数据处理方法、装置、计算机设备以及存储介质与流程

1.本技术涉及计算机技术领域，尤其涉及一种数据处理方法、装置、计算机设备以及存储介质。


背景技术：

2.当参与主体支持多种资源数据类型的资源数据的交易时，参与主体需要监控所有交易的总体损益。目前，是由人工计算所有交易的损益情况，一旦发现损益异常，人工生成告警，以通知相应的处置人员对异常情况进行处理。
3.对交易的自动化监控程度低下会导致误告警的情况，且仅仅对参与主体的总体损益进行监控导致监控粒度较粗。因此，如何避免误告警以及精细化监控交易数据是当前研究热点。


技术实现要素：

4.本技术实施例提供一种数据处理方法、装置、计算机设备以及存储介质，可以避免误告警以及精细化监控交易数据。
5.本技术实施例一方面提供了一种数据处理方法，包括：
6.获取已结算交易数据集合，所述已结算交易数据集合包括n个已结算交易数据，每个已结算交易数据均包括交易信息和资源数据类型，所述已结算交易数据集合对应k个资源数据类型，n，k均是正整数；
7.对所述已结算交易数据集合中的交易信息进行损益统计处理，得到每种资源数据类型的损益；
8.当k个资源数据类型中存在m个资源数据类型的损益小于损益阈值时，获取m个资源数据类型的损益原因，并根据m个资源数据类型的损益原因生成损益告警信息，m是正整数；
9.输出所述损益告警信息。
10.本技术实施例一方面提供了一种数据处理装置，包括：
11.获取模块，用于获取已结算交易数据集合，所述已结算交易数据集合包括n 个已结算交易数据，每个已结算交易数据均包括交易信息和资源数据类型，所述已结算交易数据集合对应k个资源数据类型，n，k均是正整数；
12.统计模块，用于对所述已结算交易数据集合中的交易信息进行损益统计处理，得到每种资源数据类型的损益；
13.生成模块，用于当k个资源数据类型中存在m个资源数据类型的损益小于损益阈值时，获取m个资源数据类型的损益原因，并根据m个资源数据类型的损益原因生成损益告警信息，m是正整数；
14.输出模块，用于输出所述损益告警信息。
15.本技术实施例一方面提供了一种计算机设备，包括存储器和处理器，存储器存储
有计算机程序，计算机程序被处理器执行时，使得处理器执行上述各实施例中的方法。
16.本技术实施例一方面提供了一种计算机存储介质，计算机存储介质存储有计算机程序，计算机程序包括程序指令，程序指令当被处理器执行时，执行上述各实施例中的方法。
17.本技术实施例一方面提供了一种计算机程序产品或计算机程序，计算机程序产品或计算机程序包括计算机指令，计算机指令存储在计算机可读存储介质中，计算机指令被计算机设备的处理器执行时，执行上述各实施例中的方法。
18.本技术由终端设备自动对已结算交易数据集合中的交易信息进行统计处理，以得到每一种资源数据类型的损益，相比仅监控所有资源数据类型的总损益，本技术是针对每一种资源数据类型的损益，因此对交易数据的监控粒度更细；再有，本技术由终端设备自动计算损益，进而生成告警信息，没有人工参与自动化程度高，可以避免出现误告警的情况；进一步地，本技术的告警信息中还包括资源数据类型的损益较小的损益原因，可以丰富告警信息包含的内容。
附图说明
19.为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
20.图1是本技术实施例提供的一种损益示意图；
21.图2是本技术实施例提供的一种数据处理的整体业务示意图；
22.图3为本技术实施例提供的一种数据处理的流程示意图；
23.图4是本技术实施例提供的一种损益指标体系示意图；
24.图5是本技术实施例提供的一种展示页面的示意图；
25.图6为本技术实施例提供的一种数据处理的流程示意图；
26.图7是本技术实施例提供的一种3-sigma算法示意图；
27.图8是本技术实施例提供的一种展示页面的示意图；
28.图9是本技术实施例提供的一种展示页面的示意图；
29.图10是本技术实施例提供的一种业务处置页面的示意图；
30.图11是本技术实施例提供的一种前端框架示意图；
31.图12是本技术实施例提供的一种中间层框架示意图；
32.图13是本技术实施例提供的一种系统安全框架示意图；
33.图14是本技术实施例提供的一种区块链的系统架构图；
34.图15是本技术实施例提供的一种数据处理的流程示意图；
35.图16是本技术实施例提供的一种数据处理装置的结构示意图；
36.图17是本技术实施例提供的一种计算机设备的结构示意图。
具体实施方式
37.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、完
整地描述，显然，所描述的实施例仅仅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在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
38.本技术可以应用于跨境收单业务的风险感知和评估系统，该系统中的风险感知模块主要是用于计算每一种资源数据类型的损益，大盘总损益，以及发现异常交易对象(在本技术中交易对象是指发生消费行为的境外商户)，能够使相关业务人员及时感知风险情况；该系统中的评估模块主要是用于找出亏损原因，发布告警信息以及根据告警信息展示对应的处置页面，以使业务人员可以在该处置页面中进行业务操作，以提高业分析效率和异动处置效率。
39.下面首先对跨境收单的定义，以及跨境收单时资源数据类型的损益的定义进行说明：
40.跨境收单是指境内的个人在境外商户产生消费后，由参与主体收取境内个人的人民币货款，再统一通过合作银行向境外商户结汇。
41.由于用户消费时间和对商户结算时间存在时间差，同一资源数据类型的消费时点汇率和结算时点汇率可能会发生较大波动，导致参与主体需用更多资源数据(相比交易时点)购入商户支持的资源数据类型的资源数据向商户结算，引发亏损。如：内地消费者在t日在香港商户a共消费了1亿港币，消费时港币对人民币的汇率是0.8840。假设由于外部事件冲击，在t 1日结算时港币对人民币的汇率是0.9540，故引发参与主体700万的亏损(1亿
×
(0.8840-0.9540) ＝-700万)。
42.如图1所示，图1是本技术实施例提供的一种损益示意图，从图1可以看出，在02:00发生了一笔交易，该交易在04:00结算，且该交易成交时的比率(在 02:00时刻的比率)是要比结算时的比率(在04:00时刻的比率)低，因此对参与主体来说，这一笔交易就会引发亏损。
43.综上，跨境收单时资源数据类型的损益的定义如下公式(1)：
[0044][0045]
其中，qi表示第i种资源数据类型的资源数据总量，t
txn
表示交易时第i种资源数据类型的汇率，t
settlement
表示结算时第i种资源数据类型的汇率。
[0046]
一般来说，参与主体可以支持多种资源数据类型的跨境收单业务，例如可以支持人民币对港币的跨境收单，可以支持人民币对美元的跨境收单，可以支持人民币对日元的跨境收单等。现有技术中，往往只关注参与主体在大盘上的总体损益，对损益的监控粒度较粗；且出现损益异常后，没有配套的广播、异动归因、风险处置等流程方案，缺乏一体化处置平台。
[0047]
本技术正是在上述背景技术基础上提出的方案，本技术不仅确定参与主体的大盘总体损益，还会细粒度地确定每一种资源数据类型的损益(例如，确定港币这一种资源数据类型的损益，确定美元这一种资源数据类型的损益，以及确定日币这一种资源数据类型的损益)，通过粒度细化，更精确地监控跨境收单业务数据；再有本技术通过发现异常损益，以及为异常损益查找损益原因，生成告警以及展示处置页面等一体化流水线形成业务闭环，可以提高异动处置效率；还有，本技术通过商户的实时交易量(实时交易量可以包含已结算交易量和未结算交易量)以及预测交易量及时发现异常商户，一旦发现异常商户，可以提醒
用户谨慎交易，以保护用户的资产安全。
[0048]
请参见图2，图2是本技术实施例提供的一种数据处理的整体业务示意图，本技术涉及两个部分，一部分是通过t日的已结算交易数据计算t日各个资源数据类型(通俗来说就是各个币种)的损益、大盘损益、各个时间段的损益等，根据损益阈值以及计算出来的各个资源数据类型的损益、大盘损益、各个时间段的损益来确定是否生成告警；另一部分是通过t-1日的离线交易数据预测交易对象在t日的预测交易量，通过t日实时交易数据中的交易量和预测交易量发现该交易对象是否为异常交易对象。若是异常交易对象，也要针对该异常交易对象的告警。
[0049]
生成了告警后，本技术还可以从多个维度分析异常，以得到异常原因；以及通过可视化平台将交易走势、比率走势(即汇率走势)以及损益走势通过图表的形式展示出来。分析出异常原因后，向对应的业务人员发送告警(即对应图2中的告警广播)，业务人员接收到告警后，人工进行核验并进行业务处理。后续，可以将处理日志记录下来。
[0050]
下面结合附图，对本技术实施例提供的数据处理方案进行详细介绍。
[0051]
请参见图3，图3为本技术实施例提供的一种数据处理的流程示意图。下述实施例以服务器为执行主体进行描述(当然也可以将终端设备为执行主体进行描述)，该数据处理方案包括如下步骤：
[0052]
步骤s101，获取已结算交易数据集合，所述已结算交易数据集合包括n个已结算交易数据，每个已结算交易数据均包括交易信息和资源数据类型，所述已结算交易数据集合对应k个资源数据类型，n是正整数。
[0053]
具体的，服务器获取已结算交易数据集合，已结算交易数据集合可以是前述中跨境收单业务中的交易数据，已结算交易数据集合中包括n个已结算交易数据，每个已结算交易数据均包括交易信息和资源数据类型，交易信息均包括交易数据量、交易比率和结算比率。
[0054]
其中，交易比率可以认为是消费者在境外商户产生交易时的汇率；结算比率可以认为是参与主体向境外商户结算时的汇率，资源数据类型指的是结汇的资源数据类型，即境外商户支持的资源数据类型。
[0055]
举例来说，内地消费者在t日在香港商户a共消费了100港币，消费时港币对人民币的汇率是0.8840，在t 1日结算时港币对人民币的汇率是0.9540，那么对应的已结算交易数据可以表示为：(100,0.8840,0.9540,港币)。
[0056]
已结算交易数据集合可以对应k个资源数据类型，当然，k是不大于n的。
[0057]
需要说明的是，为了体现实时性，可以每10分钟就获取一次已结算交易数据集合。例如，当前日期是2021/2/24，在这一天内，每间隔10分钟就获取一次今天之内的已结算交易数据集合，进而可以实时地根据已结算交易数据集合确定每种资源数据类型的损益。
[0058]
当然，若间隔时长取值更短，实时性就更强，例如，每间隔1分钟就获取一次已结算交易数据集合，再采用本技术的方案就可以更实时地确定每种资源数据类型的损益。
[0059]
需要说明的是，上述已结算交易数据是已经结汇的交易数据，换句话说，就是参与主体已经向境外商户结算的交易数据，但发生消费者和境外商户之间的交易行为的时间只要在结算之前即可，其余没有限定。
[0060]
资源数据类型除了是真实的货币类型，还可以是游戏应用中的游戏币类型。例如，
在跨游戏应用玩家交易平台上，一个游戏应用对应1种游戏币类型，交易比率可以认为是游戏应用a中的玩家与游戏应用b中的玩家产生交易时的比率；结算比率可以认为是参与主体向游戏应用b中的玩家结算时的比率，资源数据类型指的是游戏应用对应的游戏币类型。
[0061]
步骤s102，对所述已结算交易数据集合中的交易信息进行损益统计处理，得到每种资源数据类型的损益。
[0062]
具体的，服务器可以根据每个已结算交易数据中的资源数据类型，将这n 个已结算交易数据划分为多个单位集合，每个单位集合中的已结算交易数据的资源数据类型相同。
[0063]
针对任一单位集合来说，分别计算该单位集合中每个已结算交易数据的单位损益，将所有的单位损益进行叠加即可得到该单位集合对应的资源数据类型的损益。此处的资源数据类型的损益可以是正数，也可以是负数，正数表示该资源数据类型当前是盈利状态，负数表示该资源数据类型当前是亏损状态。
[0064]
举例来说，现有4个已结算交易数据，分别为已结算交易数据1：(100,0.8,0.9, 港币)，已结算交易数据2：(200,0.7,0.9,港币)，已结算交易数据3：(100,10,9,美元)，已结算交易数据4：(200,10,12,美元)，那么可以将上述4个已结算交易数据划分为2个单位集合，分别为单位集合1：{已结算交易数据1：(100,0.8,0.9, 港币)，已结算交易数据2：(200,0.7,0.9,港币)}，和单位集合2：{已结算交易数据3：(100,10,9,美元)，已结算交易数据4：(200,10,12,美元)}。针对单位集合1 来说：已结算交易数据1的单位损益是：100
×
(0.8-0.9)＝-10，已结算交易数据2 的单位损益是：200
×
(0.7-0.9)＝-40，因此资源数据类型为港币的损益就是-50；可以采用与上述同样的方式计算出资源数据类型为美元的损益是-30。
[0065]
可选的，服务器可以将k种资源数据类型的损益叠加为累计损益，该累计损益与可以认为是参与主体的大盘损益。
[0066]
可选的，每个已结算交易数据还包括结算时间戳，已结算交易数据集合对应p个结算时间段，除最后一个结算时间段以外，其余结算时间段的时长都与预设时长(预设时长可以等于1小时)相同。
[0067]
举例来说，已结算交易数据集合是2021/2/24/00:00-2021/2/24/02:30之间的已结算交易数据，若预设时长是1个小时，可以将已结算交易数据集合划分为3 个结算时间段，分别为：2021/2/24/00:00-2021/2/24/00:59、 2021/2/24/01:00-2021/2/24/01:59、2021/2/24/02:00-2021/2/24/02:30。
[0068]
服务器可以根据每个已结算交易数据的结算时间戳，将上述k个单位集合再划分为多个子单位集合，每个子单位集合中已结算交易数据的资源数据类型相同，且结算时间戳处于同一个结算时间段内。针对一个子单位集合来说，服务器统计该子单位集合中的已结算交易数据的损益，将该损益作为该子单位集合对应的资源数据类型和结算时间段的损益。对所有的子单位集合都可以计算出来一个损益，可以得到每种资源数据类型在每个结算时间段的损益。
[0069]
服务器还可以将每个结算时间段内的所有资源数据类型的损益叠加为每个结算时间段内的总损益。
[0070]
总结上述过程，每种资源数据类型的损益是在资源数据类型的维度来确定的损
益，每个结算时间段内的总损益是在结算时间段的维度来确定的损益，累计损益就是参与主体大盘整体损益。
[0071]
通过不同维度，不同粒度的分析已结算交易数据来确定损益，可以更好地帮助参与主体来分析已结算交易数据。
[0072]
请参见图4，图4是本技术实施例提供的一种损益指标体系示意图，用户交易数据和结算数据合并起来可以对应本技术中的已结算交易数据，通过用户交易数据中的资源数据类型可以将对应的已结算交易数据写入对应的渠道，对于发生在夜间的已结算交易数据，对应的已结算交易数据写入对应渠道的夜间借道。已结算交易数据划分好后，通过对同一种资源数据类型的损益进行统计，可以得到该种资源数据类型的日累计损益。将所有资源数据类型的日累计损益叠加为大盘损益，大盘损益即是参与主体在当日的总损益。
[0073]
服务器可以在展示页面展示上述每个时间内的总损益，累计损益，每种资源数据类型的损益；或者，在展示页面展示p个结算时间段中的最大结算时间段内的总损益(若结算时间段的时长是1小时，可以知道当前1小时内的所有资源数据类型的总损益)和累计损益。
[0074]
当然，服务器在展示每种资源数据类型的损益时，可以按照损益从大到小 (或者从小到大)的顺序来展示k个资源数据类型的损益。
[0075]
请参见图5，图5是本技术实施例提供的一种展示页面的示意图，在展示页面上可以显示出大盘的小时累计损益(当前这一个小时内的累计损益)以及大盘的日累计损益，在图5中黑色涂黑部分表示亏损量。可以知道，不同的亏损量对应不同等级的告警线，当然，不同等级的告警线生成的告警信息也不同。例如，一级告警线对应的告警信息可以用橙色字体表示，二级告警信息可以用红色字体表示等。
[0076]
步骤s103，当k个资源数据类型中存在m个资源数据类型的损益小于损益阈值时，获取m个资源数据类型的损益原因，并根据m个资源数据类型的损益原因生成损益告警信息，m是正整数。
[0077]
具体的，服务器获取预设的损益阈值，当k个资源数据类型的损益中存在 m个资源数据类型的损益小于损益阈值时，服务器获取这m个资源数据类型中的每个资源数据类型的损益原因，m是正整数。
[0078]
针对m个资源数据类型中的任一个资源数据类型(称为目标资源数据类型)，确定目标资源数据类型的损益原因的具体过程如下：
[0079]
从前述可知，已结算交易数据集合对应p个结算时间段，可以将p个结算时间段中最大结算时间段称为第二结算时间段，在p个结算时间段中与第二结算时间段相邻的结算时间段称为第一结算时间段。
[0080]
服务器从已结算交易数据集合中抽取目标资源数据类型在第一结算时间段内的已结算交易数据(称为第一已结算交易数据集)，并从已结算交易数据集合中抽取目标资源数据类型在第二结算时间段内的已结算交易数据(称为第二已结算交易数据集)。服务器计算第一已结算交易数据集合中的已结算交易数据的交易比率的平均值(称为第一交易比率均值a1)，计算第一已结算交易数据集合中的已结算交易数据的结算比率的平均值(称为第一结算比率均值b1)，计算第一已结算交易数据集合中的已结算交易数据的交易数据量之和(称为第一交易总量c1)。
[0081]
同样地，服务器计算第二已结算交易数据集合中的已结算交易数据的交易比率的平均值(称为第二交易比率均值a2)，计算第二已结算交易数据集合中的已结算交易数据的结算比率的平均值(称为第二结算比率均值b2)，计算第二已结算交易数据集合中的已结算交易数据的交易数据量之和(称为第二交易总量c2)。
[0082]
根据下述公式(2)计算第一损益s1：
[0083]
s1＝c1*(a1-b1)
ꢀꢀꢀ
(2)
[0084]
根据下述公式(3)计算第二损益s2：
[0085]
s2＝c2*(a2-b2)
ꢀꢀꢀ
(3)
[0086]
服务器将第二损益s2减去第一损益s1得到损益变动，损益变动的计算公式如下公式(4)：
[0087]
δs＝s2-s1
ꢀꢀꢀ
(4)
[0088]
根据下述公式(5)计算交易量贡献率p1：
[0089][0090]
根据下述公式(6)计算比率贡献率p2：
[0091][0092]
服务器可以将上述计算出来的交易量贡献率p1和比率贡献率p2组合为目标资源数据类型的损益原因。分析上述损益原因的计算过程可以知道，损益原因即是确定交易量因素对整体损益的贡献率 资源数据类型之间的比率对整体损益的贡献率。
[0093]
服务器可以采用相同的方式确定m个资源数据类型中的每个资源数据类型的损益原因。
[0094]
服务器确定了m个资源数据类型中的每个资源数据类型的损益原因后，可以生成包含这m个资源数据类型的损益原因的损益告警信息，以辅助业务人员在进行处置时，能够快速定位问题原因以作出最优处置。或者，服务器可以为 m个资源数据类型中的每一个资源数据类型都生成对应的损益告警信息，即会生成m个损益告警信息。
[0095]
可选的，前面描述了当资源数据类型的损益小于损益阈值时，会为该资源数据类型生成损益告警信息。从前述可知，前面不仅计算了每种资源数据类型的损益，还计算了每个结算时间段的总损益，以及累计损益，同样地，若p个结算时间段中的任一结算时间段的总损益小于第一阈值，则分析造成该任一结算时间段的总损益小于第一阈值的资源数据类型(称为辅助资源数据类型)，进而采用上述方式，确定该辅助资源数据类型的损益原因，再生成告警信息，该告警信息中包含辅助资源数据类型的损益原因。
[0096]
可选的，若累计损益小于第二阈值，则分析造成该累计损益小于第二阈值的资源数据类型(称为辅助资源数据类型)，进而采用上述方式，确定该辅助资源数据类型的损益原因，再生成告警信息，该告警信息中包含辅助资源数据类型的损益原因。
[0097]
可以知道，当需要确定累计损益的损益原因，或者每个结算时间段的损益原因时，最后都需要关注到某一种资源数据类型上来。
[0098]
步骤s104，输出所述损益告警信息。
[0099]
上述可知，本技术不仅计算出参与主体的大盘总损益，还会计算每个时间段内的
总损益，每种资源数据类型的损益，对交易数据的监控粒度更细；再有，本技术在展示页面按照从大到小的顺序展示出每个时间内的总损益，累计损益，每种资源数据类型的损益，可以提升损益的展示效果；进一步地，本技术中的损益原因即是交易量因素对整体损益的贡献率 资源数据类型之间的比率对整体损益的贡献率，对资源数据类型的损益原因分析准确。
[0100]
请参见图6，图6为本技术实施例提供的一种数据处理的流程示意图，该数据处理方案包括如下步骤：
[0101]
步骤s201，获取已结算交易数据集合，所述已结算交易数据集合包括n个已结算交易数据，每个已结算交易数据均包括交易信息和资源数据类型，所述已结算交易数据集合对应k个资源数据类型，n，k均是正整数。
[0102]
步骤s202，对所述已结算交易数据集合中的交易信息进行损益统计处理，得到每种资源数据类型的损益。
[0103]
步骤s203，当k个资源数据类型中存在m个资源数据类型的损益小于损益阈值时，获取m个资源数据类型的损益原因，并根据m个资源数据类型的损益原因生成损益告警信息，m是正整数，输出所述损益告警信息。
[0104]
其中，步骤s201-步骤s203的具体实现方式可以参见上述图3对应实施例中的步骤s101-步骤s104。
[0105]
步骤s204，获取u个交易对象的目标交易数据，每个目标交易数据均包括交易数据量。
[0106]
具体的，服务器获取u个交易对象在t日的目标交易数据，前述中的已结算交易数据可以对应u个交易对象，此处的交易对象可以是指境外商户，或者游戏玩家，当前日期为t日，换句话说，服务器获取的就是u个交易对象在当日的交易数据。
[0107]
目标交易数据是消费者和交易对象已经产生了交易行为，但交易对象还未和参与主体结算的交易数据。举例来说，在2021/2/24/12:00用户在香港商户a 中购买了商品a，价格是100港币，且交易是交易比率是0.8；但参与主体还未和香港商户a结算此笔交易，因此，目标交易数据可以表示为：(100,香港商户 a,0.8,2021/2/24/12:00)，由于还未结算，因此此时还不能生成对应的已结算交易数据。
[0108]
步骤s205，对所述u个交易对象的目标交易数据中的交易数据量进行统计处理，得到u个交易对象中的异常交易对象，根据所述异常交易对象生成交易告警信息。
[0109]
具体的，服务器可以按照不同的交易对象，将所有的目标交易数据划分为u 个簇，每个簇中的目标交易数据属于同一个交易对象。
[0110]
将每一个簇中的目标交易数据中的交易数据量叠加为该簇对应的交易对象的累计交易数据量，即是获取每个商户的未结算的累计交易数据量。
[0111]
服务器再获取每个交易对象的预测交易数据量，其中交易对象在t日的预测交易数据量是由交易对象在t-1日真实交易数据预测得到，t-1日真实交易数据是t-1日的完整交易数据。
[0112]
服务器将预测交易数据量大于累计交易数据量的交易对象作为异常交易对象。
[0113]
本技术从历史交易总天数、最近一次交易时间、日均交易规模、交易稳定性、交易活跃度等5方面，将所有就交易对象分为3种类型(分别是高活跃度类型、中活跃度类型和低
活跃度类型)，每种类型匹配相应的预测方案。具体来说，针对高活跃度类型的交易对象采用prophet算法来预测，针对中活跃度类型的交易对象采用3-sigma算法算法来预测，针对低活跃度类型的交易对象采用动态行业均值来预测。
[0114]
下面分别对这3种预测方案进行说明，首先说明基于prophet算法和某一个交易对象在t-1日的完整历史交易数据(主要是利用历史交易数据中的交易数据量)，来预测该交易对象在t日的预测交易数据量：
[0115]
prophet根据经典时序理论，将时序数据拆分为趋势项、周期项、季节项、节假日项，对每一项分段拟合，可以表示为下述公式(7)：
[0116]
y(t)＝g(t) s(t) h(t) ε(t)
ꢀꢀꢀ
(7)
[0117]
其中，g(t)表示趋势项，它表示时间序列在非周期上面的变化趋势；s(t)表示周期项，或者称为季节项，一般来说是以周或者年或者小时为单位；h(t)表示节假日项，表示在当天是否存在节假日；ε(t)表示误差项或者称为剩余项。prophet 算法就是通过拟合这几项，然后最后把它们累加起来就得到了时间序列的预测值。
[0118]
趋势项模型g(t)：分段线性或逻辑增长曲线趋势：
[0119]
基于逻辑回归的趋势项可以表示为下述公式(8)：
[0120][0121]
其中，c(t)是业务经验上限；k为初始增长率；α(t)为指示函数，σ表示表示增长率的变化量，m为偏差参数；
[0122]
基于线性回归的趋势项可以表示为下述公式(9)：
[0123]
g(t)＝(k α(t)σ*t (m α(t)
t
γ))
ꢀꢀꢀ
(9)
[0124]
公式(9)中参数的含义与公式(8)中参数的含义一致。
[0125]
季节项模型s(t)：用傅里叶级数模拟每年的季节性分量：
[0126]
由于季节项描述的是周期性行为，故可以通过正弦和余弦函数(下述公式(10))来综合表示季节项模型s(t)(傅里叶级数)，
[0127][0128]
从经验看来，对于以年为周期的序列(p＝365.25)而言，n＝10；对于以周为周期的序列(p＝7)而言，n＝3；
[0129]
将公式(10)进一步抽象为：s(t)＝x(t)β，其中β～n(0,σ2)。在模型中，σ2通过季节性优先等级来控制，σ2值越大，表示季节的效应越明显。
[0130]
节假日项模型h(t)用虚拟变量来模拟每周的周期性分量，可以用下述公式 (11)来表示：
[0131][0132]
其中，k～n(0,v2)，v是假日优先级，默认值为10，当v的取值越大，表示节假日对模型的影响越大。
[0133]
其次来说明基于3-sigma算法和某一个交易对象在t-1日的完整历史交易数据(主要是利用历史交易数据中的交易数据量)，来预测该交易对象在t日的预测交易数据量：
[0134]
3-sigma模型数据需要服从正态分布。在3σ原则下，异常值如超过3倍标准差，那么可以将其视为异常值。正负3σ的概率是99.7％。因此首先基于在t-1 日的完整历史交易数据中的交易数据量计算出均值u和标准差σ，将u 3σ作为该交易对象在t日的预测交易数据量。
[0135]
请参见图7，图7是本技术实施例提供的一种3-sigma算法示意图，从图 7可以看出，通常把等于
±
3σ的误差作为极限误差，对于正态分布的随机误差，落在
±
3σ以外的概率只有0.27％，它在有限次测量中发生的可能性很小，故存在3σ准则。如果一组测量数据中某个测量值的残余误差的绝对值νi＞3σ，则该测量值为坏值，即对应本技术中的超过预测交易量的累计交易数据量。
[0136]
最后来说明采用动态行业均值，来预测某一个交易对象在t日的预测交易数据量：
[0137]
服务器获取与待预测交易对象同行业的其余交易对象在t-1日的历史交易数据，将获得历史交易数据中的交易数据量的平均值作为待预测交易对象在t 日的预测交易数据量。
[0138]
至此，服务器就从u个交易对象中确定了异常交易对象，服务器可以直接生成包含异常交易对象的交易告警信息，以提醒业务处理人员特别注意这些异常交易对象。
[0139]
可选的，在确定异常交易对象后，还可以进一步基于结合交易量级、交易对象风险评级、累计交易数据量和预测交易数据量的偏离度等变量确定是否生成交易告警信息，以及该交易告警信息对应的处置部分。具体过程用以下算法描述：
[0140][0141]
步骤s206，输出所述交易告警信息。
[0142]
可选的，服务器还可以针对u个交易对象的累计交易数据量进行排序，得到排序结果，排序结果中包含u个交易对象，以及每个交易对象的累计交易数据量，且这u个交易对象的累计交易数据量是按照从大到小(或者从小到大) 的顺序排列的。服务器在展示页面展示排序结果，以方便业务人员可以快速定位到累计交易数据量较大的交易对象。
[0143]
请参见图8，图8是本技术实施例提供的一种展示页面的示意图，通过统计每个交易对象的累计交易量(累计交易量可以对应本技术的累计交易数据量)，在展示页面按照从大到小的原则依次展示多个交易对象，以及每个交易对象的累计交易量。
[0144]
可选的，每个目标交易数据还包括交易时间戳和交易比率，服务器可以根据u个交易对象的目标交易数据的交易时间戳，将所有的目标交易数据划分为多个目标交易数据集合，同一个目标交易数据集合中的目标交易数据中的交易时间戳处于同一交易时间段。例
如，将一个小时作为一个交易时间段。
[0145]
服务器将每个目标交易数据中的交易数据量乘以交易比率，可以得到每个目标交易数据的转换交易量，这是因为不同的目标交易数据对应不同资源数据类型，通过交易数据量和交易比率的相乘得到的转换交易量的资源数据类型是相同的(例如，转换交易量的资源数据类型是人民币类型)。服务器可以将同一个目标交易数据集合中的目标交易数据的转换交易量进行叠加，得到该目标交易数据集合对应的交易时间段的交易敞口。将所有交易时间段的交易敞口叠加为累计交易敞口，在展示页面展示每个交易时间段的交易敞口以及累计交易敞口。或者在展示页面仅展示累计交易敞口和多个交易时间段中的最大交易时间段的交易敞口。
[0146]
交易敞口是对参与主体来说的，即消费者和境外商户已经产生了交易，但参与主体还未与境外商户结算的交易数据量可以称之为交易敞口，交易敞口通俗理解就是参与主体需要承担的风险，交易敞口越大，需要参与主体承担的风险的就越大。
[0147]
当多个交易时间段中的任一交易时间段的交易敞口大于第一敞口阈值，或者当累计交易敞口大于第二敞口阈值，服务器生成敞口告警信息，并向对应的业务人员输出该敞口告警信息。
[0148]
如图5所示，在展示页面可以显示大盘当前的一个小时内的累计敞口，以及显示大盘在当日的累计敞口。当小时累计敞口大于对应的阈值，或者日累计敞口大于对应的阈值，可以生成对应的告警信息，且超出阈值的不同程度，对应不同等级的告警信息，不同等级的告警信息可以帮助后续的业务人员为告警信息排序出处理优先级。
[0149]
请参见图9，图9是本技术实施例提供的一种展示页面的示意图，在展示页面中显示出每种资源数据类型(外币类型)对应的敞口(可以是小时累计敞口，或者可以是日累计敞口)，以及每种资源数据类型的损益(可以是小时累计损益，或者可以是日累计损益)。从资源数据类型的角度，分析每种资源数据类型所承担的风险，以及大盘损益。
[0150]
其中，每种资源数据类型的敞口就是将属于同一种资源数据类型的目标交易数据的转换交易量进行叠加，即可得到该种资源数据类型对应的敞口。
[0151]
可选的，当服务器获取到损益告警信息，或者获取到交易告警信息，或者获取到敞口告警信息时，服务器可以展示对应告警信息的业务处置页面，使得业务人员可以在业务处置页面上生成用户处置指令。或者，服务器可以生成业务处置页面，并将该业务处置页面推送至对应的业务处置人员，以使对应的业务处置人员可以业务处置页面上生成用户处置指令。
[0152]
请参见图10，图10是本技术实施例提供的一种业务处置页面的示意图，图 10对应的业务处置页面是针对交易告警信息的业务处置页面，在业务处置页面中可展示交易对象的标识，资源数据类型，预测交易量和实时累计交易量。当然，实时累计交易量是大于预测交易量的。业务人员根据业务处置页面所展示的信息，可以勾选对应的处置操作，后续可以根据业务人员所勾选的处置操作生成用户处置指令，服务器可以基于用户处置指令执行对应的业务操作。
[0153]
从前述可知，跨境收单业务的风险感知和评估系统可以展示每个结算时间段的总损益、累计损益以及每种资源数据类型的损益，分析损益原因，生成告警信息，以及跳转业务处置页面。下面对上述系统在可视化方面上的实现进行说明：
[0154]
前端主要是对数据进行可视化处理，方便对关键数据进行分析、告警和展示，在node中间层开启进程进行数据的查询和接口合并处理，前端使用基于vue 框架 echart进行数据可视化展示，node中间层采用egg框架。涉及的技术框架如下表1所示：
[0155]
表1
[0156]
前端框架vue.js egg.js elementui前端图表库ehcharts数据库mysql
[0157]
如图11所示，在展示端使用了基于mvvm模式设计的vue框架，公共组件库elementui和图表库echart，运用elementui的公共组件整合成粒度更大的业务组件。依托echart丰富的图表库，对node层处理过后的数据进行展示。
[0158]
数据的展示处理：
[0159]
当需要展示比率(包含交易比率和结算比率)时，由于比率数值偏差比较小，因此需要在展示上需要明显体现出涨跌的幅度，纵坐标展示汇率的最低值和最高值，在最低值和最高值之间根据偏差进行排列，这样能达到明显的波动的效果。
[0160]
当需要展示每个结算时间段的总损益，或者需要展示每个交易时间段的交易敞口是，横坐标数据可能比较密集，在这种条件下，对横坐标的点于点之间做间隔处理，即首先展示部分横坐标的点，隐藏部分横坐标的点，当光标移动至被隐藏横坐标的点时，再展示被隐藏横坐标的点。达到展示疏密适当，数据趋势保持的效果。
[0161]
为了更好地达到可视化效果，对node层的部分接口进行合并，被合并的接口是可以获取首屏数据的接口，且对首屏数据进行异步请求，非首屏数据进行懒加载。接口合并后可以减少首屏的http请求，达到优化首屏的目的。
[0162]
如图12所示，node中间层采用egg框架，egg继承了koa框架，中间件的编写风格选择洋葱圈模型，为上层提供架构能力，高度可扩展的插件机制，一个插件可以包含extend(扩展基础对象的上下文)，middleware(增加一个或多个中间件)，config(配置各个环境下插件自身的默认配置项)。在规范化的目录结构下进行功能迭代开发，其中包含了路由层、控制层、服务层、中间件、 schedule等。
[0163]
跨境收单业务的风险感知和评估系统在支持业务的过程中，中间件负责接口请求的安全过滤和请求的权限控制，在路由层配置对于的接口api路径，在 controler编写业务的接口，在server层编写sql语句调用mysql数据库，依托egg 的schedule来跑定时任务，定时查询，以监控业务数据的异常情况以及确定是否生成告警信息，让业务方缩短排查问题的时间。
[0164]
如图13所示，跨境收单业务的风险感知和评估系统内部功能的安全性和稳定性有由外围的四个部分来进行支撑，包含了fit权限系统、移动分析工具、aegis 前端监控、生成告警。实时性和有效性能够保证系统的稳定性和业务数据的稳定性。在跨境收单业务的风险感知和评估系统中，在egg框架中使用node插件，不影响原有的业务逻辑，在外层为系统提供保护和监控。有了外在的保护，让内在的功能得以顺利进行。
[0165]
请参见图14，图14是本技术实施例提供的一种区块链的系统架构图。前述实施例中的服务器可以为图14中的节点1、或节点2或节点3或节点4，所有的节点可以组合为区块链系统，每个节点都包括硬件层、中间层、操作系统层和应用层。从图14中可以看出，区块链
系统的中的每个节点所存储的区块链数据都相同。可以知道，上述节点可以包括计算机设备。下述实施例以目标区块链节点为执行主体进行描述，目标区块链节点是区块链系统中多个节点中的任一节点，目标区块链节点可以对应前述实施例中的服务器。
[0166]
请一并参见图15，图15是本技术实施例提供的一种数据处理的流程示意图，本实施例主要描述目标交易数据和已结算交易数据的监控与区块链技术的结合，数据处理包括如下步骤：
[0167]
步骤301，从区块链上获取已结算交易数据集合，所述已结算交易数据集合包括n个已结算交易数据，每个已结算交易数据均包括交易信息和资源数据类型，所述已结算交易数据集合对应k个资源数据类型，n，k均是正整数。
[0168]
具体的，当接收到监控请求时，目标区块链节点提取出监控请求所携带的区块高度，在区块链上读取该区块高度对应的区块，从该区块的区块体中读取数据，作为已结算交易数据集合。
[0169]
其中，当参与主体与跨境商户进行了结算时，目标区块链节点可以将已结算交易数据实时地存储在区块链上，并记录下已结算交易数据存储的区块高度。
[0170]
步骤s302，对所述已结算交易数据集合中的交易信息进行损益统计处理，得到每种资源数据类型的损益；
[0171]
步骤s303，当k个资源数据类型中存在m个资源数据类型的损益小于损益阈值时，获取m个资源数据类型的损益原因，并根据m个资源数据类型的损益原因生成损益告警信息，m是正整数，输出所述损益告警信息。
[0172]
其中，步骤s302-步骤s303的具体过程可以参见上述图3对应实施例中的步骤s102-步骤s104,。
[0173]
步骤304，将每个结算时间段的总损益、累计损益、每种资源数据类型的损益、m个资源数据类型的损益原因以及损益告警信息打包为区块，将所述区块存储至所述区块链上。
[0174]
具体的，目标区块链节点可以将生成损益告警信息中间过程所计算得到的每个结算时间段的总损益、累计损益、每种资源数据类型的损益、m个资源数据类型的损益原因以及损益告警信息存储至区块体，计算上述每个结算时间段的总损益、累计损益、每种资源数据类型的损益、m个资源数据类型的损益原因以及损益告警信息的默克尔根，并获取当前区块链的最后一个区块的哈希值，目标区块链节点将计算出来的默克尔根、当前区块链的最后一个区块的哈希值以及当前时间戳存储至区块头。目标区块链节点将该区块头以及区块体组合为区块，并将该区块存储至目标区块链节点所维护的区块链，以及向其余的节点广播该区块，以使其余的节点将该区块添加至各自维护的区块链，使得各节点所维护的区块链达到同步。
[0175]
可选的，除了将每个结算时间段的总损益、累计损益、每种资源数据类型的损益、m个资源数据类型的损益原因以及损益告警信息存储在区块链上以外，还可以将异常交易对象、交易告警信息、每个交易时间段的交易敞口、累计交易敞口以及敞口告警信息等都存储在区块链上。
[0176]
上述可知，依托于区块链的完整属性以及不可篡改属性，可以保证目标区块链节点获取到的已结算交易数据集合是可信且未被篡改的，因此基于已结算交易数据集合所统
计的每种资源数据类型的损益，以及生成的损益原因和损益告警信息也是可信任的，可以保证对已结算交易数据集合的统计结果的准确性。
[0177]
进一步的，请参见图16，其是本技术实施例提供的一种数据处理装置的结构示意图。如图16所示，数据处理装置1可以应用于上述图1-图15对应实施例中的服务器或者目标区块链节点。具体的，数据处理装置1可以是运行于计算机设备中的一个计算机程序(包括程序代码)，例如该数据处理装置1为一个应用软件；该数据处理装置1可以用于执行本技术实施例提供的方法中的相应步骤。
[0178]
数据处理装置1可以包括：获取模块11、统计模块12、生成模块13和输出模块14。
[0179]
获取模块11，用于获取已结算交易数据集合，所述已结算交易数据集合包括n个已结算交易数据，每个已结算交易数据均包括交易信息和资源数据类型，所述已结算交易数据集合对应k个资源数据类型，n，k均是正整数；
[0180]
统计模块12，用于对所述已结算交易数据集合中的交易信息进行损益统计处理，得到每种资源数据类型的损益；
[0181]
生成模块13，用于当k个资源数据类型中存在m个资源数据类型的损益小于损益阈值时，获取m个资源数据类型的损益原因，并根据m个资源数据类型的损益原因生成损益告警信息，m是正整数；
[0182]
输出模块14，用于输出所述损益告警信息。
[0183]
在一种可能的实施方式中，统计模块12在用于对所述已结算交易数据集合中的交易信息进行损益统计处理，得到每种资源数据类型的损益时，具体用于：
[0184]
将所述已结算交易数据集合划分为k个单位集合，每个单位集合中的资源数据类型相同；
[0185]
对每个单位集合中的交易信息分别进行损益统计处理，得到每种资源数据类型的损益。
[0186]
在一种可能的实施方式中，每个已结算交易数据还包括结算时间戳，所述已结算交易数据集合对应p个结算时间段；
[0187]
所述数据处理装置1还可以包括：第一展示模块15。
[0188]
第一展示模块15，用于对每个结算时间段对应的已结算交易数据中的交易信息进行损益统计处理，得到每种资源数据类型在每个结算时间段的损益，将每个结算时间段内的所有资源数据类型的损益叠加为每个结算时间段内的总损益，将每种资源数据类型的损益叠加为累计损益，在展示页面展示每个结算时间段的总损益、累计损益以及每种资源数据类型的损益。
[0189]
在一种可能的实施方式中，目标资源数据类型是m个资源数据类型中的任一资源数据类型，p个结算时间段包括第一结算时间段和第二结算时间段，第一结算时间段和第二结算时间段相邻，且第二结算时间段是p个结算时间段中的最大结算时间段；
[0190]
生成模块13在用于确定目标资源数据类型的损益原因时，具体用于：
[0191]
从所述已结算交易数据集合中抽取目标资源数据类型在第一结算时间段内的第一已结算交易数据集合；
[0192]
从所述已结算交易数据集合中抽取目标资源数据类型在第二结算时间段内的第二已结算交易数据集合；
[0193]
对所述第一已结算交易数据集合和第二已结算交易数据集合进行分析处理，得到交易量贡献率和比率贡献率；
[0194]
将交易量贡献率和比率贡献率组合为所述目标资源数据类型的损益原因。
[0195]
在一种可能的实施方式中，所述交易信息包括交易数据量、交易比率和结算比率；
[0196]
生成模块13在用于对所述第一已结算交易数据集合和第二已结算交易数据集合进行分析处理，得到交易量贡献率和比率贡献率时，具体用于：
[0197]
根据第一已结算交易数据集合中的交易比率确定第一交易比率均值，根据第一已结算交易数据集合中的结算比率确定第一结算比率均值，根据第一已结算交易数据集合中交易数据量确定第一交易总量；
[0198]
根据第二已结算交易数据集合中的交易比率确定第二交易比率均值，根据第二已结算交易数据集合中的结算比率确定第二结算比率均值，根据第二已结算交易数据集合中交易数据量确定第二交易总量；
[0199]
根据第一交易比率均值、第一结算比率均值和第一交易总量确定第一损益，根据第二交易比率均值、第二结算比率均值和第二交易总量确定第二损益，将第二损益减去第一损益得到损益变动；
[0200]
根据第二交易总量、第一交易比率均值、第一结算比率均值、第一损益和损益变动确定交易量贡献率，根据第二损益和交易量贡献率确定比率贡献率。
[0201]
在一种可能的实施方式中，所述获取模块11，还用于获取u个交易对象的目标交易数据，每个目标交易数据均包括交易数据量；
[0202]
所述统计模块12，还用于对所述u个交易对象的目标交易数据中的交易数据量进行统计处理，得到u个交易对象中的异常交易对象，根据所述异常交易对象生成交易告警信息；
[0203]
所述输出模块14，还用于输出所述交易告警信息。
[0204]
在一种可能的实施方式中，每个目标交易数据还包括交易时间戳和交易比率；所述数据处理装置1还包括：第二展示模块16。
[0205]
第二展示模块16，用于根据目标交易数据的交易时间戳，将目标交易数据划分为多个目标交易数据集合，同一目标交易数据集合中的目标交易数据中的交易时间戳处于同一交易时间段内；
[0206]
第二展示模块16，还用于根据每个目标交易数据中的交易数据量和交易比率，确定每个目标交易数据的转换交易量，将同一目标交易数据集合中的目标交易数据的转换交易量分别进行叠加处理，得到每个交易时间段的交易敞口，将所有交易时间段的交易敞口叠加为累计交易敞口，在展示页面展示每个交易时间段的交易敞口以及累计交易敞口。
[0207]
在一种可能的实施方式中，所述生成模块13，还用于当多个交易时间段中的任一交易时间段的交易敞口大于第一敞口阈值时，或者当累计交易敞口大于第二敞口阈值时，生成敞口告警信息。
[0208]
在一种可能的实施方式中，统计模块12在用于对所述u个交易对象的目标交易数据中的交易数据量进行统计处理，得到u个交易对象中的异常交易对象时，具体用于：
[0209]
将每个交易对象的目标交易数据中的交易数据量叠加为每个交易对象的累计交易数据量；
[0210]
获取每个交易对象的预测交易数据量；
[0211]
将预测交易数据量大于累计交易数据量的交易对象作为异常交易对象。
[0212]
在一种可能的实施方式中，数据处理装置1还可以包括：第三展示模块17。
[0213]
第三展示模块17，用于将u个交易对象的累计交易数据量进行排序，得到排序结果，在展示页面展示所述排序结果。
[0214]
在一种可能的实施方式中，数据处理装置1还可以包括：第三展示模块18。
[0215]
第四展示模块18，用于当接收到损益告警信息时，或者当接收到交易告警信息时，展示业务处置页面，所述业务处置页面用于接收用户处置指令。
[0216]
在一种可能的实施方式中，所述已结算交易数据集合存储在区块链上；
[0217]
所述数据处理装置1还可以包括：存储模块19。
[0218]
存储模块19，用于将每个结算时间段的总损益、累计损益、每种资源数据类型的损益、m个资源数据类型的损益原因以及损益告警信息打包为区块，将所述区块存储至所述区块链上。
[0219]
根据本发明的一个实施例，图1-图15所示的方法所涉及的各个步骤均可以是由图16所示的数据处理装置中的各个模块来执行的。例如，图3中所示的步骤s101-s104可以分别由图16中所示的获取模块11、统计模块12、生成模块 13、输出模块14、第一展示模块15来执行；又如，图6中所示的步骤s204-步骤s206可以由图16中所示的获取模块11、统计模块12、输出模块14、第二展示模块16、第三展示模块17、第四展示模块18来执行；又如，图15中所示的步骤s304可以由图16中所示的存储模块19来执行。
[0220]
进一步地，请参见图17，是本技术实施例提供的一种计算机设备的结构示意图。上述图1-图15对应实施例中的服务器或者目标区块链节点可以为计算机设备1000。如图17所示，计算机设备1000可以包括：用户接口1002、处理器 1004、编码器1006以及存储器1008。信号接收器1016用于经由蜂窝接口1010、 wifi接口1012、...、或nfc接口1014接收或者发送数据。编码器1006将接收到的数据编码为计算机处理的数据格式。存储器1008中存储有计算机程序，处理器1004被设置为通过计算机程序执行上述任一项方法实施例中的步骤。存储器1008可包括易失性存储器(例如，动态随机存取存储器dram)，还可以包括非易失性存储器(例如，一次性可编程只读存储器otprom)。在一些实例中，存储器1008可进一步包括相对于处理器1004远程设置的存储器，这些远程存储器可以通过网络连接至计算机设备1000。用户接口1002可以包括：键盘 1018和显示器1020。
[0221]
在图17所示的计算机设备1000中，处理器1004可以用于调用存储器1008 中存储计算机程序，以实现：
[0222]
获取已结算交易数据集合，所述已结算交易数据集合包括n个已结算交易数据，每个已结算交易数据均包括交易信息和资源数据类型，所述已结算交易数据集合对应k个资源数据类型，n，k均是正整数；
[0223]
对所述已结算交易数据集合中的交易信息进行损益统计处理，得到每种资源数据类型的损益；
[0224]
当k个资源数据类型中存在m个资源数据类型的损益小于损益阈值时，获取m个资源数据类型的损益原因，并根据m个资源数据类型的损益原因生成损益告警信息，m是正整数；
[0225]
输出所述损益告警信息。
[0226]
在一个实施例中，处理器1004在执行对所述已结算交易数据集合中的交易信息进行损益统计处理，得到每种资源数据类型的损益时，具体执行以下步骤：将所述已结算交易数据集合划分为k个单位集合，每个单位集合中的资源数据类型相同；
[0227]
对每个单位集合中的交易信息分别进行损益统计处理，得到每种资源数据类型的损益。
[0228]
在一个实施例中，每个已结算交易数据还包括结算时间戳，所述已结算交易数据集合对应p个结算时间段；
[0229]
处理器1004还执行以下步骤：
[0230]
对每个结算时间段对应的已结算交易数据中的交易信息进行损益统计处理，得到每种资源数据类型在每个结算时间段的损益；
[0231]
将每个结算时间段内的所有资源数据类型的损益叠加为每个结算时间段内的总损益；
[0232]
将每种资源数据类型的损益叠加为累计损益；
[0233]
在展示页面展示每个结算时间段的总损益、累计损益以及每种资源数据类型的损益。
[0234]
在一个实施例中，目标资源数据类型是m个资源数据类型中的任一资源数据类型，p个结算时间段包括第一结算时间段和第二结算时间段，第一结算时间段和第二结算时间段相邻，且第二结算时间段是p个结算时间段中的最大结算时间段；
[0235]
处理器1004在执行确定目标资源数据类型的损益原因时，具体执行以下步骤：
[0236]
从所述已结算交易数据集合中抽取目标资源数据类型在第一结算时间段内的第一已结算交易数据集合；
[0237]
从所述已结算交易数据集合中抽取目标资源数据类型在第二结算时间段内的第二已结算交易数据集合；
[0238]
对所述第一已结算交易数据集合和第二已结算交易数据集合进行分析处理，得到交易量贡献率和比率贡献率；
[0239]
将交易量贡献率和比率贡献率组合为所述目标资源数据类型的损益原因。
[0240]
在一个实施例中，交易信息包括交易数据量、交易比率和结算比率；
[0241]
处理器1004在执行对所述第一已结算交易数据集合和第二已结算交易数据集合进行分析处理，得到交易量贡献率和比率贡献率时，具体执行以下步骤：
[0242]
根据第一已结算交易数据集合中的交易比率确定第一交易比率均值，根据第一已结算交易数据集合中的结算比率确定第一结算比率均值，根据第一已结算交易数据集合中交易数据量确定第一交易总量；
[0243]
根据第二已结算交易数据集合中的交易比率确定第二交易比率均值，根据第二已结算交易数据集合中的结算比率确定第二结算比率均值，根据第二已结算交易数据集合中交易数据量确定第二交易总量；
[0244]
根据第一交易比率均值、第一结算比率均值和第一交易总量确定第一损益，根据第二交易比率均值、第二结算比率均值和第二交易总量确定第二损益，将第二损益减去第一损益得到损益变动；
[0245]
根据第二交易总量、第一交易比率均值、第一结算比率均值、第一损益和损益变动确定交易量贡献率，根据第二损益和交易量贡献率确定比率贡献率。
[0246]
在一个实施例中，处理器1004还执行以下步骤：
[0247]
获取u个交易对象的目标交易数据，每个目标交易数据均包括交易数据量；
[0248]
对所述u个交易对象的目标交易数据中的交易数据量进行统计处理，得到 u个交易对象中的异常交易对象，根据所述异常交易对象生成交易告警信息；
[0249]
输出所述交易告警信息。
[0250]
在一个实施例中，每个目标交易数据还包括交易时间戳和交易比率；
[0251]
处理器1004还执行以下步骤：
[0252]
根据目标交易数据的交易时间戳，将目标交易数据划分为多个目标交易数据集合，同一目标交易数据集合中的目标交易数据中的交易时间戳处于同一交易时间段内；
[0253]
根据每个目标交易数据中的交易数据量和交易比率，确定每个目标交易数据的转换交易量；
[0254]
将同一目标交易数据集合中的目标交易数据的转换交易量分别进行叠加处理，得到每个交易时间段的交易敞口；
[0255]
将所有交易时间段的交易敞口叠加为累计交易敞口；
[0256]
在展示页面展示每个交易时间段的交易敞口以及累计交易敞口。
[0257]
在一个实施例中，处理器1004还执行以下步骤：
[0258]
当多个交易时间段中的任一交易时间段的交易敞口大于第一敞口阈值时，或者当累计交易敞口大于第二敞口阈值时，生成敞口告警信息。
[0259]
在一个实施例中，处理器1004在执行对所述u个交易对象的目标交易数据中的交易数据量进行统计处理，得到u个交易对象中的异常交易对象时，具体执行以下步骤：
[0260]
将每个交易对象的目标交易数据中的交易数据量叠加为每个交易对象的累计交易数据量；
[0261]
获取每个交易对象的预测交易数据量；
[0262]
将预测交易数据量大于累计交易数据量的交易对象作为异常交易对象。
[0263]
在一个实施例中，处理器1004还执行以下步骤：
[0264]
将u个交易对象的累计交易数据量进行排序，得到排序结果；
[0265]
在展示页面展示所述排序结果。
[0266]
在一个实施例中，处理器1004还执行以下步骤：
[0267]
当接收到损益告警信息时，或者当接收到交易告警信息时，展示业务处置页面，所述业务处置页面用于接收用户处置指令。
[0268]
在一个实施例中，所述已结算交易数据集合存储在区块链上；
[0269]
处理器1004还执行以下步骤：
[0270]
将每个结算时间段的总损益、累计损益、每种资源数据类型的损益、m个资源数据类型的损益原因以及损益告警信息打包为区块；
[0271]
将所述区块存储至所述区块链上。
[0272]
应当理解，本技术实施例中所描述的计算机设备1000可执行前文图1-图15 所对应实施例中对数据处理方法的描述，也可执行前文图16所对应实施例中对数据处理装置1
的描述，在此不再赘述。另外，对采用相同方法的有益效果描述，也不再进行赘述。
[0273]
此外，这里需要指出的是：本技术实施例还提供了一种计算机存储介质，且计算机存储介质中存储有前文提及的数据处理装置1所执行的计算机程序，且计算机程序包括程序指令，当处理器执行程序指令时，能够执行前文图1-图 15所对应实施例中对数据处理方法的描述，因此，这里将不再进行赘述。另外，对采用相同方法的有益效果描述，也不再进行赘述。对于本技术所涉及的计算机存储介质实施例中未披露的技术细节，请参照本技术方法实施例的描述。作为示例，程序指令可以被部署在一个计算机设备上执行，或者在位于一个地点的多个计算机设备上执行，又或者，分布在多个地点且通过通信网络互联的多个计算机设备上执行，分布在多个地点且通过通信网络互联的多个计算机设备可以组合为区块链网络。
[0274]
根据本技术的一个方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备可以执行前文图1到图15所对应实施例中的方法，因此，这里将不再进行赘述。
[0275]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，上述程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，上述存储介质可为磁碟、光盘、只读存储记忆体(read-only memory， rom)或随机存储记忆体(random access memory，ram)等。
[0276]
以上所揭露的仅为本技术较佳实施例而已，当然不能以此来限定本技术之权利范围，因此依本技术权利要求所作的等同变化，仍属本技术所涵盖的范围。