一种基于多目标优化的金融对象异常因素优先级分析方法

技术领域

本发明涉及金融数据分析，特别是一种基于多目标优化的金融对象异常因素优先级分析方法。

背景技术

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。

一般情况下，通过初步的数据分析能够获取金融对象的一些异常因素，但是，却很难知道这些异常因素中哪个或者哪些因素引起交易失败的概率更大，不利于快速定位引起交易失败的原因。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于多目标优化的金融对象异常因素优先级分析方法，能够得到有效的异常因素优先级排序，进而为快速定位交易失败的原因提供了依据。

本发明的目的是通过以下技术方案来实现的：一种基于多目标优化的金融对象异常因素优先级分析方法，包括以下步骤：

S1.对于已知异常因素的目标金融对象，计算出每一异常因素的交易失败率和失败贡献度；

S2.将目标金融对象的异常因素作为多目标优化的解，根据各个异常因素的交易失败率和失败贡献度确定各个解之间的支配关系；

S3.对于每一个解，按照确定的支配关系，统计该解的支配解数目；

S4.将各个解按照支配解数目的从小到大进行排序，支配解数目越少，优先级越高。

所述步骤S1中包括：

S101.给定影响金融交易数据质量的多个因素，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；

其中，以受理机构标识码下的多个对象作为金融对象，除受理机构标识码外，其余因素作为每一个金融对象的因素；对于目标金融对象，设已知该目标金融对象的异常因素；

S102.获取一定时间内的金融交易数据，将其划分到每一个金融对象下，并在每一个金融对象下按照因素进行划分，得到各个金融对象下每一个因素的金融交易数据；

S103.统计所有金融对象失败的金融交易数据总数、目标金融对象下的金融交易数据数量以及目标金融对象每一个异常因素下失败的金融交易数据数量；

S104.对于目标金融对象下的第j个异常因素，计算其交易失败率ER

其中，i表示目标金融对象为受理机构标识码下的第i个金融对象，i取值为不小于1且不大于金融对象总数量的整数，

S105.在j＝1,2,...,k时，重复执行步骤S104，得到目标金融对象下每一个异常因素的交易失败率和失败贡献度；其中k为目标金融对象下的异常因素数目，k为不小于1且不大于12的整数。

所述步骤S2包括：

S201.将目标金融对象的异常因素作为多目标优化的解；

S202.确定各个解之间的支配关系：

对于任意两个解任意两个解x

第一、当|f

(1)m在集合{1,2}中取任意值时，x

f

(2)至少存在一个m∈{1,2}使得x

f

第二、当|f

其中，m＝1时f

所述步骤S4中，解的优先级越高，则认为由该解对应的异常因素引起交易失败的概率越大。

本发明的有益效果是：能够得到有效的异常因素优先级排序，进而获知异常因素中哪个或者哪些因素引起交易失败的概率更大，为快速定位交易失败的原因提供了依据。

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，一种基于多目标优化的金融对象异常因素优先级分析方法，包括以下步骤：

S1.对于已知异常因素的目标金融对象，计算出每一异常因素的交易失败率和失败贡献度；

S2.将目标金融对象的异常因素作为多目标优化的解，根据各个异常因素的交易失败率和失败贡献度确定各个解之间的支配关系；

S3.对于每一个解，按照确定的支配关系，统计该解的支配解数目；

S4.将各个解按照支配解数目的从小到大进行排序，支配解数目越少，优先级越高。

在本申请的实施例中，所述步骤S1中包括：

S101.给定影响金融交易数据质量的多个因素，在本申请的实施例中给定的因素分为卡、通信路线、操作和终端四个方面供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；

其中，以受理机构标识码下的多个对象作为金融对象(由于不同的受理机构标识码对应于不同的受理机构，故受理机构标识码下的多个对象其实就是各个受理机构)，除受理机构标识码外，其余的12个因素作为每一个金融对象的因素；对于目标金融对象，设已知该目标金融对象的异常因素；

S102.获取一定时间内的金融交易数据，将其划分到每一个金融对象下，并在每一个金融对象下按照因素进行划分，得到各个金融对象下每一个因素的金融交易数据；

S103.统计所有金融对象失败的金融交易数据总数、目标金融对象下的金融交易数据数量以及目标金融对象每一个异常因素下失败的金融交易数据数量；

S104.对于目标金融对象下的第j个异常因素，计算其交易失败率ER

其中，i表示目标金融对象为受理机构标识码下的第i个金融对象，i取值为不小于1且不大于金融对象总数量的整数，

S105.在j＝1,2,...,k时，重复执行步骤S104，得到目标金融对象下每一个异常因素的交易失败率和失败贡献度；其中k为目标金融对象下的异常因素数目，k为不小于1且不大于12的整数。

进一步地，所述步骤S2包括：

S201.将目标金融对象的异常因素作为多目标优化的解；

S202.确定各个解之间的支配关系：

对于任意两个解任意两个解x

第一、当|f

(1)m在集合{1,2}中取任意值时，x

f

(2)至少存在一个m∈{1,2}使得x

f

第二、当|f

其中，m＝1时f

所述步骤S4中，解的优先级越高，则认为由该解对应的异常因素引起交易失败的概率越大。

通过本申请获得的优先级排序，能够获知异常因素中哪个或者哪些因素引起交易失败的概率更大，为快速定位交易失败的原因提供了依据，为金融交易数据的分析提供了便利。

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。