基于用户体验的证券业务仿真平台

1.本发明属于仿真交易平台技术领域，具体涉及基于用户体验的证券业务仿真平台。


背景技术：

2.传统的证券业务系统对第三方机构依赖过强，利用第三方机构提供的证券业务仿真平台存在以下问题：
3.1、第三机构一般仅在周末或指定时间提供测试窗口，平时无法进行全流程的测试，时间不灵活；
4.2、传统的系统只针对某些特定的业务开启测试通道，与实际生产场景偏差大，无法实现所有业务场景的覆盖测试，场景不全面；
5.3、测试直线的过程中需要第三方机构或者其他卷商进行配合，效率低且沟通成本大，测试执行的依赖性强，局限性大；
6.4、只能对功能进行测试，无法全面的对性能进行测试，测试类型过于单一，且一般仅支持固定行情、固定清算结果模拟，无法满足测试需求；
7.5、不支持交易所全业务，不支持交易所的全时段模拟，用户无法进行细粒度的成交规则配置，导致应用效果不佳；
8.6、性能不够达标，无法满足性能测试的需要，每秒处理速度低于1000笔每秒，远不能达到性能要求，不支持模拟各类故障能力，如：超时返回、错误返回、标签跳变等测试；
9.在此情况下，我们需要一种覆盖业务场景全、使用方式灵活满足全业务流程测试需求的基于用户体验的证券业务仿真平台。


技术实现要素：

10.发明目的：本发明的发明目的是提供一种基于用户体验的证券业务仿真平台。
11.技术方案：本发明所述的基于用户体验的证券业务仿真平台，其平台系统架构包括执行机、控制机组件、云平台和大数据引擎，执行机用于将信息数据发送到控制机组件，控制机对数据处理后推送到云平台上，云平台用于控制将信息反馈到web上，通过数据终端获取web信息后将反馈数据发送到api接口，所述的api接口对接监控告警平台模块，云平台还与大数据引擎连接，所述的大数据引擎用于对云平台证券业务数据进行监控；
12.所述的控制机组件包括用户体验度量模块和测试场景模拟模块，所述的用户体验度量模块用于采集系统性能理化指标、业务理化指标和舆情指标，测试场景模拟模块用于进行成交阶段模拟、交易规则模拟、性能测试、可靠性测试和易用性测试。
13.进一步的，测试场景模拟模块还用于进行沪深交易所模拟、新三板模拟、中登模拟、模拟银行和境外交易所模拟。
14.进一步的，控制机组件还包括信息系统，所述信息系统包括交易系统、清算系统、测试运维系统、数据储存系统。
15.进一步的，控制机组件还包括用于对交易数据进行监控的反洗钱系统。
16.进一步的，反洗钱系统包括用于统一数据模型提供数据管理的操作风险控制系统、用于监测客户信息和风控的卷商核心交易相关系统以及用于不断完善风控模型知识积累的数据闭环系统。
17.进一步的，数据闭环系统包括风险识别系统、数据收集系统、风险确认系统和交集元素记录收集系统。
18.进一步的，风险识别系统包括风险判别模块和数据集，所述风险判别模块包括排序过滤系统、模板序列和判别器。
19.进一步的，控制机组件还包括优化系统，所述的优化系统包括自建数据和其他数据源归纳的统一数据模型。其中，统一数据模型的归纳构建过程包括模型准备、模型设计、编码、挖掘分析、模型验证、模型确立、参数调优、统计分析。
20.进一步的，该系统中云平台将数据等传输至智能分析大数据引擎进行处理，用于监控告警，相对传统的牵一发而动全身的平台，该平台避免了系统复杂和版本变更繁琐等问题，使用户真实感受账户和真实交易，无需设备管理投入，且对全部业务展开可用性感知，可一周24小时全天进行监测，实时掌握系统运行的状态，规避事故发生风险，提升用户体验，监控各业务功能支持情况，先于用户发现问题快速解决实时掌握各地网络连通性状态，降低问题复现和回归测试投入，重点聚焦新业务和变更功能测试，分析真实问题提升测试精准度，该平台全链路、全业务、全天候，7x24小时不间断运行，真实证券账户，真实交易场景，多机校验机制，告警准确率高，快速部署，快速执行，快速告警,开放接口可对接多渠道告警平台，多维度智微数据分析，掌握性能差异，构建数据支撑。
21.进一步的，该基于用户体验的证券业务仿真平台，通过app感知预警系统，可通过视频发送、app截图、电话预警、业务大屏展示、短信、微信通知、日志log、api接口报警和工单系统等多种方式进行反馈，感知管理对测试任务执行资源和任务状态进行多维度监听，实时监控每个业务模块的测试进程，在手机上可以实时监控测试进程，便于实施进行监督监控和接收反馈，相对传统的平台，该平台功能性更加全面。
22.进一步的，测试场景模拟模块用于模拟场景各阶段和第三方交易，如成交阶段的开盘集合竞价、连续竞价、收盘集合竞价、盘后等全交易阶段，支持全部的成交规则，包括：部分成交、完全成交、分笔成交等，有效满足性能测试，支持报盘多网关功能，支持延迟返回撮合结果、行情慢、关键字段序号错误等场景，b/s架构无需单独部署，业务恢复简单，可快速启动。
23.进一步的，利用大数据引擎和反洗钱系统，针对传统的监控的数据都为已发生的交易行为数据，而未发生的且不符合监管要求的交易行为无法确保纳入监控范围情况，通过反洗钱系统进行监控，支持券商自研及采购系统数据源，客户的个人信息、风险等级、交易金额、交易标的、交易渠道数据统一建模，基于规则的数据归并，让数据越多，模型越清晰，构建客户特征、交易特征、风险特征、交易渠道特征的统一特征模型，不同的风险模式是不同特征的组合，对已知风险和未知风险进行建模，形成风险知识库，通过降维算法把多维特征进行展现，通过决策树构建反洗钱识别规则，支持特征的组合方便风控人员找出其中的规律，对模型和算法进行优化，增加风险的覆盖面和识别率，对风险的确认信息反哺到统一数据模型中，对数据进行二次学习和演算，且通过券商核心交易相关系统、操作风险控制
系统和大数据分析形成闭环，让风控模型不断完善，知识不断积累，且统一数据模型提供对数据良好的组织管理，以方便基于原始数据的分析，良好的操作界面，同时提供窥探数据的良好视窗，通过风险规则库监测客户个人信息、客户账号的主体人类型、开户渠道、证件类型、职业、所属行业、年龄、性别、亲属关系等信息，监测交易行为，区间时间内累计转入\转出金额较大、频繁大量买入\卖出特定标的、多账号集中于同一台机器交易、区间内港股通累计交易金额过大、区间内累计转账外币金额、单笔转托管\撤销指定金额过大等等，对客户进行风险评估：量与风险不一致、客户年龄与交易量不符、客户职业身份与交易行为不符等等，以此实现监测效果，通过客户的各种交易信息等形成风险识别决策树进行监测，如：5个以上账号在同一ip地址登录、5个以上账号在同一mac地址登录登录、5个以上账号在同一台设备上累计交易额≥2500万元和登录ip地址为境外，引入特征后，可以看出数据区分度明显增加，风险交易点呈现孤立状，且聚类算法能显著区分开交易群集，从而实现实时监测效果。
24.有益效果：该基于用户体验的证券业务仿真平台，用户体验度量模块通过性能埋点指标监控app端发起的往返延时、app端发起请求的成功率、请求接口tps的水位情况、页面的crash率，业指标用于关键业务转化指数，舆情指标用于接受各个app商店的评分反馈、客户投诉问题的解决满意度和对产品整体的主观感受等舆情收集，保证客户的投诉以及建议等问题可及时进行储存、反馈和改进，便于接收客户关于性能体验、业务体验、参与度、清晰度和满意度的反馈，并及时进行改进。
附图说明
25.图1为本发明系统架构示意图；
26.图2为本发明反洗钱系统的系统架构示意图；
27.图3为本发明app感知预警系统示意图；
28.图4为本发明反洗钱系统闭环架构示意图；
29.图5为本发明风险规则库架构示意图。
具体实施方式
30.下面结合附图和实施例方案对本发明的技术方案做进一步详细说明。
31.基于用户体验的证券业务仿真平台，如图1-图3所示，包括系统架构、app感知预警系统、用户体验度量模块、第三方机构模拟、测试场景模拟模块、反洗钱系统和优化系统，所述系统架构包括执行机、云平台和数据引擎，所述用户体验度量模块包括性能理点指标、业务指标、理点指标和舆情指标，所述测试场景模拟模块包括成交阶段模拟、交易规则模拟、性能测试、可靠性测试和易用性模块，所述测试场景模拟模块还包括沪深交易所模拟、新三板、中登模拟、模拟银行和境外交易所模拟，所述系统架构还包括信息系统建设，所述信息系统建设包括交易系统、清算系统、测试运维、数据储存，所述系统架构还包括智能感知系统、演练系统和测试系统，所述优化系统包括用于自建数据和其他数据源归纳的统一数据模型，所述统一数据模型包括模型准备、模型设计、编码、挖掘分析、模型验证、模型确立、参数调优、统计分析，所述反洗钱系统包括用于统一数据模型、提供数据管理的操作风险控制系统、用于监测客户信息和风控的卷商核心交易相关系统以及用于不断完善风控模型知识
积累的数据闭环系统，所述数据闭环系统包括风险识别系统、数据收集、风险确认和交集元素记录收集系统，所述风险控制系统包括风险识别系统和数据集，所述风险识别系统包括排序过滤系统、模板序列和判别器，通过执行机和控制机组件将信息推送至云平台上，云平台控制将信息反馈到web上，可通过手机或电脑网页进行观看，进一步的反馈到api接口，可直接对接己有的监控平台、告警平台，且云平台将数据等传输至智能分析大数据引擎进行处理，用于监控告警，相对传统的牵一发而动全身的平台，该平台避免了系统复杂和版本变更繁琐等问题，使用户真实感受账户和真实交易，无需设备管理投入，且对全部业务展开可用性感知，可一周24小时全天进行监测，实时掌握系统运行的状态，规避事故发生风险，提升用户体验，通过app感知预警系统，可通过视频发送、app截图、电话预警、业务大屏展示、短信、微信通知、日志log、api接口报警和工单系统等多种方式进行反馈，针对传统的监控的数据都为已发生的交易行为数据，而未发生的且不符合监管要求的交易行为无法确保纳入监控范围情况，通过反洗钱系统进行监控，支持券商自研及采购系统数据源，客户的个人信息、风险等级、交易金额、交易标的、交易渠道数据统一建模，基于规则的数据归并，让数据越多，模型越清晰，构建客户特征、交易特征、风险特征、交易渠道特征的统一特征模型，不同的风险模式是不同特征的组合，对已知风险和未知风险进行建模，形成风险知识库，通过降维算法把多维特征进行展现，通过决策树构建反洗钱识别规则，支持特征的组合方便风控人员找出其中的规律，对模型和算法进行优化，增加风险的覆盖面和识别率。
32.本发明的工作原理：
33.第一步：通过执行机和控制机组件将信息推送至云平台上，云平台控制将信息反馈到web上，可通过手机或电脑网页进行观看，进一步的反馈到api接口，可直接对接己有的监控平台、告警平台，且云平台将数据等传输至智能分析大数据引擎进行处理，用于监控告警，相对传统的牵一发而动全身的平台，该平台避免了系统复杂和版本变更繁琐等问题，使用户真实感受账户和真实交易，无需设备管理投入，且对全部业务展开可用性感知，可一周24小时全天进行监测，实时掌握系统运行的状态，规避事故发生风险，提升用户体验，监控各业务功能支持情况，先于用户发现问题快速解决实时掌握各地网络连通性状态，降低问题复现和回归测试投入，重点聚焦新业务和变更功能测试，分析真实问题提升测试精准度，该平台全链路、全业务、全天候，7x24小时不间断运行，真实证券账户，真实交易场景，多机校验机制，告警准确率高，快速部署，快速执行，快速告警,开放接口可对接多渠道告警平台，多维度智微数据分析，掌握性能差异，构建数据支撑。
34.第二步：通过app感知预警系统，可通过视频发送、app截图、电话预警、业务大屏展示、短信、微信通知、日志log、api接口报警和工单系统等多种方式进行反馈，感知管理对测试任务执行资源和任务状态进行多维度监听，实时监控每个业务模块的测试进程，在手机上可以实时监控测试进程，便于实施进行监督监控和接收反馈，相对传统的平台，该平台功能性更加全面。
35.第三步：用户体验度量模块通过性能埋点指标监控app端发起的往返延时、app端发起请求的成功率、请求接口tps的水位情况、页面的crash率，业指标用于关键业务转化指数，舆情指标用于接受各个app商店的评分反馈、客户投诉问题的解决满意度和对产品整体的主观感受等舆情收集，保证客户的投诉以及建议等问题可及时进行储存、反馈和改进，便于接收客户关于性能体验、业务体验、参与度、清晰度和满意度的反馈，并及时进行改进。
36.第四步：第三方机构模拟用于模拟其他机构系统，如：
37.沪深交易所：全业务模拟撮合，支持沪深行情模拟，支持模拟清算；
38.新三板：支持精选层改革；
39.中登模拟：支持全部账户类业务以及主要业务；
40.模拟银行：支持七大银行的银企直联，以及所有银行的银证业务；
41.境外交易所：支持港交所以及美交所(盈透证券ib)模拟；
42.测试场景模拟模块用于模拟场景各阶段，如成交阶段的开盘集合竞价、连续竞价、收盘集合竞价、盘后等全交易阶段，支持全部的成交规则，包括：部分成交、完全成交、分笔成交等，有效满足性能测试，支持报盘多网关功能，支持延迟返回撮合结果、行情慢、关键字段序号错误等场景，b/s架构无需单独部署，业务恢复简单，可快速启动。
43.第五步：针对传统的监控的数据都为已发生的交易行为数据，而未发生的且不符合监管要求的交易行为无法确保纳入监控范围情况，通过反洗钱系统进行监控，支持券商自研及采购系统数据源，客户的个人信息、风险等级、交易金额、交易标的、交易渠道数据统一建模，基于规则的数据归并，让数据越多，模型越清晰，构建客户特征、交易特征、风险特征、交易渠道特征的统一特征模型，不同的风险模式是不同特征的组合，对已知风险和未知风险进行建模，形成风险知识库，通过降维算法把多维特征进行展现，通过决策树构建反洗钱识别规则，支持特征的组合方便风控人员找出其中的规律，对模型和算法进行优化，增加风险的覆盖面和识别率，对风险的确认信息反哺到统一数据模型中，对数据进行二次学习和演算，且通过券商核心交易相关系统、操作风险控制系统和大数据分析形成闭环，让风控模型不断完善，知识不断积累，且统一数据模型提供对数据良好的组织管理，以方便基于原始数据的分析，良好的操作界面，同时提供窥探数据的良好视窗，通过风险规则库监测客户个人信息、客户账号的主体人类型、开户渠道、证件类型、职业、所属行业、年龄、性别、亲属关系等信息，监测交易行为，区间时间内累计转入\转出金额较大、频繁大量买入\卖出特定标的、多账号集中于同一台机器交易、区间内港股通累计交易金额过大、区间内累计转账外币金额、单笔转托管\撤销指定金额过大等等，对客户进行风险评估：量与风险不一致、客户年龄与交易量不符、客户职业身份与交易行为不符等等，以此实现监测效果，通过客户的各种交易信息等形成风险识别决策树进行监测，如：5个以上账号在同一ip地址登录、5个以上账号在同一mac地址登录登录、5个以上账号在同一台设备上累计交易额≥2500万元和登录ip地址为境外，引入特征后，可以看出数据区分度明显增加，风险交易点呈现孤立状，且聚类算法能显著区分开交易群集，从而实现实时监测效果。