1. 课程导入

在信用风险建模、消费金融风控与客户经营分析中，账户余额、额度利用率与还款行为是最常见、也最具业务解释力的一类数据。它们看似只是几个数值字段，但真正决定模型效果的，往往不是“有没有这些字段”，而是“能否把它们加工成稳定、可解释、可复用的特征”。本课程的第1章不急于进入代码细节，而是先建立全局认知：我们要学什么、为什么值得学、知识如何组织、最终会完成怎样的实战项目。

一、学习目标：从原始字段到可用特征

本课程的学习目标可以概括为四个层次。第一，理解账户余额、利用率和还款行为三类数据的业务含义，知道它们分别反映客户的资金占用、风险暴露与履约意愿。第二，掌握特征工程的基本方法，包括缺失值处理、异常值识别、时间窗口聚合、趋势构造、比率与交叉特征生成。第三，能够围绕真实业务问题设计特征，而不是机械地做“列变换”。第四，完成一个可运行的实战项目，把原始账单与还款流水加工成建模可用的特征表，并输出特征字典与验证结果。

具体来说，学完本课程后，你应当能够独立回答以下问题：

• 某个账户当前余额很高，究竟代表优质消费能力，还是潜在违约风险？
• 额度利用率是看最新一期，还是看近3期、6期、12期的均值、最大值与趋势？
• 还款行为中，最低还款、全额还款、逾期还款分别应如何编码？
• 如何避免把“未来信息”泄露到特征中，导致离线评估虚高？
• 如何把加工后的特征接入逻辑回归、树模型或评分卡流程？

二、核心价值：为什么这三类特征值得单独学习

账户余额、利用率与还款行为之所以重要，是因为它们同时具备三种价值：业务价值、统计价值与工程价值。业务价值在于，它们直接对应授信额度管理、风险预警和客户分层；统计价值在于，它们通常具有较强的时间序列结构，可以衍生出均值、方差、斜率、波动率等特征；工程价值在于，它们来源明确、更新频率稳定，适合批量化、自动化生产。

如果只使用原始余额，模型很难区分“高余额但全额还款”和“高余额且长期最低还款”的客户。前者可能是高消费优质客户，后者则可能进入风险关注名单。因此，特征工程的目标不是简单保留字段，而是构造能够区分业务语义的组合特征。

三、整体知识框架：从数据理解到特征交付

本课程的知识框架分为五层。第一层是数据理解，明确账单表、还款表、账户表和客户表之间的关系。第二层是特征设计，围绕余额、利用率和还款行为分别设计基础特征、窗口特征和趋势特征。第三层是特征计算，使用SQL、Pandas或Spark完成聚合与拼接。第四层是特征验证，检查缺失率、覆盖率、稳定性、区分度和泄漏风险。第五层是特征交付，形成特征字典、训练集与线上可复用的加工逻辑。

层级	核心任务	典型产出	常见风险
数据理解	梳理表关系、时间字段、主键与更新频率	数据字典、ER关系说明	主键不唯一、时间口径不一致
特征设计	定义余额、利用率、还款行为特征	特征清单、业务解释	特征含义模糊、重复表达
特征计算	窗口聚合、趋势计算、表连接	特征宽表、加工脚本	数据倾斜、空值扩散
特征验证	缺失、稳定性、区分度、泄漏检查	验证报告、筛选后的特征集	未来信息泄露、过拟合
特征交付	文档化、版本化、线上复用	特征字典、训练集、上线配置	离线在线不一致

四、实战项目概览：一个可复用的特征工程流水线

课程实战项目围绕一个模拟消费金融账户数据集展开。数据包含账户基本信息、每月账单余额、授信额度、应还金额、实还金额、还款日期和逾期状态。项目目标是构造一份用于违约预测的特征表，并完成基础验证。

项目流程如下：

1. 读取账户、账单与还款数据，统一客户与账期口径。
2. 构造基础特征：最新余额、平均余额、额度利用率、还款率、逾期天数。
3. 构造窗口特征：近3期、6期、12期的均值、最大值、最小值与标准差。
4. 构造趋势特征：余额斜率、利用率变化率、还款行为迁移。
5. 拼接标签，划分训练集与验证集，输出特征字典。

# 示例：构造近6期额度利用率均值与最大值
import pandas as pd

bill['utilization'] = bill['balance'] / bill['credit_limit'].replace(0, pd.NA)

util_feat = (
    bill.sort_values(['account_id', 'bill_month'])
        .groupby('account_id')['utilization']
        .rolling(window=6, min_periods=1)
        .agg(['mean', 'max', 'std'])
        .reset_index()
        .rename(columns={
            'mean': 'util_mean_6m',
            'max': 'util_max_6m',
            'std': 'util_std_6m'
        })
)

五、常见误区与复盘思路

初学者最容易陷入三个误区。第一，把余额直接当作风险高低，忽略额度差异。余额10000元在额度12000元和额度100000元两个账户中，风险含义完全不同。第二，只做静态聚合，忽略时间趋势。一个利用率持续上升的账户，和一个利用率稳定但偶尔波动的账户，风险信号并不相同。第三，不做泄漏检查，把还款后的结果字段用于预测还款前行为。

复盘时建议按以下清单逐项检查：

• 每个特征是否有明确业务含义和计算口径？
• 是否同时保留了绝对值和相对值？
• 是否覆盖了近期、中期和长期窗口？
• 是否检查了缺失率、异常值和分布稳定性？
• 是否存在时间泄漏、主键重复或线上线下不一致？