3. 交易数据基础
滚动窗口交易聚合特征工程的第一步，不是写窗口函数，而是把交易流水这条“原始事实”读透。反洗钱模型最终能识别出什么风险，取决于原始数据里保留了哪些可解释、可追溯、可对齐的字段。如果字段语义不清、主体关系混乱、时间口径不统一，后续无论用多复杂的聚合逻辑，得到的特征都可能是噪声。本节围绕交易流水的最小核心数据要素展开，帮助你在建模前建立一张清晰的“数据要素地图”。
一、核心原理：交易流水是“主体—对手方—时间—金额—币种—类型”的六元事实
一笔交易本质上描述的是：某个账户主体在某个时间点，以某种交易类型，向某个对手方发生了某个币种的某个金额的资金流动。这六个要素构成了交易流水的最小事实单元，也是滚动窗口聚合的原子输入。
在特征工程视角下，这六个要素分别承担不同职责：
- 账户主体：聚合的分组键（group key），决定“按谁做窗口”。
- 对手方：决定交易的方向性与网络关系，是识别分散转入、集中转出、循环交易的关键。
- 时间戳：决定窗口边界、排序与频率计算，是所有滚动特征的轴。
- 金额：决定规模、均值、方差、分位数等统计量的基础。
- 币种：决定是否需要折算、是否可跨币种直接聚合。
- 交易类型：决定交易语义，如转账、消费、提现、充值、退款等，影响特征是否应分类型统计。
一句话记忆：主体定分组，时间定窗口，金额定强度，对手方定关系，币种定口径，类型定语义。六者缺一，聚合特征的可解释性都会下降。
二、方法流程：从原始流水到可聚合字段的标准化步骤
拿到一张交易流水表后，建议按以下流程完成字段梳理与标准化，再进入窗口聚合。
- 字段盘点：列出所有字段，标注其业务含义、数据类型、是否必填、是否存在空值。
- 主体识别：明确账户主体字段（如 account_id、customer_id），并确认是否存在一户多卡、多账户合并问题。
- 对手方识别：区分对手方账号、对手方名称、对手方开户行，判断是否可归并为统一对手方实体。
- 时间口径统一：确认时间戳是交易时间、记账时间还是清算时间，统一时区与精度。
- 金额与币种处理：区分交易金额、手续费、实际入账金额；标记币种，必要时按汇率折算为本位币。
- 交易类型映射：将原始交易码映射为统一类型字典，如转入、转出、消费、提现、退款等。
- 方向性标注：根据借贷标志或金额正负，生成 direction 字段，明确资金流入还是流出。
完成上述步骤后，交易流水才具备“可分组、可排序、可聚合、可解释”的特征工程基础。下面是一个标准化后的交易流水字段示例：
txn_id : 交易唯一编号
account_id : 账户主体ID
counterparty_id: 对手方ID
txn_time : 交易时间戳（统一时区）
amount : 交易金额（数值型）
currency : 币种（CNY/USD/HKD...）
txn_type : 交易类型（TRANSFER_IN/TRANSFER_OUT/CASH_OUT...）
direction : 资金方向（IN/OUT）
channel : 渠道（APP/ATM/COUNTER...）
三、案例/场景：同一笔流水在不同聚合口径下的差异
假设某账户在 10 分钟内发生三笔交易：一笔 5000 元转入，一笔 4800 元转出，一笔 200 元提现。如果只看“交易笔数”，窗口内是 3 笔；如果按方向拆分，则是 1 笔流入、2 笔流出；如果按交易类型拆分，则是 1 笔转账、1 笔提现。不同口径会直接改变特征含义。
| 聚合口径 | 窗口内结果 | 风险解释方向 |
|---|---|---|
| 总交易笔数 | 3 | 活跃度，但无法区分资金方向 |
| 流入笔数 / 流出笔数 | 1 / 2 | 识别快进快出、资金过渡 |
| 流入金额 / 流出金额 | 5000 / 5000 | 识别等额进出、过账嫌疑 |
| 对手方数量 | 2 | 识别分散转入或集中转出 |
| 币种数量 | 1 | 识别是否涉及多币种异常 |
这个例子说明：字段不是越多越好，而是要在聚合前明确每个字段将参与哪种口径。否则窗口函数写得再复杂，也只是在错误口径上叠加计算。
四、误区与复盘：交易数据基础中最常见的五个坑
误区一：把账户ID当成客户ID。一个客户可能拥有多个账户，若按账户聚合，会割裂同一客户的行为；若按客户聚合，又可能掩盖账户级异常。必须根据业务目标选择主体粒度。
误区二：忽略时间戳口径差异。交易时间、记账时间、清算时间可能相差数小时甚至跨日。滚动窗口若混用口径，会导致窗口边界漂移，频率类特征失真。
误区三：金额字段未区分本金与手续费。若将手续费混入交易金额，会高估交易强度；若忽略实际入账金额，又可能低估资金流动。
误区四：多币种直接相加。不同币种金额直接求和没有业务意义，必须先按汇率折算或分币种独立聚合。
误区五：交易类型未归一化。原始交易码可能有几十种，若不映射为统一类型字典，聚合结果会极度稀疏，模型难以学习。
复盘建议：在进入滚动窗口特征工程前，先产出一份“字段口径说明书”，明确每个字段的业务定义、取值域、空值处理方式、是否参与聚合、参与哪种聚合。这份说明书将成为后续所有窗口特征的可追溯依据。
交易数据基础决定了滚动窗口特征工程的上限。把主体、对手方、时间戳、金额、币种与交易类型这六个核心要素梳理清楚，后续的窗口划分、方向拆分、类型分桶和币种折算才有稳固的起点。字段口径越清晰，聚合特征越可信，模型的可解释性也越强。