1. 课程导入
欢迎进入《金融图数据建模与PyTorch Geometric实战》。在开始写第一行模型代码之前，我们需要先建立一张“认知地图”：金融数据为什么天然适合用图来表达？图神经网络（GNN）在金融场景中究竟解决了哪些传统方法难以处理的问题？本课程将带你从零构建哪些能力，最终交付什么样的实战项目？本章不涉及复杂公式，而是帮你把学习目标、技术价值与课程骨架一次性对齐。
一、核心原理：金融数据的关系本质与图的表达优势
传统金融风控与量化建模大量依赖“样本—特征”矩阵：每个客户、每笔交易、每只股票被压缩成一行特征向量，模型假设样本之间相互独立。但真实金融世界恰恰相反——风险与价值都在关系中流动。一笔转账连接两个账户，一次担保连接两家企业，一段供应链连接上下游公司，一次共同持仓连接多个基金与股票。忽略这些连接，就等于丢掉了最有信息量的结构信号。
图数据建模的核心思想，是把实体建模为节点，把实体间关系建模为边，把实体属性与关系属性建模为节点特征与边特征，再通过消息传递机制让每个节点聚合邻居信息，从而学习到融合局部结构与自身属性的表示。与矩阵模型相比，图模型具备三项不可替代的能力：
- 关系传播：风险可以通过担保链、资金链、股权链多跳扩散，GNN能显式建模这种传播路径。
- 异构融合：账户、设备、IP、商户、企业、股票等不同类型节点可在同一张异构图中共存并交互。
- 归纳泛化：基于邻居聚合的模型可以为训练阶段未见过的新节点生成嵌入，适配金融场景中持续新增的客户与交易。
一句话概括：金融图数据建模不是把表格数据“换个格式”，而是把“关系”从背景噪声提升为一等公民，让模型直接学习结构中的风险与价值模式。
二、方法流程：从原始业务数据到图神经网络模型
为了让后续30章的学习有清晰主线，这里先给出金融图建模的通用方法流程。你在后续章节中会反复回到这条主线上：
- 业务问题定义：明确是节点级任务（如账户欺诈识别）、边级任务（如可疑交易检测）还是图级任务（如企业集团风险评级）。
- 图模式设计：确定节点类型、边类型、方向、时间戳与特征字段，形成Schema。
- 图构建与存储：从关系型数据库、数仓或日志中抽取数据，构建节点表与边表，必要时引入时间切片。
- 特征工程：包括节点自身属性、边属性、结构统计特征（度、PageRank、社区标签）以及时间窗口聚合特征。
- PyG数据封装：使用
torch_geometric.data.Data或HeteroData组织图对象，划分训练/验证/测试掩码。 - 模型设计与训练：选择GCN、GraphSAGE、GAT或异构模型，定义损失函数与采样策略，处理类别不平衡。
- 评估与解释：除AUC、KS、F1外，还需关注子图解释、邻居影响分析与业务可解释性。
- 部署与监控：将图推理服务化，监控图结构漂移与特征分布变化。
下面用一个最小代码片段展示PyG中图对象的组织方式，让你先建立直观印象：
import torch
from torch_geometric.data import Data
# 节点特征矩阵: 4个节点, 每个节点3维特征
x = torch.tensor([[1.0, 0.2, 0.1],
[0.8, 0.5, 0.3],
[0.2, 0.9, 0.7],
[0.4, 0.1, 0.6]])
# 边索引: COO格式, 2行分别表示源节点与目标节点
edge_index = torch.tensor([[0, 1, 2, 3],
[1, 2, 3, 0]], dtype=torch.long)
# 节点标签: 二分类任务
y = torch.tensor([0, 1, 0, 1])
data = Data(x=x, edge_index=edge_index, y=y)
print(data)
# Data(x=[4, 3], edge_index=[2, 4], y=[4])
三、案例与场景：金融图建模的典型落地地图
金融行业是图神经网络落地最密集的领域之一。下表梳理了本课程将覆盖的主要场景、图结构形态与典型任务，帮助你理解“学完能做什么”：
| 业务场景 | 节点类型 | 边类型 | 典型任务 |
|---|---|---|---|
| 反欺诈与反洗钱 | 账户、设备、IP、商户 | 转账、登录、共用设备 | 节点分类、异常子图检测 |
| 信贷风控与担保圈 | 企业、个人、担保关系 | 担保、股权、任职 | 风险传播、集团识别 |
| 量化投资与关联网络 | 股票、基金、行业 | 共同持仓、供应链、新闻共现 | 链路预测、收益预测 |
| 保险理赔反欺诈 | 投保人、理赔单、医院 | 就诊、理赔、代理关系 | 图分类、团伙发现 |
| 支付网络风险 | 用户、银行卡、终端 | 支付、绑定、地理位置 | 边分类、实时风险评分 |
这些场景共享同一套技术底座：图构建、特征工程、PyG建模、训练调优与解释部署。本课程不会孤立地讲算法，而是围绕这些真实场景反复演练。
四、误区与复盘：初学者最容易踩的五个坑
误区一：把图模型当成万能药。如果业务问题中关系信号很弱，强行建图反而引入噪声。先做关系价值验证，再决定是否上图。
误区二：忽视时间维度。金融交易图是动态演化的，用未来边预测过去节点会造成严重数据泄漏。必须按时间切分训练与测试。
误区三：只关注模型，不关注图质量。节点缺失、边重复、方向错误、特征泄漏，都会让再先进的GNN失效。图构建往往占项目70%工作量。
误区四：直接套用同构图模型处理异构图。账户与商户、企业与股票语义不同，强行合并节点类型会损失关键信息，应使用HeteroData与异构卷积。
误区五：忽略类别不平衡与评估陷阱。欺诈样本可能不足1%，准确率毫无意义，应关注AUC、KS、召回率与业务成本矩阵。
复盘这些误区，你会发现它们都指向同一个原则：图建模的成败首先取决于对业务关系与数据生成过程的理解，其次才是模型选择与调参。这也是本课程把“图构建与特征工程”放在模型之前的原因。
五、课程框架与实战项目概览
本课程共30章，整体分为五个模块：
- 模块一 基础与导入（第1—5章）：金融图思维、PyG环境搭建、图数据对象、消息传递原理。
- 模块二 图构建与特征工程（第6—12章）：Schema设计、异构图构建、时间切片、结构特征与采样。
- 模块三 模型与训练（第13—21章）：GCN、GraphSAGE、GAT、异构模型、不平衡学习与调优。
- 模块四 解释与部署（第22—26章）：子图解释、风险传播分析、推理服务与监控。
- 模块五 综合实战（第27—30章）：完整反欺诈图项目、量化关联网络项目与课程总结。
贯穿全程的实战项目是“金融反欺诈异构图风险识别系统”：你将使用模拟的账户—设备—商户—交易数据，构建异构图，训练GraphSAGE与GAT模型，输出高风险账户评分，并通过子图解释定位欺诈团伙。项目会经历数据抽取、图构建、特征工程、模型训练、评估解释与推理部署的完整闭环。
学习建议：每章动手复现代码，不要只读不练；遇到报错先检查图对象形状与边索引方向；把每一章的图结构画出来，形成自己的“图感”。
现在，你已经对课程的目标、价值、框架与实战项目有了整体认识。接下来，我们将从金融图思维与PyG环境搭建开始，一步步把这张全景图变成你手中的可运行系统。