CN118247053A - 交易事件识别方法、装置、处理器及电子设备 - Google Patents
交易事件识别方法、装置、处理器及电子设备 Download PDFInfo
- Publication number
- CN118247053A CN118247053A CN202410423647.9A CN202410423647A CN118247053A CN 118247053 A CN118247053 A CN 118247053A CN 202410423647 A CN202410423647 A CN 202410423647A CN 118247053 A CN118247053 A CN 118247053A
- Authority
- CN
- China
- Prior art keywords
- suspicious
- feature
- transaction
- determining
- type
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 230000006399 behavior Effects 0.000 claims description 117
- 230000002159 abnormal effect Effects 0.000 claims description 43
- 238000012545 processing Methods 0.000 claims description 12
- 238000005516 engineering process Methods 0.000 abstract description 6
- 238000004590 computer program Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 238000001514 detection method Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000012546 transfer Methods 0.000 description 5
- 238000000605 extraction Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 206010000117 Abnormal behaviour Diseases 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Landscapes
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本申请公开了一种交易事件识别方法、装置、处理器及电子设备。本申请涉及金融科技技术领域,该方法包括:获取待识别的交易事件所关联的客户行为信息、客户持仓信息、交易行为信息;从客户行为信息中确定出第一可疑特征、从客户持仓信息中确定出第二可疑特征、以及从交易行为信息中确定出第三可疑特征;根据第一可疑特征、第二可疑特征和第三可疑特征的可疑特征组合,确定出交易事件的事件类型。通过本申请,解决了相关技术中交易事件识别的准确性较低的问题。
Description
技术领域
本申请涉及金融科技技术领域,具体而言,涉及一种交易事件识别方法、装置、处理器及电子设备。
背景技术
现有技术中,在识别交易事件时,主要通过人工方式对相关数据进行收集、统计和检测。然而,通过人工方式对交易事件的识别和检测,不仅工作效率低下,更是容易错报漏报,进而导致交易事件的识别准确性较低的技术问题。
针对上述相关技术中存在交易事件的识别准确性较低的问题,目前尚未提出有效的解决方案。
发明内容
本申请的主要目的在于提供一种交易事件识别方法、装置、处理器及电子设备,以解决相关技术中交易事件的处理效率较低的问题。
为了实现上述目的,根据本申请的一个方面,提供了一种交易事件识别方法。该方法包括:获取待识别的交易事件所关联的客户行为信息、客户持仓信息、交易行为信息;从客户行为信息中确定出第一可疑特征、从客户持仓信息中确定出第二可疑特征、以及从交易行为信息中确定出第三可疑特征;根据第一可疑特征、第二可疑特征和第三可疑特征的可疑特征组合,确定出交易事件的事件类型。
为了实现上述目的,根据本申请的另一方面,提供了一种交易事件识别装置。该装置包括:获取单元,用于获取待识别的交易事件所关联的客户行为信息、客户持仓信息、交易行为信息;第一确定单元,用于从客户行为信息中确定出第一可疑特征、从客户持仓信息中确定出第二可疑特征、以及从交易行为信息中确定出第三可疑特征;第二确定单元,用于根据第一可疑特征、第二可疑特征和第三可疑特征的可疑特征组合,确定出交易事件的事件类型。
可选地,在本申请实施例提供的交易事件识别装置中,第二确定单元包括:第一确定模块,用于在可疑特征组合属于目标可疑类型的特征组合的情况下,确定交易事件为目标可疑类型的可疑交易事件;第二确定模块,用于在可疑特征组合不属于目标可疑类型的特征组合的情况下,确定交易事件为正常交易事件。
可选地,在本申请实施例提供的交易事件识别装置中,第一确定模块,用于包括:第一获取子模块,用于获取第一组合类型的多个第一特征组合,其中,第一特征组合为客户行为信息的可疑特征、客户持仓信息的可疑特征、交易行为信息的可疑特征的交集组合,目标可疑类型的特征组合包括多个第一特征组合;第一确定子模块,用于在从多个第一特征组合中确定出与可疑特征组合匹配的、第一可疑类型的第一特征组合的情况下,确定交易事件为第一可疑类型的可疑交易事件,其中,目标可疑类型包括第一可疑类型。
可选地,在本申请实施例提供的交易事件识别装置中,第一确定模块包括:第二获取子模块,用于获取第二组合类型的多个第二特征组合,其中,第二特征组合为客户行为信息的可疑特征、客户持仓信息的可疑特征、交易行为信息的可疑特征的并集组合,目标可疑类型的特征组合包括多个第二特征组合;第二确定子模块,用于在从多个第二特征组合中确定出与可疑特征组合匹配的、第二可疑类型的第二特征组合的情况下,确定交易事件为第二可疑类型的可疑交易事件,其中,目标可疑类型包括第二可疑类型。
可选地,在本申请实施例提供的交易事件识别装置中,第一确定单元包括:第一获取模块,用于从客户行为信息中确定出符合第一预设规则的异常客户行为信息,获取异常客户行为信息匹配的第一可疑特征;第一确定单元包括:第二获取模块,用于从客户持仓信息中确定出符合第二预设规则的异常持仓行为信息,获取异常持仓行为信息匹配的第二可疑特征;第一确定单元包括:第三获取模块,用于从交易行为信息中确定出符合第三预设规则的异常交易行为信息,获取异常交易行为信息匹配的第三可疑特征。
可选地,在本申请实施例提供的交易事件识别装置中,装置还包括:生成模块,用于在确定出交易事件的事件类型之后,根据可疑特征组合和事件类型,生成交易事件的识别报告,并将识别报告发送至业务人员,其中,业务人员根据对识别报告的识别结果,对交易事件进行与识别结果匹配的事件处理。
通过本申请,通过对交易事件所关联的客户行为信息、客户持仓信息、交易行为信息进行可疑特征提取,再根据确定出的第一可疑特征、第二可疑特征和第三可疑特征的可疑特征组合,匹配确定出交易事件的事件类型,进而达到了通过综合更加全面、完整的多个维度上的可疑特征对交易时间进行识别、检测的目的,从而实现了提高交易事件的识别准确性的技术效果。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是根据本申请实施例提供的交易事件识别方法的流程图;
图2是根据本申请实施例提供的交易事件识别装置的示意图;
图3是根据本申请实施例提供的交易事件识别电子设备的示意图。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
需要说明的是,本公开所涉及的相关信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于展示的数据、分析的数据等),均为经用户授权或者经过各方充分授权的信息和数据。例如,本***和相关用户或机构间设置有接口,在获取相关信息之前,需要通过接口向前述的用户或机构发送获取请求,并在接收到前述的用户或机构反馈的同意信息后,获取相关信息。
下面结合优选的实施步骤对本发明进行说明,图1是根据本申请实施例提供的交易事件识别方法的流程图,如图1所示,该方法包括如下步骤:
步骤S101,获取待识别的交易事件所关联的客户行为信息、客户持仓信息、交易行为信息;
步骤S102,从客户行为信息中确定出第一可疑特征、从客户持仓信息中确定出第二可疑特征、以及从交易行为信息中确定出第三可疑特征;
步骤S103,根据第一可疑特征、第二可疑特征和第三可疑特征的可疑特征组合,确定出交易事件的事件类型。
可选地,在本实施例中,上述交易事件识别方法可以但不限于应用在异常交易事件的检测识别场景。在该场景下,一方面,各基金公司对于交易事件的是否异常的检测缺少完善统一的标准,导致在对交易事件进行检测、分析并报送的过程中出现漏报和错报的情形;另一方面,在识别一项交易事件是否异常时,主要通过人工方式对相关数据进行收集、统计和检测,不仅工作效率低下,更是容易错报漏报,因而导致交易事件的识别准确性较低的技术问题。
对于上述交易事件的识别准确性较低的问题,利用本实施例提供的上述交易事件识别方法,通过对交易事件所关联的客户行为信息、客户持仓信息、交易行为信息进行可疑特征提取,再根据确定出的第一可疑特征、第二可疑特征和第三可疑特征的可疑特征组合,匹配确定出交易事件的事件类型,进而达到了通过综合更加全面、完整的多个维度上的可疑特征对交易时间进行识别、检测的目的,从而实现了提高交易事件的识别准确性的技术效果。
可选地,在本实施例中,获取待识别的交易事件所关联的客户行为信息、客户持仓信息、交易行为信息,可以但不限于从大数据平台获取业务交易数据(包括客户及交易数据,例如自然人要素信息、非自然人要素信息、基金账户信息、交易账户信息、交易详情信息),并从中确定出交易事件所关联的客户行为信息(例如客户是否存在短期大量交易行为)、客户持仓信息(例如客户年龄与资产是否匹配)、交易行为信息(例如交易信息是否存在关联关系的多名客户短期进行多笔大额交易情况)。
可选地,在本实施例中,待识别的交易事件可以但不限于为正常类型的正常交易事件,还可以但不限于为异常类型的可疑交易事件,其中,异常类型可以但不限于为异常的、不正当的资源转移类型,可以但不限于为某一种确定的目标可疑类型,例如指示通过虚假陈述、隐瞒事实或其他不诚实手段,企图获取他人财物或利益事件的第一目标可疑类型、指示参与者为了赢得奖励而下注资金或其他有价物品事件的第二目标可疑类型、指示涉及未经许可的筹集资金行为的第三目标可疑类型。
需要说明的是,上述待识别的交易事件可以但不限于为资源转移事件,例如基金转移、货币贸易等事件。
可以理解的是,利用上述交易事件识别方法,以准确、高效地识别出交易事件的事件类型,进而达到及时、准确地挖掘出潜在可疑的异常、不正当的资源转移行为,为相关领域的资源转移行为的检测、报送提高科学的依据。
可选地,在本实施例中,从客户行为信息中确定出第一可疑特征,可以但不限于包括从客户行为信息中确定出符合第一预设规则的异常客户行为信息,再获取异常客户行为信息匹配的第一可疑特征。
可选地,在本实施例中,从客户持仓信息中确定出第二可疑特征可以但不限于包括:从客户持仓信息中确定出符合第二预设规则的异常持仓行为信息,再获取异常持仓行为信息匹配的第二可疑特征。
可选地,在本实施例中,从交易行为信息中确定出第三可疑特征可以但不限于包括:从交易行为信息中确定出符合第三预设规则的异常交易行为信息,获取异常交易行为信息匹配的第三可疑特征。
需要说明的是,根据第一可疑特征、第二可疑特征和第三可疑特征的可疑特征组合,确定出交易事件的事件类型,包括确定出交易事件为正常交易事件还是异常交易事件,以及若为异常交易事件,具体是哪一种异常类型。
通过本申请提供的实施例,通过对交易事件所关联的客户行为信息、客户持仓信息、交易行为信息进行可疑特征提取,再根据确定出的第一可疑特征、第二可疑特征和第三可疑特征的可疑特征组合,匹配确定出交易事件的事件类型,进而达到了通过综合更加全面、完整的多个维度上的可疑特征对交易时间进行识别、检测的目的,从而实现了提高交易事件的识别准确性的技术效果。
作为一种可选的方案,根据第一可疑特征、第二可疑特征和第三可疑特征的可疑特征组合,确定出交易事件的事件类型包括:
S1,在可疑特征组合属于目标可疑类型的特征组合的情况下,确定交易事件为目标可疑类型的可疑交易事件;
S2,在可疑特征组合不属于目标可疑类型的特征组合的情况下,确定交易事件为正常交易事件。
可选地,在本实施例中,在根据第一可疑特征、第二可疑特征和第三可疑特征的可疑特征组合,确定出交易事件的事件类型之前,方法还包括:预先构建多个可疑类型的特征组合,其中,每一个目标可疑类型对应一个或多个可疑类型的特征组合。
进一步举例说明,上述第一目标可疑类型的可疑交易事件(通过虚假陈述、隐瞒事实或其他不诚实手段,企图获取他人财物或利益事件)对应可疑特征A且可疑特征B且可疑特征C的组合,上述第二目标可疑类型的可疑交易事件(参与者为了赢得奖励而下注资金或其他有价物品事件)对应可疑特征D或(可疑特征A且可疑特征E)。
因此,在由上述第一可疑特征、第二可疑特征和第三可疑特征组成的可疑特征组合为可疑A且可疑特征B且可疑特征C的情况下,确定交易事件的事件类型为第一目标可疑类型。
需要说明的是,上述基于客户行为信息、客户持仓信息和交易行为信息中确定出可疑特征的过程中,若某种或多个信息不存在可疑特征的情况下,则相应的可疑特征为空。
因此,在上述第一可疑特征为可疑特征A、第二可疑特征为空、第三可疑特征为可疑特征E的情况下,确定可疑特征组合为可疑特征A且可疑特征E,进而确定交易事件的事件类型为第二目标可疑类型。
通过本申请提供的实施例,根据第一可疑特征、第二可疑特征和第三可疑特征的可疑特征组合,确定出交易事件的事件类型,包括确定出交易事件为正常交易事件还是异常交易事件,以及若为异常交易事件,具体是哪一种异常类型。进而达到了通过综合更加全面、完整的多个维度上的可疑特征对交易时间进行识别、检测的目的,从而实现了提高交易事件的识别准确性的技术效果。
作为一种可选的方案,在可疑特征组合属于目标可疑类型的特征组合的情况下,确定交易事件为目标可疑类型的可疑交易事件包括:
S1,获取第一组合类型的多个第一特征组合,其中,第一特征组合为客户行为信息的可疑特征、客户持仓信息的可疑特征、交易行为信息的可疑特征的交集组合,目标可疑类型的特征组合包括多个第一特征组合;
S2,在从多个第一特征组合中确定出与可疑特征组合匹配的、第一可疑类型的第一特征组合的情况下,确定交易事件为第一可疑类型的可疑交易事件,其中,目标可疑类型包括第一可疑类型。
可选地,在本实施例中,第一组合类型可以但不限于用于指示第一特征组合为一个可疑特征或多个可疑特征组合的交集组合,其中,一个可疑特征或多个可疑特征包括以下至少之一:客户行为信息的可疑特征、客户持仓信息的可疑特征、交易行为信息的可疑特征。
进一步举例说明,上述第一目标可疑类型的可疑交易事件(通过虚假陈述、隐瞒事实或其他不诚实手段,企图获取他人财物或利益事件)对应可疑特征A且可疑特征B且可疑特征C的第一特征组合,还对应可疑特征A且可疑特征B且可疑特征D的第一特征组合,以及对应其他可疑特征的交集组合(即且的形式的组合)。
需要说明的是,每一种确定的第一特征组合对应一个确定的可疑类型,每一个确定的可疑类型对应一种或多种确定的第一特征组合。因此,根据已知的第一可疑特征、第二可疑特征和第三可疑特征的可疑特征组合,进行匹配,在匹配成功的情况下,将对应的可疑类型确定为交易事件的事件类型(即目标可疑类型)。
作为一种可选的方案,在可疑特征组合属于目标可疑类型的特征组合的情况下,确定交易事件为目标可疑类型的可疑交易事件包括:
S1,获取第二组合类型的多个第二特征组合,其中,第二特征组合为客户行为信息的可疑特征、客户持仓信息的可疑特征、交易行为信息的可疑特征的并集组合,目标可疑类型的特征组合包括多个第二特征组合;
S2,在从多个第二特征组合中确定出与可疑特征组合匹配的、第二可疑类型的第二特征组合的情况下,确定交易事件为第二可疑类型的可疑交易事件,其中,目标可疑类型包括第二可疑类型。
可选地,在本实施例中,第二组合类型可以但不限于用于指示第二特征组合为一个可疑特征或多个可疑特征组合的并集组合,其中,一个可疑特征或多个可疑特征包括以下至少之一:客户行为信息的可疑特征、客户持仓信息的可疑特征、交易行为信息的可疑特征。
进一步举例说明,上述第二目标可疑类型的可疑交易事件(参与者为了赢得奖励而下注资金或其他有价物品事件)对应可疑特征D或可疑特征G或可疑特征F的第一特征组合,还对应(可疑特征A且可疑特征E)或(可疑特征A且可疑特征B)的第二特征组合,以及对应其他可疑特征的并集组合(即或的形式的组合)。
需要说明的是,每一种确定的第二特征组合对应一个确定的可疑类型,每一个确定的可疑类型对应一种或多种确定的第二特征组合。因此,根据已知的第一可疑特征、第二可疑特征和第三可疑特征的可疑特征组合,进行匹配,在匹配成功的情况下,将对应的可疑类型确定为交易事件的事件类型(即目标可疑类型)。
作为一种可选的方案,所述从所述客户行为信息中确定出第一可疑特征包括:
S1,从所述客户行为信息中确定出符合第一预设规则的异常客户行为信息,获取所述异常客户行为信息匹配的所述第一可疑特征;
所述从所述客户持仓信息中确定出第二可疑特征包括:
S2,从所述客户持仓信息中确定出符合第二预设规则的异常持仓行为信息,获取所述异常持仓行为信息匹配的所述第二可疑特征;
所述从所述交易行为信息中确定出第三可疑特征包括:
S3,从所述交易行为信息中确定出符合第三预设规则的异常交易行为信息,获取所述异常交易行为信息匹配的所述第三可疑特征。
可选地,在本实施例中,在客户开户后若干工作日内完成一定量的交易额后进行了销户的情况下,确定符合上述第一预设规则,并且该情况下对应可疑特征M001。
需要说明的是,上述第一预设规则还可以但不限于包括客户与特定可疑名单匹配(对应可疑特征M002)、客户短期内频繁变更绑定的银行账户或其他账户(对应可疑特征M003)……
需要说明的是,上述第一预设规则可以但不限于根据实际需要进行个性化设置,本申请对此不作具体限制,且上述可疑特征的编号方式仅作示例。
可选地,在本实施例中,在客户持有资源规模与客户职业不匹配的情况下,确定符合上述第二预设规则,并且该情况下对应可疑特征N001。
需要说明的是,上述第二预设规则还可以但不限于包括客户年龄与资源规模不匹配(对应可疑特征N002)……
需要说明的是,上述第二预设规则可以但不限于根据实际需要进行个性化设置,本申请对此不作具体限制,且上述可疑特征的编号方式仅作示例。
可选地,在本实施例中,在交易信息存在关联关系的多名客户进行多笔大额交易的情况下,确定符合上述第三预设规则,并且该情况下对应可疑特征P001。
需要说明的是,上述第二预设规则还可以但不限于包括交易信息存在特定风险因素(对应可疑特征P002)……
需要说明的是,上述第三预设规则可以但不限于根据实际需要进行个性化设置,本申请对此不作具体限制,且上述可疑特征的编号方式仅作示例。
作为一种可选的方案,在确定出交易事件的事件类型之后,方法还包括:
S1,根据可疑特征组合和事件类型,生成交易事件的识别报告,并将识别报告发送至业务人员,其中,业务人员根据对识别报告的识别结果,对交易事件进行与识别结果匹配的事件处理。
可选地,在本实施例中,根据可疑特征组合和事件类型,生成交易事件的识别报告,并将识别报告发送至业务人员,其中,业务人员根据对识别报告的识别结果,对交易事件进行与识别结果匹配的事件处理,例如对交易事件的客户进行交易管控、风险提醒、以及向相关部分进行信息报送等处理。
作为一种可选的方案,将上述交易事件识别方法应用在一种检测异常行为的特征规则的模型构建场景下,从大数据平台获取业务交易数据,并从业务交易数据中进行客户行为信息、客户持仓信息和交易行为信息的检测,以得到相关可疑特征及对应的模型编号,一种可选的规则如表1所示。
表1
根据客户的可疑特征规则命中的结果,对客户进行模型匹配,确定交易事件的异常类型,如表2所示。确定可疑模型后可对剩下的命中特征规则进行重新组合并生成独立的报告由业务人员识别,避免漏报。
表2
需要说明的是,上述表1和表2所示内容仅为实例,本申请并不限制具体的可疑特征规则匹配方式和模型规则匹配方式,也不限制其他的上述示例性的三种可疑目标类型之外的更多可疑目标类型。可根据不同地域、客户源等实际情况灵活配置指标,设置参数、阈值,通过测试验证有效性,并不断进行调试,完善模型质量。
通过本申请提供的实施例,制定了一套通用的可疑交易规则模型,丰富了可疑检测标准的规则,提高了可疑检测标准的有效性。自动组合可疑模型极大的减少了相关业务人员的工作量,为监管报送提供了科学的依据。
需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机***中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
本申请实施例还提供了一种交易事件识别装置,需要说明的是,本申请实施例的交易事件识别装置可以用于执行本申请实施例所提供的用于交易事件识别方法。以下对本申请实施例提供的交易事件识别装置进行介绍。
图2是根据本申请实施例的交易事件识别装置的示意图。如图2所示,该装置包括:
获取单元201,用于获取待识别的交易事件所关联的客户行为信息、客户持仓信息、交易行为信息;
第一确定单元202,用于从客户行为信息中确定出第一可疑特征、从客户持仓信息中确定出第二可疑特征、以及从交易行为信息中确定出第三可疑特征;
第二确定单元203,用于根据第一可疑特征、第二可疑特征和第三可疑特征的可疑特征组合,确定出交易事件的事件类型。
可选地,在本申请实施例提供的交易事件识别装置中,上述第二确定单元203包括:
第一确定模块,用于在可疑特征组合属于目标可疑类型的特征组合的情况下,确定交易事件为目标可疑类型的可疑交易事件;
第二确定模块,用于在可疑特征组合不属于目标可疑类型的特征组合的情况下,确定交易事件为正常交易事件。
可选地,在本申请实施例提供的交易事件识别装置中,上述第一确定模块,用于包括:
第一获取子模块,用于获取第一组合类型的多个第一特征组合,其中,第一特征组合为客户行为信息的可疑特征、客户持仓信息的可疑特征、交易行为信息的可疑特征的交集组合,目标可疑类型的特征组合包括多个第一特征组合;
第一确定子模块,用于在从多个第一特征组合中确定出与可疑特征组合匹配的、第一可疑类型的第一特征组合的情况下,确定交易事件为第一可疑类型的可疑交易事件,其中,目标可疑类型包括第一可疑类型。
可选地,在本申请实施例提供的交易事件识别装置中,上述第一确定模块包括:
第二获取子模块,用于获取第二组合类型的多个第二特征组合,其中,第二特征组合为客户行为信息的可疑特征、客户持仓信息的可疑特征、交易行为信息的可疑特征的并集组合,目标可疑类型的特征组合包括多个第二特征组合;
第二确定子模块,用于在从多个第二特征组合中确定出与可疑特征组合匹配的、第二可疑类型的第二特征组合的情况下,确定交易事件为第二可疑类型的可疑交易事件,其中,目标可疑类型包括第二可疑类型。
可选地,在本申请实施例提供的交易事件识别装置中,上述第一确定单元202包括:
第一获取模块,用于从客户行为信息中确定出符合第一预设规则的异常客户行为信息,获取异常客户行为信息匹配的第一可疑特征;
上述第一确定单元202包括:
第二获取模块,用于从客户持仓信息中确定出符合第二预设规则的异常持仓行为信息,获取异常持仓行为信息匹配的第二可疑特征;
上述第一确定单元202包括:
第三获取模块,用于从交易行为信息中确定出符合第三预设规则的异常交易行为信息,获取异常交易行为信息匹配的第三可疑特征。
可选地,在本申请实施例提供的交易事件识别装置中,上述装置还包括:
生成模块,用于在确定出交易事件的事件类型之后,根据可疑特征组合和事件类型,生成交易事件的识别报告,并将识别报告发送至业务人员,其中,业务人员根据对识别报告的识别结果,对交易事件进行与识别结果匹配的事件处理。
本申请实施例提供的交易事件识别装置,通过对交易事件所关联的客户行为信息、客户持仓信息、交易行为信息进行可疑特征提取,再根据确定出的第一可疑特征、第二可疑特征和第三可疑特征的可疑特征组合,匹配确定出交易事件的事件类型,进而达到了通过综合更加全面、完整的多个维度上的可疑特征对交易时间进行识别、检测的目的,从而实现了提高交易事件的识别准确性的技术效果。
所述交易事件识别装置包括处理器和存储器,上述获取单元、第一确定单元、第二确定单元等均作为程序单元存储在存储器中,由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核,由内核去存储器中调取相应的程序单元。内核可以设置一个或以上,通过调整内核参数来训练或优化模型,从而提高交易事件识别的准确性和效率。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。
本发明实施例提供了一种计算机可读存储介质,其上存储有程序,该程序被处理器执行时实现上述交易事件识别方法。
本发明实施例提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行上述交易事件识别方法。
如图3所示,本发明实施例提供了一种电子设备,设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序,处理器执行程序时实现以下步骤:
获取待识别的交易事件所关联的客户行为信息、客户持仓信息、交易行为信息;
从客户行为信息中确定出第一可疑特征、从客户持仓信息中确定出第二可疑特征、以及从交易行为信息中确定出第三可疑特征;
根据第一可疑特征、第二可疑特征和第三可疑特征的可疑特征组合,确定出交易事件的事件类型。
本文中的设备可以是服务器、PC、PAD、手机等。
本申请还提供了一种计算机程序产品,当在数据处理设备上执行时,适于执行初始化有如下方法步骤的程序:
获取待识别的交易事件所关联的客户行为信息、客户持仓信息、交易行为信息;
从客户行为信息中确定出第一可疑特征、从客户持仓信息中确定出第二可疑特征、以及从交易行为信息中确定出第三可疑特征;
根据第一可疑特征、第二可疑特征和第三可疑特征的可疑特征组合,确定出交易事件的事件类型。
本领域内的技术人员应明白,本申请的实施例可提供为方法、***、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带、磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、***或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种交易事件识别方法,其特征在于,包括:
获取待识别的交易事件所关联的客户行为信息、客户持仓信息、交易行为信息;
从所述客户行为信息中确定出第一可疑特征、从所述客户持仓信息中确定出第二可疑特征、以及从所述交易行为信息中确定出第三可疑特征;
根据所述第一可疑特征、所述第二可疑特征和所述第三可疑特征的可疑特征组合,确定出所述交易事件的事件类型。
2.根据权利要求1所述的方法,其特征在于,所述根据所述第一可疑特征、所述第二可疑特征和所述第三可疑特征的可疑特征组合,确定出所述交易事件的事件类型包括:
在所述可疑特征组合属于目标可疑类型的特征组合的情况下,确定所述交易事件为所述目标可疑类型的可疑交易事件;
在所述可疑特征组合不属于所述目标可疑类型的特征组合的情况下,确定所述交易事件为正常交易事件。
3.根据权利要求2所述的方法,其特征在于,所述在所述可疑特征组合属于目标可疑类型的特征组合的情况下,确定所述交易事件为所述目标可疑类型的可疑交易事件包括:
获取第一组合类型的多个第一特征组合,其中,所述第一特征组合为所述客户行为信息的可疑特征、所述客户持仓信息的可疑特征、所述交易行为信息的可疑特征的交集组合,所述目标可疑类型的特征组合包括所述多个第一特征组合;
在从所述多个第一特征组合中确定出与所述可疑特征组合匹配的、第一可疑类型的所述第一特征组合的情况下,确定所述交易事件为所述第一可疑类型的可疑交易事件,其中,所述目标可疑类型包括所述第一可疑类型。
4.根据权利要求2所述的方法,其特征在于,所述在所述可疑特征组合属于目标可疑类型的特征组合的情况下,确定所述交易事件为所述目标可疑类型的可疑交易事件包括:
获取第二组合类型的多个第二特征组合,其中,所述第二特征组合为所述客户行为信息的可疑特征、所述客户持仓信息的可疑特征、所述交易行为信息的可疑特征的并集组合,所述目标可疑类型的特征组合包括所述多个第二特征组合;
在从所述多个第二特征组合中确定出与所述可疑特征组合匹配的、第二可疑类型的所述第二特征组合的情况下,确定所述交易事件为所述第二可疑类型的可疑交易事件,其中,所述目标可疑类型包括所述第二可疑类型。
5.根据权利要求1至4任一项所述的方法,其特征在于,
所述从所述客户行为信息中确定出第一可疑特征包括:
从所述客户行为信息中确定出符合第一预设规则的异常客户行为信息,获取所述异常客户行为信息匹配的所述第一可疑特征;
所述从所述客户持仓信息中确定出第二可疑特征包括:
从所述客户持仓信息中确定出符合第二预设规则的异常持仓行为信息,获取所述异常持仓行为信息匹配的所述第二可疑特征;
所述从所述交易行为信息中确定出第三可疑特征包括:
从所述交易行为信息中确定出符合第三预设规则的异常交易行为信息,获取所述异常交易行为信息匹配的所述第三可疑特征。
6.根据权利要求1至4任一项所述的方法,其特征在于,在所述确定出所述交易事件的事件类型之后,所述方法还包括:
根据所述可疑特征组合和所述事件类型,生成所述交易事件的识别报告,并将所述识别报告发送至业务人员,其中,所述业务人员根据对所述识别报告的识别结果,对所述交易事件进行与所述识别结果匹配的事件处理。
7.一种交易事件识别装置,其特征在于,包括:
获取单元,用于获取待识别的交易事件所关联的客户行为信息、客户持仓信息、交易行为信息;
第一确定单元,用于从所述客户行为信息中确定出第一可疑特征、从所述客户持仓信息中确定出第二可疑特征、以及从所述交易行为信息中确定出第三可疑特征;
第二确定单元,用于根据所述第一可疑特征、所述第二可疑特征和所述第三可疑特征的可疑特征组合,确定出所述交易事件的事件类型。
8.根据权利要求7所述的装置,其特征在于,所述第二确定单元包括:
第一确定模块,用于在所述可疑特征组合属于目标可疑类型的特征组合的情况下,确定所述交易事件为所述目标可疑类型的可疑交易事件;
第二确定模块,用于在所述可疑特征组合不属于所述目标可疑类型的特征组合的情况下,确定所述交易事件为正常交易事件。
9.一种处理器,其特征在于,所述处理器用于运行程序,其中,所述程序运行时执行权利要求1至6中任意一项所述的方法。
10.一种电子设备,其特征在于,包括一个或多个处理器和存储器,所述存储器用于存储一个或多个程序,其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现权利要求1至6中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410423647.9A CN118247053A (zh) | 2024-04-09 | 2024-04-09 | 交易事件识别方法、装置、处理器及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410423647.9A CN118247053A (zh) | 2024-04-09 | 2024-04-09 | 交易事件识别方法、装置、处理器及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118247053A true CN118247053A (zh) | 2024-06-25 |
Family
ID=91554393
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410423647.9A Pending CN118247053A (zh) | 2024-04-09 | 2024-04-09 | 交易事件识别方法、装置、处理器及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118247053A (zh) |
-
2024
- 2024-04-09 CN CN202410423647.9A patent/CN118247053A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8751375B2 (en) | Event processing for detection of suspicious financial activity | |
CN111178219A (zh) | 票据识别管理方法、装置、存储介质及电子设备 | |
CN111967779A (zh) | 一种风险评估方法、装置及设备 | |
CN111144697A (zh) | 数据处理方法、装置、存储介质及电子设备 | |
CN113205402A (zh) | 对账方法、装置、电子设备及计算机可读介质 | |
KR102618473B1 (ko) | 로봇 저널리즘을 이용한 암호 화폐의 분석 뉴스 콘텐츠 서비스 시스템과 그 서비스 방법 | |
CN114840527A (zh) | 数据处理方法、装置及计算机可读存储介质 | |
Owda et al. | Financial discussion boards irregularities detection system (fdbs-ids) using information extraction | |
CN109191101B (zh) | 一种保障客户资产安全的方法、装置及设备 | |
CN116662387A (zh) | 业务数据处理方法、装置、设备及存储介质 | |
CN113034275A (zh) | 一种基于区块链网络的管理***、方法及终端设备 | |
CN116188020A (zh) | 异常账户识别方法、装置以及存储介质 | |
CN118247053A (zh) | 交易事件识别方法、装置、处理器及电子设备 | |
CN107133864B (zh) | 一种基于大数据的集团员工挂账审计方法及装置 | |
CN114187116A (zh) | 用于管理账户信息的方法和装置 | |
US11647048B2 (en) | Real-time feedback service for resource access rule configuration | |
CN114596681B (zh) | 一种循环机异常处理方法和装置 | |
KR20210103523A (ko) | 암호화폐 트랜잭션들을 위한 이익 및 손실 계산 | |
CN117113965A (zh) | 一种交易文件的比对方法、装置、设备及存储介质 | |
CN113962803A (zh) | 金融业务数据的处理方法及装置、存储介质和电子设备 | |
CN116362881A (zh) | 基于客户维度的交易回溯方法、装置、设备及存储介质 | |
CN116720094A (zh) | 客户信息的聚类方法、装置、处理器及电子设备 | |
CN117350839A (zh) | 账目的核对方法、装置、存储介质以及电子设备 | |
CN114328271A (zh) | 测试方法、装置、设备及存储介质 | |
CN116385175A (zh) | 金融产品的推荐方法、装置、处理器以及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination |