金融卡业务的风险分析方法、装置及电子设备与流程

1.本技术属于金融技术领域，具体涉及一种金融卡业务的风险分析方法、装置及电子设备。


背景技术：

2.金融卡是指经批准由金融机构向社会发行的具有消费信用、转账结算以及存取消费资源等全部或部分功能的信用支付工具。随着金融卡的使用和推广，人们的日常生活已与金融卡业务紧密联系在一起，而且金融卡本身是一种高利润高回报的金融产品，使得金融卡业务逐渐成为金融机构最为盈利的业务之一。
3.但是，随着发卡机构、特约商户和持卡人的增多，在金融卡业务给金融机构带来高利润的同时，金融卡业务也给金融机构带来越来越大的风险，随时可能给金融机构造成巨大的损失。因此，如何对金融卡业务的风险进行分析，进而降低金融机构因金融卡业务造成的损失，成为亟需解决的问题。


技术实现要素：

4.本技术实施例的目的是提供一种金融卡业务的风险分析方法、装置和电子设备，能够对金融卡业务的风险进行分析，进而降低金融机构因金融卡业务造成的损失。
5.第一方面，本技术实施例提供了一种金融卡业务的风险分析方法，包括：
6.获取n个风险指标类下的风险交易数据，所述n个风险指标类包括欺诈风险、信用风险、合规风险及清算风险中的至少两项，所述风险交易数据为被评估为存在风险的交易数据；
7.基于所述n个风险指标类下的风险交易数据，确定各所述风险指标类的风险评分；
8.基于所述n个风险指标类的风险评分以及各所述风险指标类所对应的第一权重，确定所述金融卡业务的风险评分。
9.在一些实施方式中，各所述风险指标类包括至少两个风险指标，且所述风险指标类下的风险交易数据为其对应的至少两个风险指标下的风险交易数据；
10.所述基于所述n个风险指标类下的风险交易数据，确定各所述风险指标类的风险评分，包括：
11.基于目标风险指标类中各风险指标下的风险交易数据，获取所述目标风险指标类中各风险指标的第一风险评分，其中，所述目标风险指标类为所述n个风险指标类中的任一风险指标类；
12.基于所述目标风险指标类中各风险指标的第一风险评分以及各所述风险指标所对应的第二权重，确定所述目标风险指标类的风险评分。
13.在一些实施方式中，所述n个风险指标类下的风险交易数据为与至少两个金融机构关联的风险交易数据；
14.所述获取n个风险指标类下的风险交易数据之后，还包括：
15.基于与目标金融机构关联的风险交易数据，确定所述目标金融机构下所述目标风险指标类中的风险因子，所述风险因子为所述目标风险指标类中满足预设风险条件的风险指标；
16.基于所述目标金融机构下所述目标风险指标类中的风险因子，生成所述目标金融机构的归因分析报告，所述归因分析报告用于基于所述风险因子反映所述目标金融机构的金融卡业务的风险原因；
17.将所述目标金融机构的归因分析报告，发送至所述目标金融机构。
18.在一些实施方式中，所述基于与目标金融机构关联的风险交易数据，确定所述目标金融机构下所述目标风险指标类中的风险因子，包括：
19.基于与目标金融机构关联的风险交易数据，确定所述目标金融机构下所述目标风险指标类中各风险指标的第二风险评分；
20.将各风险指标的第二风险评分与所述风险指标的行业风险评分进行比较，所述行业风险评分为：所述风险指标在所述至少两个金融机构下的风险评分的平均分；
21.在目标风险指标的第二风险评分大于或者等于对应的行业风险评分的情况下，确定所述目标风险指标为风险因子，其中，所述目标风险指标为所述目标风险指标类中的任一风险指标。
22.在一些实施方式中，所述基于所述目标金融机构下所述目标风险指标类中的风险因子，生成所述目标金融机构的归因分析报告，包括：
23.对各所述风险因子的风险交易数据，从多个下钻维度进行统计分析，生成所述目标金融机构的归因分析报告，其中，各所述下钻维度为所述风险交易数据中的数据项；所述归因分析报告还用于从各所述风险因子中的下钻维度，反映所述目标金融机构的金融卡业务的风险原因；
24.所述将所述目标金融机构的归因分析报告，发送至所述目标金融机构，包括：
25.在各所述风险因子的风险交易数据，确定在至少一个所述下钻维度下满足预设条件的第一风险交易数据；
26.将所述目标金融机构的归因分析报告以及各所述第一风险交易数据，发送至所述目标金融机构。
27.在一些实施方式中，所述将所述目标金融机构的归因分析报告发送至所述目标金融机构之前，还包括：
28.获取与各所述风险因子的风险交易数据关联的风险金融卡的卡信息；
29.所述将所述目标金融机构的归因分析报告发送至所述目标金融机构，包括：
30.将所述目标金融机构的归因分析报告以及各所述风险金融卡的卡信息，发送至所述目标金融机构。
31.在一些实施方式中，所述获取与各所述风险因子的风险交易数据关联的风险金融卡的卡信息，包括：
32.将各所述风险因子的风险交易数据输入至关联传播模型中，由所述关联传播模型确定与各所述风险因子的风险交易数据关联的风险金融卡；
33.获取与各所述风险因子的风险交易数据关联的风险金融卡的卡信息。
34.在一些实施方式中，所述将所述目标金融机构的归因分析报告以及各所述风险金
融卡的卡信息，发送至所述目标金融机构之后，还包括：
35.接收所述目标金融机构发送的调查反馈结果，所述调查反馈结果为所述目标金融机构针对各所述风险金融卡的风险真实性进行调查得到的结果；
36.基于接收到的调查反馈结果，对所述关联传播模型进行更新。
37.在一些实施方式中，所述获取与各所述风险因子的风险交易数据关联的风险金融卡的卡信息，包括：
38.在各所述风险因子下的风险交易数据中，确定在至少两个维度上满足预设条件的第二风险交易数据；
39.获取与确定的第二风险交易数据关联的风险金融卡的卡信息。
40.在一些实施方式中，所述基于所述n个风险指标类的风险评分以及各所述风险指标类所对应的第一权重之前，还包括：
41.基于所述n个风险指标类的风险评分，对所述n个风险指标类进行因子分析，得到所述n个风险指标类的权重；
42.获取所述n个风险指标类中各风险指标类的风险态势因子，所述风险态势因子用于表征其对应的风险指标类在金融行业中的风险态势；
43.基于所述n个风险指标类中各风险指标类的权重和对应的风险态势因子，对所述n个风险指标类的权重进行更新，得到所述n个风险指标类的第一权重。
44.在一些实施方式中，所述获取所述n个风险指标类中各风险指标类的风险态势因子，包括：
45.获取所述n个风险指标类中各风险指标类的风险态势得分，所述风险态势得分包括舆情风险得分和异动风险得分中的至少一项；
46.基于各所述风险指标类的风险态势得分，确定各所述风险指标类的风险态势因子。
47.在一些实施方式中，所述风险态势得分包括舆情风险得分；
48.所述获取所述n个风险指标类中各风险指标类的风险态势得分，包括：
49.通过数据爬虫对金融行业的风险相关文本进行爬取，并生成包括爬取的风险相关文本的数据库；
50.对所述数据库中的各文本进行分词，并统计分词后得到的词汇中各所述风险指标类所对应的风险词汇的出现频次；
51.根据所述分词中各所述风险指标类所对应的风险词汇的出现频次，对各所述风险指标类进行评分，得到各所述风险指标类的舆情风险得分。
52.在一些实施方式中，所述风险态势得分包括异动风险得分；
53.所述获取所述n个风险指标类中各风险指标类的风险态势得分，包括：
54.在预设周期内，对所述n个风险指标类中各风险指标类进行异动分析，生成异动分析报告；
55.基于所述异动分析报告中各所述风险指标类的异动程度，生成各所述风险指标类的异动风险得分。
56.第二方面，本技术还提供一种金融卡业务的风险分析装置，包括：
57.交易数据获取模块，用于获取n个风险指标类下的风险交易数据，所述n个风险指
标类包括欺诈风险、信用风险、合规风险及清算风险中的至少两项，所述风险交易数据为被评估为存在风险的交易数据；
58.指标类风险评分确定模块，用于基于所述n个风险指标类下的风险交易数据，确定各所述风险指标类的风险评分；
59.业务风险评分确定模块，用于基于所述n个风险指标类的风险评分以及各所述风险指标类所对应的第一权重，确定所述金融卡业务的风险评分。
60.在一些实施方式中，各所述风险指标类包括至少两个风险指标，且所述风险指标类下的风险交易数据为其对应的至少两个风险指标下的风险交易数据；
61.所述指标类风险评分确定模块，包括：
62.第一风险评分获取单元，用于基于目标风险指标类中各风险指标下的风险交易数据，获取所述目标风险指标类中各风险指标的第一风险评分，其中，所述目标风险指标类为所述n个风险指标类中的任一风险指标类；
63.指标类风险评分确定单元，用于基于所述目标风险指标类中各风险指标的第一风险评分以及各所述风险指标所对应的第二权重，确定所述目标风险指标类的风险评分。
64.在一些实施方式中，所述n个风险指标类下的风险交易数据为与至少两个金融机构关联的风险交易数据；
65.所述装置，还包括：
66.风险因子确定模块，用于基于与目标金融机构关联的风险交易数据，确定所述目标金融机构下所述目标风险指标类中的风险因子，所述风险因子为所述目标风险指标类中满足预设风险条件的风险指标；
67.分析报告生成模块，用于基于所述目标金融机构下所述目标风险指标类中的风险因子，生成所述目标金融机构的归因分析报告，所述归因分析报告用于基于所述风险因子反映所述目标金融机构的金融卡业务的风险原因；
68.发送模块，用于将所述目标金融机构的归因分析报告，发送至所述目标金融机构。
69.在一些实施方式中，所述风险因子确定模块，包括：
70.第二风险评分确定单元，用于基于与目标金融机构关联的风险交易数据，确定所述目标金融机构下所述目标风险指标类中各风险指标的第二风险评分；
71.比较单元，用于将各风险指标的第二风险评分与所述风险指标的行业风险评分进行比较，所述行业风险评分为：所述风险指标在所述至少两个金融机构下的风险评分的平均分；
72.风险因子确定单元，用于在目标风险指标的第二风险评分大于或者等于对应的行业风险评分的情况下，确定所述目标风险指标为风险因子，其中，所述目标风险指标为所述目标风险指标类中的任一风险指标。
73.在一些实施方式中，所述分析报告生成模块，具体用于：
74.对各所述风险因子的风险交易数据，从多个下钻维度进行统计分析，生成所述目标金融机构的归因分析报告，其中，各所述下钻维度为所述风险交易数据中的数据项；所述归因分析报告还用于从各所述风险因子中的下钻维度，反映所述目标金融机构的金融卡业务的风险原因；
75.所述发送模块，包括：
76.第一风险交易数据确定单元，用于在各所述风险因子的风险交易数据，确定在至少一个所述下钻维度下满足预设条件的第一风险交易数据；
77.发送单元，用于将所述目标金融机构的归因分析报告以及各所述第一风险交易数据，发送至所述目标金融机构。
78.在一些实施方式中，还包括：
79.卡信息获取模块，用于获取与各所述风险因子的风险交易数据关联的风险金融卡的卡信息；
80.所述发送模块，具体用于：
81.将所述目标金融机构的归因分析报告以及各所述风险金融卡的卡信息，发送至所述目标金融机构。
82.在一些实施方式中，所述卡信息获取模块，包括：
83.关联传播单元，用于将各所述风险因子的风险交易数据输入至关联传播模型中，由所述关联传播模型确定与各所述风险因子的风险交易数据关联的风险金融卡；
84.卡信息获取单元，用于获取与各所述风险因子的风险交易数据关联的风险金融卡的卡信息。
85.在一些实施方式中，还包括：
86.反馈结果接收模块，用于接收所述目标金融机构发送的调查反馈结果，所述调查反馈结果为所述目标金融机构针对各所述风险金融卡的风险真实性进行调查得到的结果；
87.传播模型模块，用于基于接收到的调查反馈结果，对所述关联传播模型进行更新。
88.在一些实施方式中，所述卡信息获取单元，包括：
89.第二风险交易数据确定子单元，用于在各所述风险因子下的风险交易数据中，确定在至少两个维度上满足预设条件的第二风险交易数据；
90.卡信息获取子单元，用于获取与确定的第二风险交易数据关联的风险金融卡的卡信息。
91.在一些实施方式中，还包括：
92.因子分析模块，用于基于所述n个风险指标类的风险评分，对所述n个风险指标类进行因子分析，得到所述n个风险指标类的权重；
93.风险态势因子获取模块，用于获取所述n个风险指标类中各风险指标类的风险态势因子，所述风险态势因子用于表征其对应的风险指标类在金融行业中的风险态势；
94.权重更新模块，用于基于所述n个风险指标类中各风险指标类的权重和对应的风险态势因子，对所述n个风险指标类的权重进行更新，得到所述n个风险指标类的第一权重。
95.在一些实施方式中，所述风险态势因子获取模块，包括：
96.风险态势得分获取单元，用于获取所述n个风险指标类中各风险指标类的风险态势得分，所述风险态势得分包括舆情风险得分和异动风险得分中的至少一项；
97.风险态势因子确定单元，用于基于各所述风险指标类的风险态势得分，确定各所述风险指标类的风险态势因子。
98.在一些实施方式中，所述风险态势得分包括舆情风险得分；
99.所述风险态势得分获取单元，包括：
100.文本爬取子单元，用于通过数据爬虫对金融行业的风险相关文本进行爬取，并生
成包括爬取的风险相关文本的数据库；
101.统计子单元，用于对所述数据库中的各文本进行分词，并统计分词后得到的词汇中各所述风险指标类所对应的风险词汇的出现频次；
102.评分子单元，用于根据所述分词中各所述风险指标类所对应的风险词汇的出现频次，对各所述风险指标类进行评分，得到各所述风险指标类的舆情风险得分。
103.在一些实施方式中，所述风险态势得分包括异动风险得分；
104.所述风险态势得分获取单元，包括：
105.异动分析报告生成子单元，用于在预设周期内，对所述n个风险指标类中各风险指标类进行异动分析，生成异动分析报告；
106.异动风险得分生成子单元，用于基于所述异动分析报告中各所述风险指标类的异动程度，生成各所述风险指标类的异动风险得分。
107.第三方面，本技术实施例提供了一种电子设备，该电子设备包括处理器和存储器，所述存储器存储可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如第一方面所述的方法的步骤。
108.第四方面，本技术实施例提供了一种可读存储介质，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如第一方面所述的方法的步骤。
109.第五方面，本技术实施例提供了一种芯片，所述芯片包括处理器和通信接口，所述通信接口和所述处理器耦合，所述处理器用于运行程序或指令，实现如第一方面所述的方法。
110.第六方面，本技术实施例提供一种计算机程序产品，该程序产品被存储在存储介质中，该程序产品被至少一个处理器执行以实现如第一方面所述的方法。
111.在本技术实施例中，电子设备先基于出行需求订单中的位置信息生成第一导航路径，并在电子设备按照第一导航路径异动至上客区域的情况下，通过近场通信方式获取第一用户终端所处位置的方位信息，最后基于该方位信息获取第二导航路径，以使电子设备可以按照第二导航路径异动至第一用户终端的所处位置。如此，在接收到座舱呼叫请求之后，电子设备可以根据第一导航路径和第二导航路径准确地向第一用户终端的所处位置异动，从而可以提升电子设备直接异动至用户所处的位置的准确性，进而提升用户的出行效率。
附图说明
112.图1是本技术提供的金融卡业务的风险分析方法的实施例的流程示意图；
113.图2是本技术提供的金融卡业务的风险分析装置的实施例的流程示意图；
114.图3是本技术提供的电子设备的实施例的结构示意图.
具体实施方式
115.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚地描述，显然，所描述的实施例是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员获得的所有其他实施例，都属于本技术保护的范围。
116.本技术的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对
象，而不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，以便本技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施，且“第一”、“第二”等所区分的对象通常为一类，并不限定对象的个数，例如第一对象可以是一个，也可以是多个。此外，说明书以及权利要求中“和/或”表示所连接对象的至少其中之一，字符“/”，一般表示前后关联对象是一种“或”的关系。
117.下面结合附图，通过具体的实施例及其应用场景对本技术实施例提供的金融卡业务的风险分析方法进行详细地说明。
118.请参见图1，是本技术实施例提供的金融卡业务的风险分析方法的流程示意图，该金融卡业务的风险分析方法应用于电子设备，该电子设备可以包括至少一台服务器等。如图1所示，该金融卡业务的风险分析方法包括如下步骤101至步骤103：
119.步骤101获取n个风险指标类下的风险交易数据，所述n个风险指标类包括欺诈风险、信用风险、合规风险及清算风险中的至少两项，所述风险交易数据为被评估为存在风险的交易数据；
120.步骤102、基于所述n个风险指标类下的风险交易数据，确定各所述风险指标类的风险评分；
121.步骤103、基于所述n个风险指标类的风险评分以及各所述风险指标类所对应的第一权重，确定所述金融卡业务的风险评分。
122.基于此，电子设备可以获取欺诈风险、信用风险、合规风险及清算风险中的至少两个风险指标类(即n个风险指标类)的风险交易数据，然后基于获取的各个风险指标类下的风险交易数据，确定各风险指标类的风险评分；最后基于n个风险指标类的风险评分以及各所述风险指标类所对应的第一权重，确定金融卡业务的风险评分。基于此，可以从欺诈风险、信用风险、合规风险及清算风险中的至少两个风险项对金融行业的金融卡业务进行评估，得到金融卡业务的风险评分，从而可以实现对金融卡业务的风险的量化，为金融卡业务提供参考，从而可以降低金融卡业务中因业务风险带来的损失。
123.在上述步骤101中，在需要对金融卡业务的风险进行评估的情况下，电子设备可以获取n个风险指标类下的风险交易数据。
124.本技术实施例中，上述获取n个风险指标类下的风险交易数据，可以是在需要评估整个金融行业的金融卡业务的风险的情况下，电子设备获取整个金融行业的n个风险指标类下的风险交易数据，金融行业可以包括至少一个金融机构；或者，也可以是仅需要评估获取单个金融机构的金融卡业务的风险的情况下，获取该金融机构的n个风险指标类下的风险交易数据。
125.上述n个风险指标类可以包括欺诈风险、信用风险、合规风险及清算风险中的至少两项风险指标类。上述各风险指标类下的风险交易数据，可以理解为该风险交易数据中为依据与其对应的风险指标类下的风险指标，被评估为存在风险的交易数据，例如，在消费或者转账中被标记为存在风险的交易数据，等等。
126.上述信用风险指标类主要由信用卡业务规模以及信用卡违约类风险指标构成；上述欺诈风险指标类主要由不同类型(如非面、套现以及伪卡等)以及不同维度的欺诈指标构成；上述合规风险指数主要由反洗钱风险指标、各类通道业务(如网银以及代收付等)投诉和非法交易情况以及司法协查等指标构成；上述清算风险指数主要由清算排队情况、低评
级机构清算金额占比以及拨备覆盖情况等指标构成。
127.需要说明的是，上述各风险指标类指标可以包括至少一个风险指标，且每一风险指标可以用于评估金融卡业务是否存在风险。具体地，上述各风险指标类指标可以包括事前、事中以及事后不同风险时期的风险指标，从而使得最终得到的金融卡业务的风险评分能够考虑到不同风险时期带来的风险，使得风险评分更合理。
128.为便于对上述各风险指标类的理解，在此结合金融行业中的实际应用对上述各风险指标类进行说明，具体请参见如下示例一至示例四。
129.示例一、信用风险指标类
130.该示例中，可以从业务发展、风险敞口和风控水平等方面，归纳事前、事中以及事后不同风险时期的风险指标构成上述信用风险指标类，可以包括5个一级指标共15个二级指标(即上述各风险指标可以是一级指标或者二级指标)。信用风险指标类的具体构成请参见表1。
131.表1信用风险指标类
132.[0133][0134]
示例二、欺诈风险指标类
[0135]
该示例中，可以从未成功欺诈、欺诈发生、欺诈损失和损失挽回等方面，归纳事前、事中以及事后不同风险时期的风险指标构成上述欺诈风险指标类。其中，未成功欺诈主要考虑实时拦截及非“00”欺诈的情况；欺诈发生主要考虑传统业务及创新业务各欺诈类型的欺诈情况；欺诈损失主要考虑发卡机构共享的损失数据及金融行业赔付情况；损失挽回主要考虑退单情况。欺诈风险指标类可以包括4个一级指标共12个二级指标。欺诈风险指标类的具体构成请参见表2。
[0136]
表2欺诈风险指标类
[0137][0138]
示例三、合规风险指标类：
[0139]
该示例中，可以从交易信息上送完整性、洗钱交易情况、投诉、司法协查及监管处罚情况等方面，归纳事前、事中以及事后不同风险时期的风险指标构成上述合规风险指标类。其中，信息上送完整性反映了交易信息上送的合规情况；洗钱交易指标主要考虑反洗钱可疑交易的侦测报送情况；投诉主要包含了客服以及人行等渠道受理关于金融行业业务通道的投诉情况。合规风险指标类可以包括9个一级指标共18个二级指标。合规风险指标类的具体构成请参见表3。
[0140]
表3合规风险指标类
[0141][0142]
示例四、清算风险指标类：
[0143]
该示例中，可以从清算风险敞口、清算风险情况及风险应对情况等方面，归纳事前、事中以及事后不同风险时期的风险指标构成上述清算风险指标类。其中，清算风险敞口主要考虑低评级机构的清算金额占比及存在潜在风险的通道类业务情况；清算风险情况主要考虑已发生的清算排队事件相关的各项指标；风险应对情况主要考虑拨备覆盖比率及清算系统稳定性等指标。清算风险指标类可以包括3个一级指标共15个二级指标。清算风险指标类的具体构成请参见表4。
[0144]
表4清算风险指标类
[0145][0146]
在上述步骤102中，在电子设备获取到上述n个风险指标类下的风险交易数据之后，电子设备可以基于各风险指标类下的风险交易数据，确定该风险指标类的风险评分。
[0147]
本技术实施例中，上述电子设备基于各风险指标类下的风险交易数据，确定该风险指标类下的风险评分，可以是将上述各风险指标类下的风险交易数据输入至预设的评分卡模型中，由评分卡模型输出该风险指标类的风险评分。
[0148]
需要说明的是，该评分卡模型可以是任意能够根据输入的数据实现评分的模型。具体地，该评分卡模型可以包括逻辑回归(logistics)模型等。由于评分卡模型的处理过程已为本领域技术人员熟知，而本技术实施例的改进点并非在评分过程，在此对于评分卡模型的处理过程并不进行赘述。
[0149]
在上述步骤103中，在上述电子设备确定上述n个风险指标类下各风险指标的风险评分之后，电子设备可以基于n个风险指标类的风险评分以及各所述风险指标类所对应的第一权重，确定所述金融卡业务的风险评分。
[0150]
本技术实施例中，上述基于n个风险指标类的风险评分以及各所述风险指标类所对应的第一权重，确定所述金融卡业务的风险评分，可以是计算n个风险指标类中各风险指标类的风险评分与其对应的第一权重的乘积，并将n个风险指标类中各风险指标类对应的乘积之和作为上述金融卡业务的风险评分。
[0151]
上述金融卡业务的风险评分，可以是整个金融行业的金融卡业务风险评分，此时，上述n个风险指标类的风险交易数据为整个金融行业的数据；或者，也可以是单独的金融机
构的金融卡业务风险评分，此时，上述n个风险指标类的风险交易数据为该金融机构的数据。
[0152]
需要说明的是，上述n个风险指标类各风险指标类所对应的第一权重，可以是根据经验进行预先设定，且不同风险指标类所对应的权重可以相同或者不同。例如，由于信用风险指标类中的风险指标对产业的实际风险损失占比超过90％以上，且易对国家金融以及社会稳定产生影响，故权重较高；而算风险只涉及到卡机构本身，故权重相对较小，等等。
[0153]
或者，上述n个风险指标类中各风险指标类所对应的第一权重，也可以是通过预设的权重评价模型评估得到。
[0154]
示例性地，可以基于上述n各风险指标类的风险评分，通过因子分析计算各风险指标类的第一权重，具体如下：
[0155]
步骤201、数据标准化，即对各风险指标类的风险评分进行标准化处理；
[0156]
步骤202、对标准化后的数据进行因子分析(如主成分分析等)，使用方差最大化旋转；
[0157]
步骤203、写出主因子得分和每个主因子的方程贡献度，如下公式(1)：
[0158]fj
＝β
1j
·
x1 β
2j
·
x2 β
3j
·
x3
…
β
nj
·
xnꢀꢀꢀ
(1)
[0159]fj
为主成分(j＝1、2、
…
、m)，x1、x2、x3、
…
、xn为各风险指标类；
[0160]
β
1j
、β
2j
、β
3j
、
…
、β
nj
为各指标在主成分fj中的系数得分；
[0161]
用ej表示fj的方程贡献率，求出各风险指标类的第一权重，如下公式(2)：
[0162]
ωi＝[(m∑j)β
ij
*ej]/[(n∑i)(m∑j)β
ij
*ej]
ꢀꢀꢀ
(1)
[0163]
ωi是风险指标类xi的第一权重。
[0164]
当然，上述n个风险指标类中各风险指标类所对应的第一权重，也可以是先通过权重评价模型评估得到各风险指标类所对应的权重，再根据经验对评估得到的权重进行调节，得到各风险指标类所对应的第一权重。
[0165]
在一些实施方式中，各所述风险指标类包括至少两个风险指标，且所述风险指标类下的风险交易数据为其对应的至少两个风险指标下的风险交易数据。
[0166]
上述步骤102，可以包括：
[0167]
基于目标风险指标类中各风险指标下的风险交易数据，获取所述目标风险指标类中各风险指标的第一风险评分，其中，所述目标风险指标类为所述n个风险指标类中的任一风险指标类；
[0168]
基于所述目标风险指标类中各风险指标的第一风险评分以及各所述风险指标所对应的第二权重，确定所述目标风险指标类的风险评分。
[0169]
基于此，通过先获取目标风险指标类中各风险指标的第一风险评分，并基于该目标风险指标类中各风险指标的第一风险评分以及对应的第二权重，确定该目标风险指标类的风险评分，从而使得可以结合不同风险指标对金融行业的影响，设置合理的权重，从而使得获取的风险指标类的风险评分更合理。
[0170]
示例性地，在上述目标风险指标类为信用风险指标类的情况下，可以获取信用风险指标类中的15个二级指标下的风险交易数据，并通过各二级指标下的风险交易数据，确定各二级指标的风险评分，并将各二级指标的风险评分与其对应的第二权重的乘积之和，确定为上述信用风险指标类的风险评分。
[0171]
需要说明的是，上述目标风险指标类中各风险指标所对应的第二权重，可以是根据经验进行预先设定，且不同风险指标所对应的权重可以相同或者不同。或者，上述各风险指标所对应的第二权重，也可以是通过预设的权重评价模型评估得到，例如，可以是通过上述因子分析计算各风险指标的第二权重，其实现过程与计算各风险指标类的第一权重的过程类似，在此并不进行赘述。
[0172]
当然，上述目标风险指标类中各风险指标所对应的第二权重，也可以是先通过权重评价模型评估得到各风险指标所对应的权重，再根据经验对评估得到的权重进行调节，得到各风险指标所对应的第二权重。
[0173]
在一些实施方式中，上述n个风险指标类下的风险交易数据为与至少两个金融机构关联的风险交易数据。
[0174]
上述获取n个风险指标类下的风险交易数据之后，上述方法还可以包括：
[0175]
基于与目标金融机构关联的风险交易数据，确定所述目标金融机构下所述目标风险指标类中的风险因子，所述风险因子为所述目标风险指标类中满足预设风险条件的风险指标；
[0176]
对基于所述目标金融机构下所述目标风险指标类中的风险因子，生成所述目标金融机构的归因分析报告，所述归因分析报告用于基于所述风险因子反映所述目标金融机构的金融卡业务的风险原因；
[0177]
将所述目标金融机构的归因分析报告，发送至所述目标金融机构。
[0178]
基于此，电子设备还可以对各金融机构下的风险因子进行逆向归因分析，生成归因分析报告并发送至金融机构，从而还可以使金融机构基于归因分析报告获知其金融卡业务存在风险的原因，进一步有利于降低金融机构因金融卡业务的风险带来的损失。
[0179]
本技术实施例中，上述基于与目标金融机构关联的风险交易数据，确定所述目标金融机构下所述目标风险指标类中的风险因子，可以是基于该目标金融机构下目标风险指标类的风险交易数据，获取目标金融机构下目标风险指标类的风险评分，并将获得的风险评分与金融行业下该目标风险指标类的平均风险评分进行比较(即金融行业中所有金融机构下目标风险指标类的风险评分的均值)，若获得的评分高于大于或者等于平均风险评分，则可以将该目标风险指标类中的全部或者部分风险指标，确定为该目标金融机构下的风险因子。
[0180]
具体地，上述将目标风险指标类中的部分风险指标确定为目标金融机构下的风险因子，可以是将目标风险指标类中各风险指标依据第二权重进行排序，并将排序中在预设位置(如前3等)的风险指标目标风险指标类中的全部或者部分风险指标，等等。
[0181]
上述基于所述目标金融机构下所述目标风险指标类中的风险因子，生成所述目标金融机构的归因分析报告，可以是获取该目标金融机构下所述目标风险指标类中的风险因子的指标信息，并生成包括所有风险因子的指标信息的归因分析报告。
[0182]
在一些实施方式中，上述基于与目标金融机构关联的风险交易数据，确定所述目标金融机构下所述目标风险指标类中的风险因子，包括：
[0183]
基于与目标金融机构关联的风险交易数据，确定所述目标金融机构下所述目标风险指标类中各风险指标的第二风险评分；
[0184]
将各风险指标的第二风险评分与所述风险指标的行业风险评分进行比较，所述行
业风险评分为：所述风险指标在所述至少两个金融机构下的风险评分的平均分；
[0185]
在目标风险指标的第二风险评分大于或者等于对应的行业风险评分的情况下，确定所述目标风险指标为风险因子，其中，所述目标风险指标为所述目标风险指标类中的任一风险指标。
[0186]
基于此，通过将目标金融机构下所述目标风险指标类中各风险指标的第二风险评分，与该风险指标的行业风险评分进行比较，并将第二风险评分大于或者等于对应的行业风险评分的风险指标，确定为上述目标金融机构下所述目标风险指标类中的风险因子，从而使得确定的各金融机构下的风险因子更准确，进而提升归因分析报告的可参考性。
[0187]
示例性地，电子设备可以获取金融机构1的风险交易数据，并通过金融机构1的风险交易数据中与欺诈风险指标类中的二级指标1关联的风险交易数据，计算得到该二级指标1的第二风险评分，并将该二级指标1的第二风险评分与所对应的行业风险评分(即所有金融机构的风险交易数据评估得到的该二级指标1)进行比较，若该二级指标1的第二风险评分大于或者等于所对应的行业风险评分，则确定该二级指标1为该金融机构1的风险因子，等等。
[0188]
在一些实施方式中，所述基于所述目标金融机构下所述目标风险指标类中的风险因子，生成所述目标金融机构的归因分析报告，包括：
[0189]
对各所述风险因子下的风险交易数据，从多个下钻维度进行统计分析，生成所述目标金融机构的归因分析报告，其中，各所述下钻维度为所述风险交易数据中的数据项；所述归因分析报告还用于从各所述风险因子中的下钻维度，反映所述目标金融机构的金融卡业务的风险原因。
[0190]
上述将所述目标金融机构的归因分析报告，发送至所述目标金融机构，可以包括：
[0191]
在各所述风险因子下的风险交易数据，确定在至少一个所述下钻维度下满足预设条件的第一风险交易数据；
[0192]
将所述目标金融机构的归因分析报告以及各所述第一风险交易数据，发送至所述目标金融机构。
[0193]
基于此，通过对各风险因子下的风险交易数据，从多个下钻维度进行统计分析并生成归因分析报告，使得生成的归因分析报告可以从各所述风险因子中的下钻维度，反映所述目标金融机构的金融卡业务的风险原因，从而使得风险原因的分析更细化，可以触达更深层次的风险原因。另外，还将归因分析报告以及在至少一个下钻维度下满足预设条件的第一风险交易数据发送至金融机构，从而使得能够对金融机构规避风险更具有指导性。
[0194]
本实施方式中，上述多个下钻维度下中各下钻维度为所述风险交易数据中的数据项，例如，上述多个下钻维度可以包括时间、商户类型、交易类型、交易地区以及发卡收单机构等中的至少两项。而上述各下钻维度下的目标交易数据，可以理解为上述风险交易数据中与该下钻维度对应的交易数据。
[0195]
在各所述风险因子下的风险交易数据，确定在至少一个所述下钻维度下满足预设条件的第一风险交易数据，可以是根据在所述目标金融机构下各所述风险因子下的风险交易数据在各下钻维度下的数据，在该下钻维度下对各所述风险因子下的风险交易数据进行统计并排序(如数据量或者风险评分等)，并将排序中满足预设条件的风险交易数据作为第一风险交易数据。
[0196]
例如，在上述多个下钻维度包括商户类型的情况下，电子设备可以获取金融机构下各所述风险因子的风险交易数据中，商户类型分别与第1类商户、第2类商户、
……
、第m类商户关联的风险交易数据，并按照数据量由高至低排序，如第1类商户关联的风险交易数据最多，则排在前，第m类商户关联的风险交易数据最少，则排在后；最后，可以将排序中前3类商户关联的风险交易数据确定为上述第一风险交易数据，m为正整数。
[0197]
需要说明的是，上述归因分析报告还用于从各所述风险因子中的下钻维度，反映所述目标金融机构的金融卡业务的风险原因，可以是上述归因分析报告中还包括各下钻维度的风险项的信息。例如，上述归因分析报告中包括上述排序在前的3类商户的商户名称等。
[0198]
在一些实施方式中，上述将所述目标金融机构的归因分析报告发送至所述目标金融机构之前，还包括：
[0199]
获取与各所述风险因子的风险交易数据关联的风险金融卡的卡信息；
[0200]
所述将所述目标金融机构的归因分析报告发送至所述目标金融机构，包括：
[0201]
将所述目标金融机构的归因分析报告以及各所述风险金融卡的卡信息，发送至所述目标金融机构。
[0202]
基于此，通过获取与各风险因子的风险交易数据关联的风险金融卡的卡信息，并将获取的卡信息发送至金融机构，从而使得金融机构还可以根据卡信息对相应的风险金融卡进行处理，进一步降低损失风险。
[0203]
本实施方式中，由于交易中通常是通过金融卡进行交易，使得生成的交易数据中通常包含有该金融卡的卡信息，故上述获取与各风险因子的风险交易数据关联的风险金融卡的卡信息，可以是从各风险因子的风险交易数据中读取中相应的金融卡的卡信息作为上述风险金融卡的卡信息。
[0204]
上述将所述目标金融机构的归因分析报告以及各所述风险金融卡的卡信息，发送至所述目标金融机构，还可以是将所述目标金融机构的归因分析报告、各所述风险金融卡的卡信息以及各第一风险交易数据，发送至所述目标金融机构。
[0205]
需要说明的是，上述风险金融卡的卡信息可以是仅基于上述各风险因子的风险交易数据获取得到。
[0206]
在一些实施方式中，所述获取与各所述风险因子的风险交易数据关联的风险金融卡的卡信息，包括：
[0207]
将各所述风险因子的风险交易数据输入至关联传播模型中，由所述关联传播模型确定与各所述风险因子的风险交易数据关联的风险金融卡；
[0208]
获取与各所述风险因子的风险交易数据关联的风险金融卡的卡信息。
[0209]
基于此，通过将各风险因子的风险交易数据输入至关联传播模型中，由关联传播模型确定与各所述风险因子的风险交易数据关联的风险金融卡，并获取确定的风险金融卡的卡信息，从而使得获取的风险金融卡的卡信息更全面，可以传播到可疑的风险金融卡，起到预警的作用。
[0210]
本实施方式中，上述由所述关联传播模型确定与各所述风险因子的风险交易数据关联的风险金融卡，可以是关联传播模型使用人卡机关系库，通过“卡-人-卡”关联传播得到可疑风险卡片，即：先各风险因子的风险案例(即风险交易数据)通过人卡机关系库关联
到人，再根据分级分类的思路对持卡人风险等级进行划分，并根据设定好的关联传播模型的阈值，筛选出风险大于或者等于阈值的持卡人，再通过“人-卡”传播得到可疑风险卡片(即风险金融卡)。
[0211]
需要说明的是，上述用于获取风险金融卡片的卡信息所采用的风险交易数据，可以是各风险因子的全部或者部分风险交易数据。
[0212]
在一些实施方式中，上述获取与各所述风险因子的风险交易数据关联的风险金融卡的卡信息，包括：
[0213]
在各所述风险因子下的风险交易数据中，确定在至少两个维度上满足预设条件的第二风险交易数据；
[0214]
获取与确定的第二风险交易数据关联的风险金融卡的卡信息。
[0215]
基于此，通过各风险因子下的风险交易数据中，确定在多个下钻维度上满足预设条件的第二风险交易数据，并基于确定的第二风险交易数据获取风险金融卡的卡信息，进一步提升可参考性，且降低需要处理的数据量，提升生成归因分析报告的效率。
[0216]
本实施方式中，在各所述风险因子下的风险交易数据中，确定在至少两个所述下钻维度下满足预设条件的第二风险交易数据，可以是根据在所述目标金融机构下各所述风险因子下的风险交易数据在各下钻维度下的数据，在该下钻维度下对各所述风险因子下的风险交易数据进行统计并排序(如数据量或者风险评分等)，并将排序中满足预设条件的风险交易数据，然后将至少两个维度中各维度下分别确定的风险交易数据的进行交叉验证，得到第二风险交易数据，即第二风险数据为至少两个维度中各维度下分别确定的风险交易数据的交集中的风险交易数据。
[0217]
示例性地，在上述多个下钻维度包括时间和商户类型的情况下，电子设备可以确定时间为上午的风险交易数据1，以及确定商户类型为预设类商户的风险交易数据2，并将确定的风险交易数据1和风险交易数据2中的相同风险交易数据，确定为上述第二风险交易数据。
[0218]
需要说明的是，上述获取与各所述风险因子的风险交易数据关联的风险金融卡的卡信息，也可以是将确定的第二风险交易数据输入至关联传播模型中，由关联传播模型确定与各所述风险因子的风险交易数据关联的风险金融卡。
[0219]
另外，上述关联传播模型可以是任意能够使用人卡机关系库，通过“卡-人-卡”关联传播的传播模型，且该关联传播模型中的阈值和参数等可以是固定不变。
[0220]
在一些实施方式中，上述将所述目标金融机构的归因分析报告以及各所述风险金融卡的卡信息，发送至所述目标金融机构之后，还包括：
[0221]
接收所述目标金融机构发送的调查反馈结果，所述调查反馈结果为所述目标金融机构针对各所述风险金融卡的风险真实性进行调查得到的结果；
[0222]
基于接收到的调查反馈结果，对所述关联传播模型进行更新。
[0223]
基于此，可以通过基于接收到的金融机构发送的调查反馈结果，对关联传播模型进行更新，从而可以提升关联传播模型的准确性，提升风险金融卡的卡信息的可参考性。
[0224]
在一些实施方式中，所述基于所述n个风险指标类的风险评分以及各所述风险指标类所对应的第一权重之前，还包括：
[0225]
基于所述n个风险指标类的风险评分，对所述n个风险指标类进行因子分析，得到
所述n个风险指标类的权重；
[0226]
获取所述n个风险指标类中各风险指标类的风险态势因子，所述风险态势因子用于表征其对应的风险指标类在金融行业中的风险态势；
[0227]
基于所述n个风险指标类中各风险指标类的权重和对应的风险态势因子，对所述n个风险指标类的权重进行更新，得到所述n个风险指标类的第一权重。
[0228]
基于此，可以通过风险态势因子对因子分析得到的权重进行更新，从而使得获取的各n个风险指标类的第一权重符合其在金融行业中的风险态势，进而使确定的金融卡业务的风险评分更准确。
[0229]
需要说明的是，上述各风险指标类中各风险指标的第二权重，也可以是通过风险态势因子对由因子分析获取的权重进行更新，得到第二权重，即：
[0230]
上述基于所述目标风险指标类中各风险指标的第一风险评分以及各所述风险指标所对应的第二权重，确定所述目标风险指标类的风险评分之前，还包括：基于目标风险指标类中各风险指标的风险评分，对目标风险指标类中各风险指标进行因子分析，得到所述n个风险指标类的权重；获取目标风险指标类中各风险指标的风险态势因子，所述风险态势因子用于表征其对应的风险指标在金融行业中的风险态势；基于目标风险指标类中各风险指标的权重和对应的风险态势因子，对所述目标风险指标类中各风险指标的权重进行更新，得到所述目标风险指标类中各风险指标的第二权重。
[0231]
上述风险态势因子可以是任意能够用于表征其对应的风险指标类或者风险指标在金融行业中的风险态势，且该风险态势因子可以根据人为经验进行设定。
[0232]
另外，在电子设备获取到n个风险指标类中各风险指标类的风险态势因子之后，电子设备可以基于所述n个风险指标类中各风险指标类的权重和对应的风险态势因子，对所述n个风险指标类的权重进行更新。
[0233]
具体地，可以通过如下公式(3)和公式(4)实现：
[0234]
cωi＝ωi riꢀꢀꢀ
(3)
[0235]ri
表示风险态势因子，i表示第i个风险指标类。再通过公式(4)对上述计算结果进行标准化，得到第一权重：
[0236][0237]
wi表示第i个风险指标类的第一权重。
[0238]
在一些实施方式中，上述获取所述n个风险指标类中各风险指标类的风险态势因子，包括：
[0239]
获取所述n个风险指标类中各风险指标类的舆情风险得分，和/或，获取所述n个风险指标类中各风险指标类的异动风险得分；
[0240]
基于各所述风险指标类的舆情风险得分和异动风险得分中的至少一项，确定各所述风险指标类的风险态势因子。
[0241]
基于此，可以通过结合舆情风险得分和异动风险得分中的至少一项确定风险态势因子，从而使确定风险态势因子的方式更灵活且准确。
[0242]
本实施方式中，上述获取各风险指标类的舆情风险得分，可以是获取金融行业的风险相关文本(即包括与金融行业中风险指标的关键字等的文本)，并根据获取的相关文
本，对各风险指标类进行评分。
[0243]
需要说明的是，上述获取金融行业的风险相关文本，可以是由人工标记得到。另外，上述异动风险得分也可以是由人工经验对各风险指标进行异动分析，并得到异动风险得分。
[0244]
另外，在上述电子设备获取到风险指标类的风险态势得分之后，可以基于风险指标类的风险态势得分确定风险指标类的风险态势因子。
[0245]
具体地，可以通过如下公式(5)，确定风险指标类的风险态势因子。
[0246][0247]
score
op,i
为标准化的第i个风险指标类的舆情风险得分，score
c,i
为标准化的第i个风险指标类的异动风险得分；
[0248]
为预设参数，设置的目的是保证最终权重之和为1。
[0249]
在一些实施方式中，上述风险态势得分包括舆情风险得分。
[0250]
上述获取所述n个风险指标类中各风险指标类的风险态势得分，可以包括：
[0251]
通过数据爬虫对金融行业的风险相关文本进行爬取，并生成包括爬取的风险相关文本的数据库；
[0252]
对所述数据库中的各文本进行分词，并统计分词后得到的词汇中各所述风险指标类所对应的风险词汇的出现频次；
[0253]
根据所述分词中各所述风险指标类所对应的风险词汇的出现频次，对各所述风险指标类进行评分，得到各所述风险指标类的舆情风险得分。
[0254]
基于此，可以通过数据爬虫爬取风险相关文本，并根据风险相关文本中各所述风险指标类所对应的风险词汇的出现频次，确定舆情风险得分，提升获取舆情风险得分的效率。
[0255]
示例性地，在实际应用过程中可以通过如下步骤301至步骤303获取舆情风险得分：
[0256]
步骤301、使用数据爬虫(爬虫的具体技术方案已经成熟，这里不做赘述)对风险相关资讯及文章进行爬取并生成风险信息数据库。
[0257]
步骤302、对数据库中存储的信息分词后按照设定好的风险词库(自定义，例如电信诈骗、账户盗用、套现、伪卡等)统计各个词汇的出现频次f。
[0258]
步骤303、根据s302中统计结果对各项目进行打分，第i项得分标准化后得到score
op,i
，分数越高代表该词汇所代表的风险类型在一定时期内热度越高。
[0259]
在一些实施方式中，所述获取所述n个风险指标类中各风险指标类的异动风险得分，包括：
[0260]
在预设周期内，对所述n个风险指标类中各风险指标类进行异动分析，生成异动分析报告；
[0261]
基于所述异动分析报告中各所述风险指标类的异动程度，生成各所述风险指标类的异动风险得分。
[0262]
基于此，通过在预设周期内对各风险指标类进行异动分析，生成异动分析报告，并
基于所述异动分析报告中各所述风险指标类的异动程度，生成各所述风险指标类的异动风险得分，提升获取异动风险得分的效率。
[0263]
示例性地，在实际应用过程中可以通过如下步骤401至步骤403获取异动风险得分：
[0264]
步骤401、使用异动分析算法对银行卡业务风险评估模型中各个因子的异动进行监测，定期生成监测报告。
[0265]
步骤402、根据步骤401中各因子异动程度进行标准化后排序并打分，第i项得分si＝|ci|，ci为第i项变动程度，标准化后得到score
c,i
，分数越高代表相应的风险因子的异动程度越高，推测该类风险形势很可能出现变化。
[0266]
请参见图2，本技术实施例还提供一种金融卡业务的风险分析装置200。
[0267]
如图2所示，该装置200包括：
[0268]
交易数据获取模块201，用于获取n个风险指标类下的风险交易数据，所述n个风险指标类包括欺诈风险、信用风险、合规风险及清算风险中的至少两项，所述风险交易数据为被评估为存在风险的交易数据；
[0269]
指标类风险评分确定模块202，用于基于所述n个风险指标类下的风险交易数据，确定各所述风险指标类的风险评分；
[0270]
业务风险评分确定模块203，用于基于所述n个风险指标类的风险评分以及各所述风险指标类所对应的第一权重，确定所述金融卡业务的风险评分。
[0271]
在一些实施方式中，各所述风险指标类包括至少两个风险指标，且所述风险指标类下的风险交易数据为其对应的至少两个风险指标下的风险交易数据；
[0272]
所述指标类风险评分确定模块202，包括：
[0273]
第一风险评分获取单元，用于基于目标风险指标类中各风险指标下的风险交易数据，获取所述目标风险指标类中各风险指标的第一风险评分，其中，所述目标风险指标类为所述n个风险指标类中的任一风险指标类；
[0274]
指标类风险评分确定单元，用于基于所述目标风险指标类中各风险指标的第一风险评分以及各所述风险指标所对应的第二权重，确定所述目标风险指标类的风险评分。
[0275]
在一些实施方式中，所述n个风险指标类下的风险交易数据为与至少两个金融机构关联的风险交易数据；
[0276]
所述装置200，还包括：
[0277]
风险因子确定模块，用于基于与目标金融机构关联的风险交易数据，确定所述目标金融机构下所述目标风险指标类中的风险因子，所述风险因子为所述目标风险指标类中满足预设风险条件的风险指标；
[0278]
分析报告生成模块，用于基于所述目标金融机构下所述目标风险指标类中的风险因子，生成所述目标金融机构的归因分析报告，所述归因分析报告用于基于所述风险因子反映所述目标金融机构的金融卡业务的风险原因；
[0279]
发送模块，用于将所述目标金融机构的归因分析报告，发送至所述目标金融机构。
[0280]
在一些实施方式中，所述风险因子确定模块，包括：
[0281]
第二风险评分确定单元，用于基于与目标金融机构关联的风险交易数据，确定所述目标金融机构下所述目标风险指标类中各风险指标的第二风险评分；
[0282]
比较单元，用于将各风险指标的第二风险评分与所述风险指标的行业风险评分进行比较，所述行业风险评分为：所述风险指标在所述至少两个金融机构下的风险评分的平均分；
[0283]
风险因子确定单元，用于在目标风险指标的第二风险评分大于或者等于对应的行业风险评分的情况下，确定所述目标风险指标为风险因子，其中，所述目标风险指标为所述目标风险指标类中的任一风险指标。
[0284]
在一些实施方式中，所述分析报告生成模块，具体用于：
[0285]
对各所述风险因子的风险交易数据，从多个下钻维度进行统计分析，生成所述目标金融机构的归因分析报告，其中，各所述下钻维度为所述风险交易数据中的数据项；所述归因分析报告还用于从各所述风险因子中的下钻维度，反映所述目标金融机构的金融卡业务的风险原因；
[0286]
所述发送模块，包括：
[0287]
第一风险交易数据确定单元，用于在各所述风险因子的风险交易数据，确定在至少一个所述下钻维度下满足预设条件的第一风险交易数据；
[0288]
发送单元，用于将所述目标金融机构的归因分析报告以及各所述第一风险交易数据，发送至所述目标金融机构。
[0289]
在一些实施方式中，还包括：
[0290]
卡信息获取模块，用于获取与各所述风险因子的风险交易数据关联的风险金融卡的卡信息；
[0291]
所述发送模块，具体用于：
[0292]
将所述目标金融机构的归因分析报告以及各所述风险金融卡的卡信息，发送至所述目标金融机构。
[0293]
在一些实施方式中，所述卡信息获取模块，包括：
[0294]
关联传播单元，用于将各所述风险因子的风险交易数据输入至关联传播模型中，由所述关联传播模型确定与各所述风险因子的风险交易数据关联的风险金融卡；
[0295]
卡信息获取单元，用于获取与各所述风险因子的风险交易数据关联的风险金融卡的卡信息。
[0296]
在一些实施方式中，还包括：
[0297]
反馈结果接收模块，用于接收所述目标金融机构发送的调查反馈结果，所述调查反馈结果为所述目标金融机构针对各所述风险金融卡的风险真实性进行调查得到的结果；
[0298]
传播模型模块，用于基于接收到的调查反馈结果，对所述关联传播模型进行更新。
[0299]
在一些实施方式中，所述卡信息获取单元，包括：
[0300]
第二风险交易数据确定子单元，用于在各所述风险因子下的风险交易数据中，确定在至少两个维度上满足预设条件的第二风险交易数据；
[0301]
卡信息获取子单元，用于获取与确定的第二风险交易数据关联的风险金融卡的卡信息。
[0302]
在一些实施方式中，还包括：
[0303]
因子分析模块，用于基于所述n个风险指标类的风险评分，对所述n个风险指标类进行因子分析，得到所述n个风险指标类的权重；
[0304]
风险态势因子获取模块，用于获取所述n个风险指标类中各风险指标类的风险态势因子，所述风险态势因子用于表征其对应的风险指标类在金融行业中的风险态势；
[0305]
权重更新模块，用于基于所述n个风险指标类中各风险指标类的权重和对应的风险态势因子，对所述n个风险指标类的权重进行更新，得到所述n个风险指标类的第一权重。
[0306]
在一些实施方式中，所述风险态势因子获取模块，包括：
[0307]
风险态势得分获取单元，用于获取所述n个风险指标类中各风险指标类的风险态势得分，所述风险态势得分包括舆情风险得分和异动风险得分中的至少一项；
[0308]
风险态势因子确定单元，用于基于各所述风险指标类的风险态势得分，确定各所述风险指标类的风险态势因子。
[0309]
在一些实施方式中，所述风险态势得分包括舆情风险得分；
[0310]
所述风险态势得分获取单元，包括：
[0311]
文本爬取子单元，用于通过数据爬虫对金融行业的风险相关文本进行爬取，并生成包括爬取的风险相关文本的数据库；
[0312]
统计子单元，用于对所述数据库中的各文本进行分词，并统计分词后得到的词汇中各所述风险指标类所对应的风险词汇的出现频次；
[0313]
评分子单元，用于根据所述分词中各所述风险指标类所对应的风险词汇的出现频次，对各所述风险指标类进行评分，得到各所述风险指标类的舆情风险得分。
[0314]
在一些实施方式中，所述风险态势得分包括异动风险得分；
[0315]
所述风险态势得分获取单元，包括：
[0316]
异动分析报告生成子单元，用于在预设周期内，对所述n个风险指标类中各风险指标类进行异动分析，生成异动分析报告；
[0317]
异动风险得分生成子单元，用于基于所述异动分析报告中各所述风险指标类的异动程度，生成各所述风险指标类的异动风险得分。
[0318]
关于上述实施例中的装置，其中各个模块执行操作的具体方式以及有益效果已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
[0319]
基于同一发明构思，本技术实施例还提供了一种电子设备，具体结合图6进行详细说明。
[0320]
图3是本技术实施例提供的电子设备的结构框图。
[0321]
如图3所示，该电子设备300能够实现根据本技术实施例中的金融卡业务的风险分析方法以及金融卡业务的风险分析装置的示例性硬件架构的结构图。该电子设备300可以包括处理器301以及存储有计算机程序指令的存储器302。具体地，上述各处理器可以包括中央处理器(cpu)，或者特定集成电路(application specific integrated circuit，asic)，或者可以被配置成实施本技术实施例的一个或多个集成电路。
[0322]
上述各存储器可以包括用于信息或指令的大容量存储器。举例来说而非限制，存储器可包括硬盘驱动器(hard disk drive，hdd)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(universal serial bus，usb)驱动器或者两个及其以上这些的组合。在合适的情况下，存储器可包括可移除或不可移除(或固定)的介质。在合适的情况下，存储器可在综合网关设备的内部或外部。在特定实施例中，存储器是非易失性固态存储器。在特定实施例中，存储器包括只读存储器(rom)。在合适的情况下，该rom可以是掩模编程的rom、可编程
rom(prom)、可擦除prom(eprom)、电可擦除prom(eeprom)、电可改写rom(earom)或闪存，或者两个或及其以上这些的组合。
[0323]
处理器301通过读取并执行存储器302中存储的计算机程序指令，以执行如下步骤：
[0324]
处理器301，执行获取n个风险指标类下的风险交易数据，所述n个风险指标类包括欺诈风险、信用风险、合规风险及清算风险中的至少两项，所述风险交易数据为被评估为存在风险的交易数据；
[0325]
基于所述n个风险指标类下的风险交易数据，确定各所述风险指标类的风险评分；
[0326]
基于所述n个风险指标类的风险评分以及各所述风险指标类所对应的第一权重，确定所述金融卡业务的风险评分。
[0327]
在一些实施方式中，各所述风险指标类包括至少两个风险指标，且所述风险指标类下的风险交易数据为其对应的至少两个风险指标下的风险交易数据。
[0328]
处理器301，可以执行基于目标风险指标类中各风险指标下的风险交易数据，获取所述目标风险指标类中各风险指标的第一风险评分，其中，所述目标风险指标类为所述n个风险指标类中的任一风险指标类；
[0329]
基于所述目标风险指标类中各风险指标的第一风险评分以及各所述风险指标所对应的第二权重，确定所述目标风险指标类的风险评分。
[0330]
在一些实施方式中，所述n个风险指标类下的风险交易数据为与至少两个金融机构关联的风险交易数据。
[0331]
处理器301，执行基于与目标金融机构关联的风险交易数据，确定所述目标金融机构下所述目标风险指标类中的风险因子，所述风险因子为所述目标风险指标类中满足预设风险条件的风险指标；
[0332]
基于所述目标金融机构下所述目标风险指标类中的风险因子，生成所述目标金融机构的归因分析报告，所述归因分析报告用于基于所述风险因子反映所述目标金融机构的金融卡业务的风险原因；
[0333]
将所述目标金融机构的归因分析报告，发送至所述目标金融机构。
[0334]
在一些实施方式中，处理器301，执行基于与目标金融机构关联的风险交易数据，确定所述目标金融机构下所述目标风险指标类中各风险指标的第二风险评分；
[0335]
将各风险指标的第二风险评分与所述风险指标的行业风险评分进行比较，所述行业风险评分为：所述风险指标在所述至少两个金融机构下的风险评分的平均分；
[0336]
在目标风险指标的第二风险评分大于或者等于对应的行业风险评分的情况下，确定所述目标风险指标为风险因子，其中，所述目标风险指标为所述目标风险指标类中的任一风险指标。
[0337]
在一些实施方式中，处理器301，执行对各所述风险因子的风险交易数据，从多个下钻维度进行统计分析，生成所述目标金融机构的归因分析报告，其中，各所述下钻维度为所述风险交易数据中的数据项；所述归因分析报告还用于从各所述风险因子中的下钻维度，反映所述目标金融机构的金融卡业务的风险原因；
[0338]
在各所述风险因子的风险交易数据，确定在至少一个所述下钻维度下满足预设条件的第一风险交易数据；
[0339]
将所述目标金融机构的归因分析报告以及各所述第一风险交易数据，发送至所述目标金融机构。
[0340]
在一些实施方式中，处理器301，执行获取与各所述风险因子的风险交易数据关联的风险金融卡的卡信息；
[0341]
所述将所述目标金融机构的归因分析报告发送至所述目标金融机构，包括：
[0342]
将所述目标金融机构的归因分析报告以及各所述风险金融卡的卡信息，发送至所述目标金融机构。
[0343]
在一些实施方式中，处理器301，执行将各所述风险因子的风险交易数据输入至关联传播模型中，由所述关联传播模型确定与各所述风险因子的风险交易数据关联的风险金融卡；
[0344]
获取与各所述风险因子的风险交易数据关联的风险金融卡的卡信息。
[0345]
在一些实施方式中，处理器301，执行接收所述目标金融机构发送的调查反馈结果，所述调查反馈结果为所述目标金融机构针对各所述风险金融卡的风险真实性进行调查得到的结果；
[0346]
基于接收到的调查反馈结果，对所述关联传播模型进行更新。
[0347]
在一些实施方式中，处理器301，执行在各所述风险因子下的风险交易数据中，确定在至少两个维度上满足预设条件的第二风险交易数据；
[0348]
获取与确定的第二风险交易数据关联的风险金融卡的卡信息。
[0349]
在一些实施方式中，处理器301，执行基于所述n个风险指标类的风险评分，对所述n个风险指标类进行因子分析，得到所述n个风险指标类的权重；
[0350]
获取所述n个风险指标类中各风险指标类的风险态势因子，所述风险态势因子用于表征其对应的风险指标类在金融行业中的风险态势；
[0351]
基于所述n个风险指标类中各风险指标类的权重和对应的风险态势因子，对所述n个风险指标类的权重进行更新，得到所述n个风险指标类的第一权重。
[0352]
在一些实施方式中，处理器301，执行获取所述n个风险指标类中各风险指标类的风险态势得分，所述风险态势得分包括舆情风险得分和异动风险得分中的至少一项；
[0353]
基于各所述风险指标类的风险态势得分，确定各所述风险指标类的风险态势因子。
[0354]
在一些实施方式中，所述风险态势得分包括舆情风险得分。
[0355]
处理器301，执行通过数据爬虫对金融行业的风险相关文本进行爬取，并生成包括爬取的风险相关文本的数据库；
[0356]
对所述数据库中的各文本进行分词，并统计分词后得到的词汇中各所述风险指标类所对应的风险词汇的出现频次；
[0357]
根据所述分词中各所述风险指标类所对应的风险词汇的出现频次，对各所述风险指标类进行评分，得到各所述风险指标类的舆情风险得分。
[0358]
在一些实施方式中，所述风险态势得分包括异动风险得分。
[0359]
处理器301，执行在预设周期内，对所述n个风险指标类中各风险指标类进行异动分析，生成异动分析报告；
[0360]
基于所述异动分析报告中各所述风险指标类的异动程度，生成各所述风险指标类
的异动风险得分。
[0361]
关于上述实施例中的电子设备，其中处理器301执行操作的具体方式以及有益效果已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
[0362]
本技术实施例还提供一种可读存储介质，所述可读存储介质上存储有程序或指令，该程序或指令被处理器执行时实现上述金融卡业务的风险分析方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
[0363]
其中，所述处理器为上述实施例中所述的电子设备中的处理器。所述可读存储介质，包括计算机可读存储介质，如计算机只读存储器rom、随机存取存储器ram、磁碟或者光盘等非暂态计算机可读存储介质。
[0364]
本技术实施例另提供了一种芯片，所述芯片包括处理器和通信接口，所述通信接口和所述处理器耦合，所述处理器用于运行程序或指令，实现上述金融卡业务的风险分析方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
[0365]
应理解，本技术实施例提到的芯片还可以称为系统级芯片、系统芯片、芯片系统或片上系统芯片等。
[0366]
本技术实施例提供一种计算机程序产品，该程序产品被存储在存储介质中，该程序产品被至少一个处理器执行以实现如上述金融卡业务的风险分析方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
[0367]
需要说明的是，在本文中，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、物品或者装置不仅包括那些要素，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、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。此外，需要指出的是，本技术实施方式中的方法和装置的范围不限按示出或讨论的顺序来执行功能，还可包括根据所涉及的功能按基本同时的方式或按相反的顺序来执行功能，例如，可以按不同于所描述的次序来执行所描述的方法，并且还可以添加、省去、或组合各种步骤。另外，参照某些示例所描述的特征可在其他示例中被组合。
[0368]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分可以以计算机软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，或者网络设备等)执行本技术各个实施例所述的方法。
[0369]
上面结合附图对本技术的实施例进行了描述，但是本技术并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本技术的启示下，在不脱离本技术宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本技术的保护之内。