Дослідження методів інтеграції машинного навчання в інформаційні системи обробки (маршрутизації) платіжних транзакцій у фінтех компаніях

Abstract

У роботі проведено комплексний аналіз архітектури платіжної системи Corefy, дослідження методів машинного навчання щодо придатності для маршрутизації платежів, розроблена математична модель задачі оптимізації маршруту та архітектура гібридної системи з LightGBM як основним алгоритмом. Запропонована гібридна система поєднує статичні бізнес-правила з динамічною адаптацією на основі ML-моделей, забезпечуючи вибір оптимального платіжного шлюзу в реальному часі. Здійснено експериментальну оцінку на синтетичному наборі даних з 1 млн транзакцій, що продемонструвала ROC-AUC 87,3% для LightGBM при латентності 0,39 мс. Практичне значення роботи полягає у можливості впровадження розробленого методу в операційні платіжні системи фінтех-компаній для підвищення успішності обробки платежів на 2-5 відсоткових пункти та автоматизації вибору маршруту без ручного втручання аналітиків.