一种基于失败应答码的金融对象异常因素筛选分析方法

技术领域

本发明涉及金融数据分析，特别是涉及一种基于失败应答码的金融对象异常因素筛选分析方法。

背景技术

就当今社会而言，移动支付已成主流，怎样提交交易成功率增强用户体验是各支付企业及相关商户和银行机构需要关注的问题。支付是一个长链路交易活动，参与方众多，包括：持卡人或者支付用户、商户、收单机构、发卡机构、网联或者银联等相关机构，引起交易失败的因素可能是单个因素，但更多的是多因素组合或者叠加，很多失败因素不能简单通过一个点来判断。另外，目前交易的成功率都非常高，一般整体交易成功率在99％左右，面对海量的支付交易数据，怎样查找和发现交易失败的问题和原因是非常困难的一件事情。

对于失败的交易数据，一般可以通过金融系统反馈的失败应答码来判别交易失败原因，但是，目前有些失败应答码会涉及多个因素，这种情况下无法得到较为明确的分析结果，不利于快速确定异常因素。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于失败应答码的金融对象异常因素筛选分析方法，能够通过筛选分析得到较为准确的异常因素，从而有助于快速确定交易失败的原因。

本发明的目的是通过以下技术方案来实现的：一种基于失败应答码的金融对象异常因素筛选分析方法，包括以下步骤：

S1.对于给定影响金融交易数据质量的多个因素，并选定其中一个因素，获取该因素下不同的对象信息，将预设周期内所有的失败应答码划分到每一个对象下；

S2.选择其中一个对象作为筛选分析的目标金融对象，除选定因素外给定的剩余因素作为目标金融对象的因素；

S3.将目标金融对象下的失败应答码划分到该对象的每一个因素中，统计目标金融对象下的频数信息，并据此计算相关的频率信息；

S4.定义每一个因素中各个失败应答码的卡方值，并根据卡方值得到失败应答码的聚集程度，实现对异常因素以及异常因素中失败应答码种类的筛选。

进一步，所述步骤S1中给定的因素分为卡、通信路线、操作和终端四个方面，其中：

卡方面的因素包括：卡BIN、卡性质和卡介质；

通信路线方面的因素包括：受理机构标识码、发卡机构标识码、发送机构标识码和接收机构标识码；

操作方面的因素包括：交易代码、服务点输入方式和服务点条件代码；

终端方面的因素包括：商户类型、交易渠道、受卡发商户标识代码。

步骤S1中选定的因素为受理机构标识码或发卡机构标识码。

进一步，步骤S3中所述频数信息包括：

目标金融对象下的失败应答码出现次数、目标金融对象下的失败应答码种类数目、目标金融对象每一个因素下的失败应答码出现次数、目标金融对象每一种失败应答码下的失败应答码出现次数以及目标金融对象每一个因素下每一种失败应答码的出现次数；

所述频率信息包括：目标金融对象下每一个因素的失败应答码出现频率、目标金融对象每一种失败应答码下的失败应答码出现频率以及每一个因素下每一种失败应答码的出现频率。

进一步，所述步骤S3包括：

S301.设目标金融对象下的失败应答码出现次数为n，目标金融对象下的失败应答码种类数目为q，目标金融对象第i个因素下的失败应答码出现次数为n

则：

目标金融对象下第i个因素的失败应答码出现频率为：

目标金融对象第j种失败应答码下的失败应答码出现频率为：

目标金融对象第i个因素下第j种失败应答码的出现频率为：

S302.在i＝1,2,...,p，j＝1,2,...,q的情况下，按照步骤S301得到所有的n

进一步地，所述步骤S4包括：

S401.计算第i个因素下第j个失败应答码的卡方值为：

S402.计算第i个因素对应的卡方值为：

S403.根据卡方值的大小，判断失败应答码的聚集程度，从而辅助判断导致失败的原因：

第一、根据各个因素的卡方值大小，判断失败应答码在各个因素下的聚集程度，从而实现对异常因素的筛选：

在卡方值最大的因素上，失败应答码的聚集程度最高，由该因素引起交易失败的概率最大，该因素为异常因素；

第二、根据异常因素中每一种失败应答码的卡方值，判断该异常因素下失败应答码在失败应答码种类上的聚集程度，完成异常因素中失败应答码种类的筛选：

在卡方值最大的失败应答码种类上，该类失败应答码的聚集程度最高，该失败应答码最能反应异常因素中存在的问题。

本发明的有益效果是：本发明能够通过筛选分析得到较为准确的异常因素，从而有助于快速确定交易失败的原因。

附图说明

图1为本发明的方法流程图。

具体实施方式

下面结合附图进一步详细描述本发明的技术方案，但本发明的保护范围不局限于以下所述。

如图1所示，一种基于失败应答码的金融对象异常因素筛选分析方法，包括以下步骤：

S1.对于给定影响金融交易数据质量的多个因素，并选定其中一个因素，获取该因素下不同的对象信息，将预设周期内所有的失败应答码划分到每一个对象下；

在本申请的实施例中，所述步骤S1中给定的因素分为卡、通信路线、操作和终端四个方面共13个因素，其中：

卡方面的因素包括：卡BIN、卡性质和卡介质；

通信路线方面的因素包括：受理机构标识码、发卡机构标识码、发送机构标识码和接收机构标识码；

操作方面的因素包括：交易代码、服务点输入方式和服务点条件代码；

终端方面的因素包括：商户类型、交易渠道、受卡发商户标识代码。

步骤S1中选定的因素为受理机构标识码或发卡机构标识码。例如，选定的因素为受理机构标识码时，由于不同的受理机构标识码对应于不同的受理机构，故该因素下的对象其实就是各个受理机构；选定的因素为发卡机构识别码时，由于不同的发卡机构标识码对应于不同的发卡机构，故该因素的对象其实就是各个发卡机构。

S2.选择其中一个对象作为筛选分析的目标金融对象，除选定因素外给定的剩余因素作为目标金融对象的因素；

S3.将目标金融对象下的失败应答码划分到该对象的每一个因素中，统计目标金融对象下的频数信息，并据此计算相关的频率信息；

进一步，步骤S3中所述频数信息包括：

目标金融对象下的失败应答码出现次数、目标金融对象下的失败应答码种类数目、目标金融对象每一个因素下的失败应答码出现次数、目标金融对象每一种失败应答码下的失败应答码出现次数以及目标金融对象每一个因素下每一种失败应答码的出现次数；

所述频率信息包括：目标金融对象下每一个因素的失败应答码出现频率、目标金融对象每一种失败应答码下的失败应答码出现频率以及每一个因素下每一种失败应答码的出现频率。

进一步，所述步骤S3包括：

S301.设目标金融对象下的失败应答码出现次数为n，目标金融对象下的失败应答码种类数目为q，目标金融对象第i个因素下的失败应答码出现次数为n

则：

目标金融对象下第i个因素的失败应答码出现频率为：

目标金融对象第j种失败应答码下的失败应答码出现频率为：

目标金融对象第i个因素下第j种失败应答码的出现频率为：

S302.在i＝1,2,...,p，j＝1,2,...,q的情况下，按照步骤S301得到所有的n

在本申请的实施例中，统计的频数信息如下表所示：

计算的到的频率信息如下图所示：

一个因素对于某个应答码是否有聚集，不能只看n

S4.定义每一个因素中各个失败应答码的卡方值，并根据卡方值得到失败应答码的聚集程度，实现对异常因素以及异常因素中失败应答码种类的筛选。

进一步地，所述步骤S4包括：

S401.计算第i个因素下第j个失败应答码的卡方值为：

S402.计算第i个因素对应的卡方值为：

得到的卡方值如下表所示：

S403.根据卡方值的大小，判断失败应答码的聚集程度，从而辅助判断导致失败的原因：

第一、根据各个因素的卡方值大小，判断失败应答码在各个因素下的聚集程度，从而实现对异常因素的筛选：

在卡方值最大的因素上，失败应答码的聚集程度最高，由该因素引起交易失败的概率最大，该因素为异常因素；

第二、根据异常因素中每一种失败应答码的卡方值，判断该异常因素下失败应答码在失败应答码种类上的聚集程度，完成异常因素中失败应答码种类的筛选：

在卡方值最大的失败应答码种类上，该类失败应答码的聚集程度最高，该失败应答码最能反应异常因素中存在的问题。

综上，本发明能够通过筛选分析得到较为准确的异常因素，从而有助于快速确定交易失败的原因；以上所述是本发明的优选实施方式，应当理解本发明并非局限于本文所披露的形式，不应该看作是对其他实施例的排除，而可用于其他组合、修改和环境，并能够在本文所述构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。

以上所述是本发明的优选实施方式，应当理解本发明并非局限于本文所披露的形式，不应该看作是对其他实施例的排除，而可用于其他组合、修改和环境，并能够在本文所述构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。