中常见的基础设施集成、组件复用与配置管理问题。框架以Spring Boot为核心引擎,通过自动配置与模块化封装,对主流中间件与基础组件进行了统一整合,提供开箱即用的开发体验。开发者无需关注底层版本兼容性与繁琐的初始化配置,即可快速构建高可用、可观测、易扩展的业务系统。
金融、内容平台
Java、MySQL、RabbitMQ、...
全行分布式分布式准规范化推广项目
项目描述: 通过本项目实现各个业务系统间服务的标准化调用和全行统一分布式架构,通过对报文标准改造后,将为灰度发布、多版本并行、热力地图采数、交易服务统一监控、交易全局路由、快速迭代开发等提供支撑基础。本项目涉及范围改造40多个系统,横跨研发8个团队,属于部门级重点项目。项目角色: 项目经理,统筹协调各方资源,保障项目进度,解决资源冲突,及时响应各系统需求,分批次调整投产策略,整理项目交付材料;
金融
Java、Nginx、Redis、Mic...
建行渠道管控系统
建行渠道管控系统是支撑 STM 智慧柜员机与裕农通双渠道交易分发的核心中间件,日均处理交易量 10 万 +,服务于辽宁省内 200+ 银行网点。负责分发与统计不同渠道的交易,便于负载和行内做统计总结,为目标规划做保障
金融
Java、Spring Boot、MyS...
指标体系建设与指标资产管理项目
立项背景与目标:为落实监管数据治理要求,支撑全行数字化经营,解决指标分散、管理无序、应用低效问题,本项目目标是搭建全行统一的指标体系,制定指标资产管理办法,建设指标地图与指标市场,实现指标全生命周期管理,赋能业务经营与决策。 核心功能模块:1.指标体系架构设计模块:构建 “战略 - 业务 - 技术” 三层指标体系,覆盖经营、监管、风控全场景;2.指标资产管理模块:制定指标管理办法,明确指标申请、审核、发布、变更、下线全生命周期流程;3.指标地图与市场模块:搭建可视化指标地图,实现指标分类展示、血缘查询、口径查询;4.指标质量管控模块:建立指标质量校验规则,实现指标数据质量监控与告警。
金融
SQL、Oracle
银行指标盘点
立项背景与目标:当前银行各业务条线指标口径不统一、定义分散,存在 “数出多门” 问题,导致经营分析、监管报送数据不一致,决策效率低下。本项目目标是完成全行核心经营、监管、风控类指标的全面盘点,统一指标口径、梳理数据来源,消除数据歧义,为指标体系建设奠定基础。 核心功能模块:1.指标全量盘点模块:覆盖公司、零售、金融市场、风控等全条线,完成指标清单梳理;2.口径标准化模块:统一指标定义、计算逻辑、统计维度、取数规则;3.数据来源梳理模块:明确指标对应业务系统、数仓表、加工逻辑;4.一致性校验模块:完成指标跨系统、跨条线数据一致性核对。
金融
SQL、Oracle Database
银行-统一管理驾驶舱-数聚智库2.0
项目简介:北京银行的“数聚智库”项目是一 致力于打造北京银行“一站式”智能决策中心的平台。该项目整合了“数据+科技+场景”三大数字化转型核心能力,协同总行业务部门、联动分支机构,构建了一 以经营全景、实时存款、智能风控、客户洞察等各类全场景、多维度、多角度的决策看板为中心的“1+N”决策服务体系。致力于构建智能化管理驾驶舱,支持各级管理层对银行的经营情况“看到、看清、看懂”,助力领导层科学决策,增强运营效率,提升同业竞争力。
金融
Java、Vue、Kafka、Redis
银行合规风控平台
1、立项背景和目标 针对银行员工道德风险和操作风险管理痛点,响应银保监会《银行业金融机构从业人员行为管理指引》合规要求。传统人工排查存在滞后性强、覆盖面窄、主观判断多等问题。系统目标是通过大数据和AI技术,对员工征信、消费、健康、家庭关系、工商信息等多维度数据进行实时监测和关联分析,实现风险早识别、早预警、早处置,将事后追责转为事前预防。 2、软件功能、核心功能模块 可视化风险驾驶舱:首页大屏多维度展示员工风险分布、预警趋势、风险等级占比,支持钻取下钻查看明细。 规则引擎中心:风险预警规则可视化配置(如"信用卡逾期>3次且家庭负债率>50%"),支持实时修改实时生效,无需重启服务。 多维度数据画像:整合征信、消费、健康、家庭成员等异构数据,构建员工综合风险评分模型。 外部数据接入中台:接口配置化接入,即配即用,支持征信中心、工商信息、医疗数据等第三方API对接。 批量征信解析:支持多人征信PDF批量上传,OCR识别关键字段,自动提取逾期、负债、担保等风险信息并生成明细报表。 风险处置闭环:预警台账自动生成,支持预警分级、解除申请、多级审批、处置跟踪全流程线上化。 3、业务流程、功能路径 数据采集(API/PDF/手动录入)→ 实时ETL清洗 → 规则引擎计算 → 风险评级 → 预警生成 → 审批流推送 → 大屏/邮件通知 → 处置反馈 → 风险档案更新。
金融
Java、Python、Vue、Redi...
国泰海通融资融券后端交易系统
融资融券交易系统后台是证券公司支持客户进行信用交易(即融资买入和融券卖出)的核心业务系统,其主要目标是在控制风险的前提下,实现资金与证券的借贷、交易、清算及监控。 一、核心业务 融资交易:客户以自有资产为担保,向券商借入资金买入证券。 融券交易:客户借入券商持有的证券并卖出,未来买回归还。 二、主要功能模块(简述) 表格 模块 功能说明 信用账户管理 开立信用资金/证券账户,管理客户授信额度 担保品管理 接受现金、股票等作为担保,按规则折算价值 合约管理 记录每笔融资/融券的金额、利率、期限、标的等 盯市与风控 实时计算维持担保比例,触发预警、追保或强制平仓 强制平仓 当客户风险超标时,自动或人工执行平仓操作 清算交收 与交易所、中国结算对接,完成资金和证券的交收 计息与费用 按日计收融资利息/融券费用,生成账单 报表与监管报送 生成对账单,并向监管机构报送信用交易数据 三、关键特点 强风控驱动:所有操作围绕“维持担保比例”动态管理; 高合规要求:严格遵循证监会及交易所规则; 系统高可靠:需7×24小时稳定运行,尤其在极端行情下保障平仓能力。 简言之:融资融券后台 = 信用账户 + 借贷管理 + 实时风控 + 自动平仓 + 清算合规。
企业内部管理、金融
C++、Oracle Database、...
自动化架构搭建-支付服务底层全链路自动化搭建
金融行业线上bug要无限接近于零,钱袋子出问题就是大问题,基于背景搭建全链路自动化 以下功能更是重中之重 充值、提现、支付、代付、注册、绑卡等等,这些功能需要有自动化来减少人工测试回归的压力,以及代替冒烟测试
电商、金融
Python、Pytest、Reques...
某国有大银行众测
1、通过互联网进行深度信息侦查,发现互联网暴漏的大量资产 2、深度模糊测试和Api接口探测,发现大量未授权Api接口,获取海量高价值数据 3、基于密码攻防获取JWT Token敏感信息,利用泄露的敏感信息获取核心一类金融系统管理员权限 4、存在任意文件下载漏洞,可以读取大量银行内部敏感文件 5、钓鱼攻击开展,直接获取银行职员办公电脑权限,并跳转进入银行大数据平台
金融
OWASP ZAP
消息桥接系统
1.消息接收服务,消息来源于上游系统,通过Solace、Tibco传输 2.消息适配服务,整合各个源系统的消息格式,是所有的消息格式统一 3.消息处理引擎服务,针对接收到消息进行细粒度的加工和落地到磁盘 4.消息分发服务,将上面处理好的消息通过Solace中间件转发给下游系统 5.消息通知服务,针对一些有风险的消息及时发邮件给用户
金融
Java、Python
基于lstm神经网络的金融时序分析系统-金融时序分析系统
具有多种策略功能生成预测曲线,包括lstm、线性回归、机器学习等方法 对股票原始特征进行多重数据分解,旨在获得股票最有时序特征的分量片段 使用者可以对依据预测曲线对股票进行回测,大部分预测效果中胜率优于60% 使用者在程序中的操作只需选取股票代码+股票的范围就能获得数据源,并逐个选项卡按默认配置处理即可得到预测曲线,在程序中再根据预测曲线与股票原始曲线进行对比即可进行股票回测,分析股票价值
金融、物联网
Python、Deeplearning4...
数据分析-后端工程
通过模块与数据结构框架,对多功能系统进行统一整合,比如,对数据的读写能力与整理分析能力进行模块化与结构化,然后通过算法及算法优化对相关函数功能进行整合,实现高效与高质量。用户可在使用过程中感受到兼具效率与质量的使用感受。
人工智能、金融
Python、Jython
  • 1
  • 2
帮助文档   Copyright @ 2021-2024 程聚宝 | 浙ICP备2021014372号
人工客服