📚 课程目录第3章账户余额数据解析

3. 账户余额数据解析

在账户余额、利用率与还款行为特征工程中，余额数据是最基础、也最容易被低估的一类原始数据。很多建模人员拿到一张余额表后，第一反应是直接做均值、最大值、当前值等统计，但如果不先厘清余额类型、账户状态、时间维度和数据来源，后续构造出的利用率、还款率、逾期滚动率等特征很可能在业务含义上失真，甚至产生数据泄漏。本节的目标，是建立一套可复用的余额数据解析框架，并给出原始数据质量检查的落地方法。

一、核心原理：余额不是一个数，而是一组带语义的状态量

账户余额在业务上至少包含以下几类语义，它们数值可能相同，但含义完全不同：

本金余额：尚未偿还的贷款或信用本金，是计算利用率、剩余期限、利息的基础。
账面余额：会计口径下的应还总额，可能包含利息、费用、罚息，通常大于本金余额。
可用余额/可用额度：授信额度减去已用额度，反映客户还能动用多少资金。
冻结余额：因司法、风控、争议等原因被锁定，不能直接用于消费或提现。
最低还款额：信用卡场景中当期必须偿还的下限，是还款行为特征的重要参照。
逾期余额：已过还款日仍未偿还的部分，通常与逾期天数、逾期阶段联合使用。

如果只取一个“余额”字段而不区分上述类型，就会出现典型错误：把账面余额当本金余额计算利用率，导致利用率被系统性高估；把冻结余额计入可用余额，导致可用性判断错误。因此，解析余额数据的第一步，是建立字段到业务语义的映射表。

核心原则：先定义余额语义，再定义账户状态，最后才做时间对齐和统计聚合。顺序颠倒，特征就会失去可解释性。

二、方法流程：从原始表到可建模余额特征的六步法

字段语义映射：将原始字段名与业务口径一一对应，形成数据字典，标注单位（元/分）、精度、是否含息费。
账户状态解析：识别正常、冻结、销户、逾期、核销、展期等状态，并明确状态的时间有效性。
时间维度对齐：确定快照日、账单日、还款日、观察点，避免用未来信息构造历史特征。
数据来源标记：区分核心系统、账单系统、催收系统、征信报送等来源，评估一致性与延迟。
质量检查：执行空值、负值、极值、逻辑冲突、重复、时间倒挂等检查。
特征派生：在清洗后的余额基础上计算利用率、还款率、余额趋势、逾期滚动等特征。

下面是一个可复用的质量检查 SQL 片段，用于快速定位余额字段的异常：

-- 余额字段质量概览
SELECT
  COUNT(*) AS total_rows,
  SUM(CASE WHEN principal_balance IS NULL THEN 1 ELSE 0 END) AS null_cnt,
  SUM(CASE WHEN principal_balance < 0 THEN 1 ELSE 0 END) AS negative_cnt,
  MIN(principal_balance) AS min_bal,
  MAX(principal_balance) AS max_bal,
  AVG(principal_balance) AS avg_bal
FROM account_balance_snapshot
WHERE snapshot_date = '2024-06-30';

-- 逻辑冲突：可用余额大于授信额度
SELECT COUNT(*) AS conflict_cnt
FROM account_balance_snapshot
WHERE available_balance > credit_limit
  AND snapshot_date = '2024-06-30';

三、案例/场景：信用卡账户余额解析

假设某信用卡账户在 2024-06-30 的快照数据如下：授信额度 50,000 元，本金余额 32,000 元，账面余额 34,500 元，可用余额 18,000 元，冻结余额 0 元，最低还款额 3,450 元，账户状态为“正常”，逾期天数为 0。此时利用率应使用本金余额除以授信额度，即 64%；若误用账面余额，则得到 69%，差异虽小，但在组合层面会放大。若该账户状态为“冻结”，则可用余额虽为 18,000 元，但实际不可用，利用率特征需要结合状态做条件化处理。

再看一个逾期场景：账户状态为“逾期”，逾期余额 5,000 元，逾期天数 45 天，最低还款额 3,450 元。此时还款行为特征应关注“是否偿还最低还款额”“逾期余额变化趋势”“逾期阶段迁移”，而不是简单看总余额。若把逾期余额与正常余额混在一起做均值，会掩盖风险信号。

检查项	检查目的	典型异常	处理建议
空值率	评估字段可用性	本金余额空值率 > 5%	回溯来源系统，确认是否漏采
负值	识别逻辑错误	本金余额为负	与业务确认是否为溢缴款
极值	发现录入错误	余额超过授信额度 10 倍	截断或分箱，保留标记
逻辑冲突	校验字段关系	可用余额 > 授信额度	修正或置空，记录规则
时间倒挂	保证时序正确	快照日早于开户日	剔除或回退到有效日期
重复记录	避免重复计数	同一账户同一快照日多条	按主键去重，保留最新

四、误区/复盘：余额解析中最容易踩的五个坑

把余额当静态值：余额是时点快照，必须绑定快照日，否则时间对齐失败。
忽略账户状态：冻结、销户、核销账户的余额含义不同，不能与正常账户混算。
混用含息与不含息口径：本金余额与账面余额混用，会系统性影响利用率与还款率。
用未来余额构造历史特征：例如用 7 月余额预测 6 月违约，造成数据泄漏。
不做来源一致性校验：核心系统与账单系统余额不一致时，未标记来源直接合并。

建议在特征工程前，先输出一份“余额字段数据字典 + 质量报告”，把字段语义、单位、来源、空值率、异常率、时间范围全部固化下来。这份文档的价值，往往高于多跑几轮模型调参。

如果余额字段的空值率或逻辑冲突率超过阈值（例如 5%），不要急于填充或删除，应先回溯数据采集链路。很多质量问题来自上游系统变更，盲目清洗会掩盖真实故障。

完成本节解析后，你应当能够回答三个问题：这个余额字段代表什么业务含义？它在什么时间点、什么账户状态下有效？它的原始质量是否足以支撑后续利用率与还款行为特征构造？只有这三个问题都有明确答案，余额数据才真正具备进入特征工程流水线的资格。