📚 课程目录第1章课程导入

1. 课程导入

欢迎进入《金融图机器学习完整项目实战》。在正式动手写代码之前，本章先解决三个问题：我们究竟要学什么、金融场景为什么需要图机器学习、以及整个课程会围绕怎样一条主线展开。只有把这三件事对齐，后续三十章的技术细节才不会变成零散工具的堆砌。

一、学习目标：从金融问题到图模型能力

本课程的目标不是单纯讲解图神经网络（GNN）的公式，而是训练一种"用关系视角解决金融问题"的能力。学完之后，你应当能够独立完成以下任务：

问题建模：把反欺诈、信用风险、资金流向、关联交易等业务问题，抽象为节点、边、特征与标签的图结构。
数据处理：从交易流水、账户信息、企业工商关系中构建异构图，并完成特征工程与标签构造。
模型实现：使用 PyTorch Geometric 或 DGL 实现 GCN、GraphSAGE、GAT、RGCN 等模型，并完成训练与调参。
评估落地：在类别极不平衡的金融数据上正确选择指标，理解 AUC、KS、Recall@K 的业务含义。
工程闭环：把模型封装为可复现的训练脚本与推理服务，形成从数据到决策的完整链路。

这五项能力层层递进：前两项决定你能否"看懂图"，中间两项决定你能否"训出模型"，最后一项决定模型能否"产生业务价值"。

二、核心概念：金融图的三要素与消息传递

金融图机器学习的最小知识单元可以概括为"三要素 + 一机制"。

三要素指节点、边与特征。节点通常代表账户、用户、企业、设备或商户；边代表交易、转账、担保、持股、共用设备等关系；特征则分为节点特征（如账户年龄、交易金额统计）与边特征（如转账金额、时间戳、频次）。在金融场景中，边往往比节点更重要，因为风险正是沿着关系传播的。

一机制指消息传递（Message Passing）。其核心思想是：每个节点通过聚合邻居的信息来更新自身表示。用一句话概括就是"你的风险，部分来自你连接的人"。形式化地，第 l 层节点 v 的表示为：

h_v^(l) = UPDATE( h_v^(l-1), AGGREGATE({ h_u^(l-1) : u ∈ N(v) }) )

其中：
  N(v)      —— 节点 v 的邻居集合
  AGGREGATE —— 聚合函数（求和 / 均值 / 最大 / 注意力加权）
  UPDATE    —— 更新函数（通常是线性变换 + 激活函数）

不同模型的差异，本质上就是 AGGREGATE 与 UPDATE 的设计差异。GCN 使用归一化均值聚合，GraphSAGE 支持采样与多种聚合器，GAT 引入注意力权重，RGCN 则为不同类型的关系分配独立参数。理解这一点，后续学习模型时就不会迷失在细节里。

记忆口诀：节点是"谁"，边是"关系"，特征是"证据"，消息传递是"风险如何扩散"。

三、整体框架：一条从数据到决策的流水线

本课程的技术主线可以拆成六个阶段，它们构成一条完整的流水线，而不是彼此孤立的模块。

阶段	核心任务	关键产出	常见工具
1. 问题定义	明确预测目标与业务约束	任务说明书、标签定义	业务分析
2. 图构建	抽取节点、边、特征	异构图对象	Pandas、NetworkX
3. 特征工程	节点/边特征、图统计量	特征矩阵	PyG、DGL
4. 模型训练	选择 GNN 架构并训练	模型权重	PyTorch、PyG
5. 评估调优	不平衡数据下的指标与调参	评估报告	scikit-learn
6. 部署推理	封装服务、批量打分	推理接口	FastAPI、ONNX

下面这张图展示了这条流水线的整体结构，以及各阶段之间的数据流向。请注意，特征工程与图构建之间存在反馈回路：特征质量会反过来影响图结构的合理性。

四、实战项目概览：一个贯穿全课的反欺诈场景

为了让知识始终有落点，本课程设计了一个贯穿始终的主项目：基于交易图的账户欺诈识别。数据集模拟真实银行流水，包含账户、设备、商户三类节点，以及转账、登录、消费三类边。项目会分阶段推进：

用交易流水构建异构图，统计节点度、资金流入流出等基础特征。
实现 GraphSAGE 基线模型，观察欺诈标签在邻居间的聚集现象。
引入 GAT 与 RGCN，对比不同关系类型对识别效果的影响。
处理类别不平衡，使用加权损失与阈值调优提升召回率。
封装推理脚本，对新到账的账户进行批量风险打分。

除主项目外，课程还会穿插信用评分、关联交易识别、资金链路追踪等小型案例，帮助你理解图方法在不同金融子领域的迁移方式。

五、常见误区与复盘提示

误区一：把图模型当成万能药。如果数据本身没有明显的关系结构，强行构图只会引入噪声。先问"关系是否携带信息"，再决定是否上图。

误区二：忽视标签泄漏。在金融图中，如果特征计算时用到了未来信息（如用全量数据统计的度中心性），离线指标会虚高，上线后迅速失效。务必按时间切分训练集与测试集。

误区三：只看准确率。欺诈样本通常不足 1%，准确率 99% 的模型可能什么都没学到。应优先关注 AUC、KS 与 Recall@K。

误区四：图越大越好。全量图可能包含数百万节点，训练成本高且噪声大。合理的子图采样与邻居采样是工程必备技能。

复盘时建议问自己三个问题：图结构是否真实反映了业务关系？特征是否在时间上合法？评估指标是否与业务目标一致？这三个问题会贯穿整个课程，也是区分"能跑通"和"能落地"的关键。

本章建立了课程的整体坐标系：学习目标指向能力，核心概念指向原理，六阶段框架指向流程，实战项目指向落点，误区提示指向风险。接下来，我们将从图数据的基本表示开始，一步步把这条流水线真正跑起来。