1. 课程导入

欢迎进入《LightGBM可疑交易告警评分模型实战》。在反洗钱、反欺诈与交易风控场景中，每天都会产生海量告警，但真正被人工确认可疑的比例往往很低。规则系统能覆盖明确模式，却难以处理复杂组合特征与不断变化的交易行为。本课程要解决的核心问题是：如何用LightGBM构建一个可解释、可落地、可持续迭代的可疑交易告警评分模型，让有限的人工审核资源优先处理高风险告警。

一、学习目标：从“会调包”到“能上线”

本课程不是单纯讲解LightGBM的API，而是围绕一条完整的工程链路展开。学完后，你应当能够独立完成以下任务：

• 业务理解：把“可疑交易”这一模糊概念拆解为可建模的标签定义、观察窗口与预警目标。
• 数据构建：从交易流水、客户画像、设备信息、对手方关系中构造时间切片特征，避免标签泄漏。
• 模型训练：使用LightGBM完成二分类评分建模，掌握类别不平衡、早停、交叉验证与超参数调优。
• 评分校准：把模型输出概率转化为0~100的告警分，并映射到高、中、低风险等级。
• 评估落地：用AUC、KS、PR-AUC、召回率、命中率等指标评估，并结合人工审核产能确定阈值。
• 可解释与监控：通过特征重要性与SHAP解释单笔告警原因，建立分数漂移与效果衰减监控。

二、业务价值：为什么值得做评分模型

传统规则引擎通常采用“命中即告警”的方式，容易产生两类问题：一是规则过严导致大量误报，审核人员被低价值告警淹没；二是规则过松导致漏报，监管风险上升。评分模型的价值在于排序：它不直接替代规则，而是对告警进行风险排序，把最可能可疑的案件排到前面。

具体业务价值可以归纳为三点：

1. 提升审核效率：在相同人力下，优先处理高分告警，提高单位时间内的可疑案件命中数量。
2. 降低漏报风险：模型能捕捉多特征非线性组合，发现规则未覆盖的隐蔽模式。
3. 支撑量化决策：评分可作为阈值调整、资源分配、监管报送优先级的依据。

下面这张表对比了规则系统与评分模型在典型维度上的差异，帮助你建立整体认知：

三、核心原理：LightGBM为什么适合告警评分

LightGBM是基于梯度提升决策树的框架，它通过逐步拟合残差来提升模型效果。相比传统GBDT，它采用直方图算法、Leaf-wise生长策略和GOSS/EFB优化，在保持精度的同时显著提升训练速度、降低内存占用。对于交易告警场景，数据往往具有以下特点：样本量大、特征维度高、正负样本极度不平衡、存在大量类别特征。LightGBM对这些特点有较好的适配能力。

从建模角度看，可疑交易评分本质上是一个二分类问题：给定一笔交易或一个客户在观察窗口内的特征，预测其被确认为可疑的概率。模型输出概率后，再通过分数映射函数转换为0~100的告警分。核心流程如下：

原始交易流水
   ↓ 标签定义与观察窗口切分
训练样本（特征 + 是否可疑）
   ↓ 特征工程（统计、时序、关系、类别编码）
LightGBM二分类训练
   ↓ 概率输出 + 分数校准
告警评分（0~100）与风险等级
   ↓ 阈值选择与人工审核反馈
监控、复盘、再训练

四、案例场景：一笔跨境交易的告警评分

假设某银行收到一笔跨境汇款告警。规则系统提示“单笔金额超过等值5万美元”。如果只看这一条规则，审核人员很难判断优先级。评分模型会综合更多信息：客户近30天交易频率、对手方所在国家风险等级、资金来源账户历史、设备登录地变化、是否首次与对手方交易、金额是否接近拆分阈值等。模型可能给出87分的高风险评分，并输出主要贡献特征：

告警编号：AML-2024-000731
客户号：C10023871
交易金额：USD 52,300
模型评分：87 / 100（高风险）
主要贡献特征：
  1. 近7天跨境交易笔数 = 9（历史均值 1.2）
  2. 对手方国家风险等级 = 高
  3. 交易金额接近申报阈值上限
  4. 设备登录地与常用地不一致
建议：优先人工审核，核查资金来源与贸易背景

这个例子说明，评分模型的价值不只是给出一个分数，而是把分散在多个系统中的信号聚合起来，帮助审核人员快速定位疑点。后续章节会围绕这个案例逐步展开特征构造、训练与解释。

五、整体课程框架与实战路线图

本课程共30章，按照“业务理解—数据准备—模型训练—评分落地—监控迭代”的主线推进。整体路线图如下：

• 第一阶段：业务与数据基础。理解可疑交易定义、监管要求、标签口径、观察窗口与样本切分。
• 第二阶段：特征工程。交易统计特征、时序特征、客户画像、对手方网络、设备与行为特征、类别编码。
• 第三阶段：模型训练与调优。LightGBM参数、类别不平衡处理、交叉验证、早停、超参数搜索、模型融合。
• 第四阶段：评分与评估。概率校准、分数映射、阈值选择、AUC/KS/PR-AUC、Top-K命中率、业务成本评估。
• 第五阶段：解释、部署与监控。SHAP解释、模型上线、分数漂移监控、人工反馈闭环与再训练。

为了让你对整体节奏有清晰预期，下面给出实战路线图的关键里程碑：