📚 课程目录第2章金融数据与图结构基础

2. 金融数据与图结构基础

在金融场景中，数据天然具有关系属性：账户之间的转账、股票之间的联动、企业与供应链上下游的关联、用户与设备的登录关系，都可以抽象为“实体 + 关系”的网络。要把这些数据送入 PyTorch Geometric（PyG）进行建模，第一步不是写模型，而是理解金融数据的类型以及图结构的基本表达方式。本节将围绕金融数据类型、图的基本概念、节点与边、邻接矩阵、同构图与异构图展开，为后续的图构建与模型训练打下基础。

一、金融数据类型：从表格到关系

金融数据通常可以分为三类。第一类是结构化数据，如交易流水、账户余额、行情 K 线，它们以行和列的形式存储在关系型数据库或 CSV 中，字段明确、便于统计。第二类是时间序列数据，如股票价格、汇率、利率曲线，其核心是“时间戳 + 数值”，强调趋势与周期性。第三类是关系型数据，如转账网络、担保关系、股权结构，这类数据的价值不在于单个样本，而在于样本之间的连接模式。

传统机器学习往往把每个样本视为独立同分布，但金融风控、反欺诈、量化选股等任务中，样本之间高度关联。例如，一个账户的欺诈风险会通过转账路径传播到相邻账户；一只股票的涨跌会受同行业、同供应链股票的影响。图结构正是用来显式表达这种关联的载体。

提示：判断一个金融任务是否适合图建模，可以问三个问题：实体之间是否存在有意义的连接？连接方向或类型是否影响结果？邻居信息是否能提升预测效果？若答案均为“是”，图方法通常值得尝试。

二、图的基本概念：节点、边与邻接矩阵

图由节点（Node/Vertex）和边（Edge）组成。在金融图中，节点可以表示账户、用户、股票、企业、设备、商户等实体；边表示实体之间的关系，如转账、持股、交易、登录、担保。边可以带有方向（有向图）和权重（加权图），也可以带有类型（异构图）。

邻接矩阵是图的一种代数表示。对于一个包含 N 个节点的图，邻接矩阵 A 是一个 N×N 的矩阵，A[i][j] 表示节点 i 到节点 j 是否存在边或边的权重。无向图的邻接矩阵是对称的，有向图则不一定对称。在 PyG 中，图通常以边列表（edge_index）和节点特征矩阵（x）的形式存储，而不是直接使用稠密邻接矩阵，因为金融图往往非常稀疏。

# 一个简单的金融转账图示例（边列表）
# 节点：0=账户A, 1=账户B, 2=账户C, 3=账户D
# 边：A->B, B->C, C->A, A->D
edge_index = [
    [0, 1, 2, 0],   # 源节点
    [1, 2, 0, 3]    # 目标节点
]
# 对应的邻接矩阵（4x4）
#      A  B  C  D
# A [  0, 1, 0, 1 ]
# B [  0, 0, 1, 0 ]
# C [  1, 0, 0, 0 ]
# D [  0, 0, 0, 0 ]

从上面的例子可以看到，邻接矩阵直观地表达了“谁连谁”，而边列表更适合稀疏存储和批量计算。PyG 的 Data 对象正是围绕 edge_index、x、edge_attr 等字段组织的。

三、同构图与异构图：金融场景的选择

根据节点和边的类型是否单一，图可以分为同构图（Homogeneous Graph）和异构图（Heterogeneous Graph）。同构图中所有节点属于同一类型，所有边也属于同一类型，例如“账户-转账-账户”网络。异构图中节点或边存在多种类型，例如“用户-购买-商品”“用户-登录-设备”“企业-持股-企业”同时存在。

对比维度	同构图	异构图
节点类型	单一类型	多种类型
边类型	单一类型	多种类型
典型金融场景	账户转账网络、股票相关性网络	用户-商户-设备网络、企业股权网络
PyG 表示	`Data`	`HeteroData`
建模复杂度	较低	较高，需按类型分别处理

选择同构图还是异构图，取决于业务问题是否需要区分实体和关系的语义。如果只关心“账户之间是否有关联”，同构图足够；如果需要区分“转账”“登录”“担保”等不同关系对风险的不同影响，异构图更合适。PyG 提供了 HeteroData 来管理多种节点和边类型，并支持按类型进行消息传递。

注意：不要为了追求“复杂”而盲目使用异构图。异构图虽然表达能力强，但参数量、调参难度和计算开销都会上升。实际项目中，建议先用同构图建立基线，再根据效果决定是否升级为异构图。

四、案例与复盘：转账网络中的图结构

假设我们要构建一个反欺诈转账网络。节点是账户，边是转账记录，边权重是转账金额，边方向是资金流向。此时可以构建一个有向加权同构图。若进一步引入“账户所属用户”“登录设备”“交易商户”等实体，则升级为异构图。构建流程通常包括：数据清洗、实体抽取、关系抽取、节点特征构造、边特征构造、图存储与校验。

数据清洗：去除重复、异常和缺失关键字段的记录。
实体抽取：确定节点类型，如账户、用户、设备、商户。
关系抽取：确定边类型，如转账、登录、消费。
特征构造：为节点和边生成数值特征，如账户年龄、转账金额、登录频次。
图存储：使用 PyG 的 Data 或 HeteroData 组织数据。
图校验：检查孤立节点、自环、重复边和标签泄漏。

常见误区包括：把时间顺序完全忽略，导致未来信息泄漏；把不同语义的关系混为一种边，损失信息；以及直接使用稠密邻接矩阵处理百万级节点，造成内存爆炸。复盘时应重点关注图的稀疏性、方向性、时间性和类型语义。

理解金融数据与图结构基础，是后续使用 PyG 构建模型的前提。只有把业务关系正确地抽象为节点、边和类型，才能让图神经网络真正学到有价值的金融关联信息。