← Financial Cloud Cloud Cloud Club · AWS Re:cap

極點宏觀|Financial Cloud Cloud · AWS Re:cap

AWS Re:cap 01: 現代交易生命週期:從交易到結算

講者: 座談

場次: 01

場次
Summit Dev Lounge2026 Re:cap
01 把架構寫成 Steering,引導 AI Agent
02 Agent Harness 才是真正的工程護城河
03 用白話詢問可觀測性資料
04 以 Bedrock AgentCore 打造 Serverless AR 遊戲
05 AgentCore 上的多 Agent 量化回測
06 三分鐘用 Kiro 把部落格變簡報
AWS Community Day Hong Kong 2025 Re:cap
02 使用 Terraform 實現 AWS 合規
03 從新手到開發者:一段精彩的 AWS 雲端旅程
04 以團隊為優先:使用 Laravel 與 Bref 進行無伺服器工程
05 活動開幕
06 Agent-to-Agent:在 AWS 上打造可互通的 AI
07 運用另一種遙測資料,透過 AI Agent 加速改善
08 告別 Vibe Coding:運用 Kiro 實踐規格驅動開發(Spec-Driven Development)
09 運用 MCP 與 AI 代理進行自動化測試
10 以 ML 驅動的方法實現電信安全現代化
11 重新思考 GenAI Agent:RAG 與 MCP
12 運用 TAK 與 AWS 進行災害及緊急應變
13 從測試角度重新思考 Serverless 應用程式工作流程
14 運用實務 AWS FinOps 邁向雲端成功
15 運用 AWS 打造 AI 驅動的全球 Pure-Alpha 宏觀交易:革新風險調整後資產報酬
FSI Recap
01 現代交易生命週期:從交易到結算
02 Goldman Sachs:透過 Fast Track 將應用程式移至雲端 - AWS Re:cap Q1/2023
03 Zurich Insurance Group:在 AWS 上建置有效的日誌管理解決方案
04 FSI Meetup 2025 Q4 - Brex 資料庫災難復原
05 FSI Meetup 2025 Q4 - Graviton 遷移成功案例
06 FSI Meetup 2025 Q4 - Stifel 現代化資料平台
07 FSI Meetup 2025 Q4 - PayPal 金融交易資料對帳器
08 FSI Meetup 2025 Q4 - 擴展韌性
09 最大化 AI 推論成本效益:策略性採用 AWS GPU 執行個體
10 進階代理式 AI 設計模式
11 在 AWS 上建置全新現代化應用程式
AWS re:Invent 2025
01 Coinbase re:Invent 回顧 (IND3312)
02 利用 AI 和 AWS 構建未來交易平臺
03 交易創新:Jefferies 在 Amazon Bedrock 上的 AI 助理 (IND3315)
04 FSI 如何運用代理式 AI 徹底改造 HFT 分析 (GBL302)
05 透過 Amazon Time Sync 改善分散式系統,Nasdaq 專題分享
06 Amazon Aurora HA 與 DR 的全球韌性設計模式 (DAT442)
07 建構代理式 AI:Amazon Nova Act 與 Strands Agents 實務應用 (DEV327)
08 深入探討 Amazon Aurora 及其創新 (DAT441)
09 深入探討 Amazon S3 (STG407)
10 Nasdaq:為全球金融服務打造具彈性的基礎設施(HMC327)
11 AWS Lambda 的最新功能 (CNS376)
12 使用 Kiro 進行規格驅動開發 (DEV314)
13 Amazon 的 FinOps:全球電子商務巨擘的雲端成本經驗 (AMZ308)
14 AWS 上的 Tick-to-trade 延遲交易平台
政務資料
01 The AI Era: The Boundary Between Development and Design Is Disappearing
02 裝置端多模態 AI 與智慧城市實踐
03 大模型能力評測與 AI 專案落地方法論
04 基於雲端代理的政府開發全鏈路受控自動化
05 從多智能體看 Agent 時代軟體新生態
06 AI 驅動的宏觀量化研究與智慧治理
07 公共數據授權營運與智慧政務實踐
08 数据资产化落地实践:确权合规、工程治理与数字政府案例
09 AI技術賦能心理健康公益:可信平台的治理、架構與實踐
Amarathon 2025 回顧
01 開發人員的代理架構設計路線圖
02 Amazon Bedrock 資料自動化
03 AgentCore 上的多代理
04 實務建置代理式 AI:Nova Act 與 Strands Agents
04 運用規格驅動開發,以 Kiro 加速移轉專案
06 從「比對」到「理解」:由 AgentCore Memory 驅動的個人化 AI 搜尋實踐
07 從觀察到最佳化:從 LLM 可觀測性邁向 AIOps,將即時洞察轉化為智慧自動化
08 部署 TEAM 並打造最佳工程團隊
09 五年來所謂無伺服器資料庫帶來的五個慘痛教訓
14 如果 AI 替我工作會怎樣:Q Developer CLI 與 Kiro 如何改變我的日常工作
16 兼顧速度與警覺:Amazon Bedrock Agent 開發的安全要點
26 在單張 H100 上執行 OSS LLM:更聰明、更便宜、更快速
28 現代化統一中繼資料架構:打破資料孤島的新方法
29 無伺服器 MediaOps:運用 Amazon Web Services 上的 AI 自動化影片工作流程
30 透過大規模效能測試建構兼具效率與可靠性的架構
31 透過開放原始碼連結世界:技術、社群與全球開發者關係的實踐歷程
33 建置串流 Iceberg 資料表以進行即時物流分析
34 加速大規模機器人策略訓練:以 Kiro、Trainium 與 EKS 為基礎的自動化閉環架構
35 透過規格驅動開發,從 Vibe 走向可行方案
36 讓雲端成本分析更智慧:使用 Strands 與 AgentCore 建置 FinOps 智慧 Agent
37 使用 CNCF Kagent、K8sGPT 與 Nova Sonic,轉型 K8s 對話式 Agentic AIOps

@ AWS Financial Services Symposium 2025

Brian Cassen 開場介紹:

● Brian 負責 AWS 資本市場與資料領域的市場開發。

● 他已在 AWS 任職七年,協助客戶進行雲端轉型與創新。

● 本場次將聚焦於資本市場交易生命週期的現代化。

NASDAQ 的 Mark Murphy:

● 任職於金融科技部門,提供關鍵的市場與金融服務軟體。

● 使用 NASDAQ 銷售的產品。

● 過去十年與 AWS 合作,將技術堆疊現代化,並與 ASX 等客戶分享技術。

Fidelity Investments 的 John Foley:

● 任職於市場資料團隊,處理即時報價、交易,並將資料發布給客戶。

● 已在 Fidelity 任職 20 年,並在行情資料處理系統遷移至雲端期間領導網站可靠性工程。

Australian Securities Exchange (ASX) 的 Tim Whitley:

● ASX 的資訊長。

● 負責監督 ASX 的整體技術計畫;該交易所在澳洲舉足輕重,但以全球規模而言相對較小。


討論主題:

● 現代化過程中的經驗與所面臨的挑戰。

Mark Murphy 的關鍵轉捩點:

● NASDAQ 工程師的好奇心,促使他們在十多年前便開始嘗試 AWS。

● 關鍵時刻出現在 COVID-19 疫情期間,當時交易所的交易量翻倍,而內部部署伺服器難以負荷。

● 團隊體認到,若要具備韌性並持續提供市場服務,雲端基礎設施不可或缺。

● 加速 NASDAQ 全公司的現代化工作,聚焦於現代技術與雲端能力。

John Foley 介紹:

● John 任職於財富管理公司 Fidelity Investments;該公司擁有超過 77,000 名員工,管理的資產超過 15 兆美元。

● 他已在公司任職 20 年,主要服務於市場資料團隊。

● 他的職責包括處理即時報價、交易、歷史內容、新聞及社群市場情緒,並將這些資料發布給客戶與業務合作夥伴。

● 在行情資料處理系統遷移至雲端期間,他負責領導網站可靠性工程。

Tim Whitley 介紹:

● Tim 是 Australian Securities Exchange (ASX) 的資訊長。

● 他已在該交易所任職數年。

● ASX 營運兩個交易場所及三項結算服務,因此在澳洲舉足輕重,但以全球規模而言相對較小。

● Tim 目前正在監督 ASX 的大型技術計畫,這也是該交易所的重點工作。


促使每位與談人開始使用 AWS 的關鍵時刻或動力。

Mark Murphy 的關鍵轉捩點:

● NASDAQ 工程師的好奇心,促使他們在十多年前便開始嘗試 AWS。

● 關鍵時刻出現在 COVID-19 疫情期間,當時交易所的交易量翻倍,而內部部署伺服器難以負荷。

● 團隊體認到,若要具備韌性並持續提供市場服務,雲端基礎設施不可或缺。

● 加速 NASDAQ 全公司的現代化工作,聚焦於現代技術與雲端能力。

John Foley 的關鍵轉捩點:

● John 與 AWS 的歷程始於他領導網站可靠性工程、將 Fidelity 的行情資料處理系統遷移至雲端之時。

● 這次遷移凸顯了雲端基礎設施對於處理即時資料及確保服務可靠性的重要性。

● 這段經驗進一步確立了 Fidelity 持續投資雲端技術的必要性。


轉捩點與策略制定

● 初始挑戰:必須在 3 至 4 年內更換 ASX 的全部五套核心系統。

● 疑慮:更換系統後,可能只會產生「外表光鮮的新舊式系統」。

● 策略制定:投入時間擬定平台策略,作為系統更新的基礎。

● 關鍵組成:建置同時支援營運與分析用途的資料平台。

● 目標:運用資料平台支援核心系統,並促成系統之外的創新。

● 額外焦點:評估數套後台系統的託管選項。

● 主要焦點:資料平台及其在核心系統之外的能力。

未來展望與雲端策略

● 當前市場波動,以及人們存取市場和使用資料方式的預期變化。

● 公司的長期定位:站在資本市場雲端技術的最前線。

● 所有產品均已支援雲端。

● 與 AWS 合作,強化基礎設施並最佳化產品。

● 為客戶的各類系統提供更多選擇(超低延遲交易、結算、資料平台)。

● AWS 是這項計畫的關鍵合作夥伴。

● 強調雲端的韌性及處理大量交易的能力。

● 雲端可縮短產品上市時間,並讓高風險創新成為可能。


AWS 資料平台的優點

● 無須對資料平台投入大量資本。

● 能在平台之上進行創新。

● 普及資料平台的存取權並提供優良工具,可激發組織內部自發性的創新。

● 目標:NASDAQ 希望將此資料平台提供給全球交易所,以推廣其交易所、增加流動性,並促成組織創新。

AI 對市場資料的影響

● AI 正快速進步,並顛覆技術的各個面向,包括撰寫程式碼、文件、測試程式碼、程式碼重構、聊天機器人、客戶服務、個人化、自動化、DevOps,以及 SRE(網站可靠性工程)。

● 在市場資料領域,AI 的角色是為客戶提供洞察,協助其做出可獲利的決策。

● 挑戰:AI 難以處理大型資料集與大量參數。

● 解決方案:需要雲端基礎設施及強大的運算能力,才能整合即時交易活動、歷史趨勢、新聞與社群媒體情緒。

● 未來焦點:在雲端彈性擴展或縮減資源,以執行計算並快速提供洞察。

由資料與 AI 驅動的轉型

● 平台概念應將資料平台置於技術堆疊的最上層。

● 撮合引擎與結算系統是重要的標準化基礎能力,但並非核心業務。

● 資料將推動整體業務轉型與客戶體驗。

● 運用資料來創造更佳成果的能力至關重要。

● 妥善準備資料並採用正確的架構,是在 AI 驅動的未來保持領先的必要條件。


重要經驗與洞察

● 現代化的挑戰:推出 NASDAQ Eqlipse 智慧平台,凸顯了協助客戶將資料平台與策略現代化的困難。儘管客戶了解現代化的必要性,實際執行並達成這些目標仍極具挑戰。

● 人才招募與留任:在交易所環境中,很難招募並留住所需人才,以成功推動資料平台現代化。

● AWS 產品與現代化:AWS 提供的優秀產品持續現代化及改善,也變得更容易使用。然而,要在交易所環境中大規模導入這些產品,仍然相當困難。

● 客戶支援與手把手協助:多數客戶知道自己想達成什麼目標,但需要大量協助與支援才能實現。僅啟用 AWS 服務,可能不足以支撐大規模的日常營運。

● 法規遵循:要說服監管機關允許國家級交易所遷移至公有雲,尤其是在不同國家及司法管轄區,必須證明雲端解決方案的安全性、資安防護與韌性。

● 經驗教訓:必須為全球客戶提供完整支援與手把手協助,使其能成功因應現代化及法規遵循的複雜性。


將 Fidelity 市場資料行情處理系統遷移至雲端的重要經驗

● 全新經驗:將即時市場資料行情處理系統遷移至雲端,對 AWS 和 Fidelity 而言都是全新經驗,也帶來獨特挑戰。

● 超級盃模式與市場資料的差異:不同於流量突然暴增的超級盃模式,市場資料會在開市時出現單一且猛烈的流量高峰,因此需要不同的處理方式。

● 與 AWS 的關鍵合作關係:與 AWS 的合作至關重要,其中包含由熟悉 Fidelity 基礎設施與架構的 AWS 專家參與 OEM 流程。如此一來,問題發生時便能取得即時意見並立即採取行動。

● 異常偵測與警示:AWS 協助建置異常偵測及警示,讓團隊無須升級通報即可迅速處理問題。

● 重構應用程式:一項重要經驗是,將應用程式遷移至雲端時必須進行重構。單純將單體式應用程式直接搬移並不可行,且會衍生問題。

● 服務導向架構:應用程式必須拆分成多項服務,妥善加以保護並進行適當擴展。導入安全模式、艙壁及斷路器等故障模式至關重要。

● 健康狀態檢查與警示:過於敏感的健康狀態檢查若管理不當,可能會拆除基礎設施。確保容器處於良好狀態至關重要,以免在問題持續時仍將正常流量送入。

● 長期效益:雖然針對雲端重構應用程式需要前期投入,但在擴展能力、最佳化與效能方面能帶來長期回報。


其他經驗與洞察

● 雙速變革模式:目標是在交易所內導入雙速變革模式,讓不同團隊以不同速度運作,在維持合規的同時促進創新。

● 聚焦資料平台:持續聚焦資料平台,以實現雙速變革模式,並協助 ASX 推進其轉型歷程。

● 感謝與未來合作:感謝與談人分享寶貴洞察,並期待未來三至五年與 AWS 持續合作。


雙速變革模式

● 採用兩種不同運作速度的企業架構方法

● 由於快速的前端系統依賴較慢的後端資料,因而產生整合問題與組織摩擦

● DevOps 和「全面敏捷」思維等現代方法,大致上已取代此模式

「快速層」(步調層 1)

● 面向客戶的應用程式與系統

● 使用敏捷方法,頻繁且快速地更新

● 範例:電子商務平台、行動應用程式

「慢速層」(步調層 2)

● 穩定且任務關鍵的後端舊式系統

● 可靠性與穩定性最為重要

● 以更有條理的方式進行變更

● 範例:核心銀行業務、信用卡處理


艙壁

● 在軟體架構中導入艙壁模式

● 將應用程式的元素隔離至不同資源池,以防止連鎖故障

程式碼層級(資源隔離)

● 執行緒集區隔離:為不同類型的作業使用不同的執行緒集區

● 連線集區隔離:為不同作業使用不同的資料庫連線集區

系統層級(架構隔離)

● 服務層級隔離:在微服務架構中獨立部署服務

● 基礎設施隔離:利用雲端原生平台限制形成天然艙壁


「行情資料處理系統」

● 金融業中用於彙整及發布即時市場資料的系統

● 彙整來自交易所的原始資料饋送、將其標準化,再把處理後的資料發布給客戶

主要功能

● 資料彙整:收集來自多個交易場所的原始資料

● 資料標準化:將不同的資料格式轉換為標準格式

● 資料發布:將標準化後的市場資料發布給各類客戶

● 資料記錄:將傳入及處理後的資料寫入日誌檔案,以供復原

● 訂閱管理:管理下游訂閱者的請求