2. 金融图数据基础
在金融场景中，图数据并不是抽象的数据结构练习，而是对真实业务对象及其关联关系的建模方式。要理解GNN在金融领域的节点分类与关系预测，首先必须明确四个基础问题：图中有哪些实体、实体之间存在哪些关系、这些关系如何表示为图结构、以及节点分类与关系预测分别对应什么业务目标。
一、核心原理：金融实体与关系类型
金融图数据中的节点通常代表可独立识别的金融实体，边则代表实体之间的业务关联。与通用图数据不同，金融实体具有强监管、强时序、强异质的特点。常见的金融实体类型包括：
- 客户类实体：个人客户、企业客户、个体工商户、金融机构客户。
- 账户类实体：银行账户、证券账户、支付账户、信贷账户。
- 交易类实体：转账记录、支付订单、证券委托、贷款放款记录。
- 机构类实体：银行、证券公司、保险公司、基金公司、支付机构。
- 产品类实体：理财产品、基金产品、债券、衍生品合约。
- 风险类实体：黑名单、失信记录、诉讼案件、监管处罚。
关系类型决定了图结构的语义。金融图中常见的关系包括：资金流转关系（账户间转账）、担保关系（企业间担保）、股权关系（母子公司、参股）、任职关系（高管兼任）、交易关系（客户与产品）、归属关系（账户属于客户）、风险关联关系（同一黑名单命中）。这些关系往往带有方向、权重、时间戳和金额属性，不能简单视为无向无权边。
关键认知：金融图是异质图（Heterogeneous Graph），节点类型和边类型都不止一种。忽略异质性，把所有实体和关系混为一类，会丢失大量业务语义，导致模型效果显著下降。
二、图结构表示：从业务表到图张量
将金融业务数据转化为图结构，通常需要经历实体抽取、关系抽取、属性对齐和图存储四个步骤。最终图结构可以用邻接矩阵、边列表或消息传递框架中的张量形式表示。
以账户转账为例，原始数据可能是交易流水表，包含付款账户、收款账户、金额、时间。转化为图结构后，账户是节点，转账是有向边，金额和时间作为边属性。若进一步引入客户、设备、IP等实体，图会迅速扩展为多类型节点和多类型边的异质图。
# 金融异质图结构示例（伪代码表示）
节点类型：
Customer, Account, Transaction, Institution, Product, RiskEvent
边类型：
Customer --owns--> Account
Account --transfers_to--> Account
Customer --buys--> Product
Institution --issues--> Product
Customer --matches--> RiskEvent
边属性：
amount, timestamp, currency, channel, direction
在实际工程中，图结构通常存储为边表加节点特征表。边表至少包含源节点ID、目标节点ID、边类型、时间戳和权重；节点特征表包含节点ID、节点类型和特征向量。GNN训练时，通过采样邻居和聚合消息，将图结构转化为节点嵌入。
三、方法流程：节点分类与关系预测的业务定义
节点分类的目标是为图中每个节点预测一个类别标签。在金融业务中，节点分类的典型任务包括：客户风险等级分类、账户异常状态识别、企业信用评级、交易欺诈节点判定。以反欺诈为例，节点是账户或客户，标签是“正常”或“欺诈”，模型需要根据节点自身特征和邻居关系推断标签。
关系预测的目标是判断两个节点之间是否存在某种关系，或预测关系的类型和强度。金融场景中的关系预测包括：潜在客户与产品之间的购买关系预测、企业之间的担保关系预测、账户之间的资金流转关系预测、客户与风险事件之间的关联预测。
| 任务类型 | 预测目标 | 金融业务示例 | 输出形式 |
|---|---|---|---|
| 节点分类 | 节点标签 | 客户风险等级、账户欺诈判定 | 类别概率 |
| 关系预测 | 边是否存在或边类型 | 担保关系、资金流转关系 | 边概率或类型 |
| 链路预测 | 未来可能连接的节点对 | 潜在客户-产品匹配 | 节点对评分 |
| 边属性预测 | 边的金额、时间等属性 | 转账金额预测、违约时间预测 | 回归值 |
从建模流程看，两类任务共享同一套图表示学习过程：先通过GNN聚合邻居信息得到节点嵌入，再在嵌入之上接分类头或边预测头。区别在于监督信号的构造方式：节点分类使用节点标签，关系预测使用正负边采样。
四、案例与场景：反欺诈中的节点分类与关系预测
假设某银行构建了一张包含客户、账户、设备、IP、交易的风险图。节点分类任务用于识别高风险账户，关系预测任务用于发现账户之间隐藏的资金归集关系。实际业务中，两者往往联合使用：先用节点分类筛出高风险账户，再通过关系预测扩展其关联团伙。
业务落地提示：金融图模型评估不能只看AUC。节点分类要关注召回率与误报成本，关系预测要关注Top-K命中率和业务可解释性。监管场景下，模型决策路径需要可追溯。
五、误区与复盘
- 误区一：把异质图当同质图处理。忽略节点和边的类型差异，会丢失关键业务语义，模型难以区分“转账”和“担保”的不同风险含义。
- 误区二：忽略时间信息。金融关系具有强时序性，用未来边预测过去节点会造成数据泄露，必须按时间切分训练集和测试集。
- 误区三：标签定义模糊。“欺诈”在不同业务线定义不同，节点分类的标签体系必须与业务口径对齐，否则模型无法落地。
- 误区四：关系预测只做正样本。负采样策略直接影响模型效果，金融场景中负样本应尽量接近真实分布，避免采样偏差。
复盘结论：金融图数据基础决定了GNN应用的上限。实体建模是否完整、关系类型是否准确、图结构是否保留时序和属性、任务定义是否与业务目标一致，这四点比模型结构选择更关键。
掌握本章内容后，后续的GNN模型设计、训练和评估才有明确的业务锚点。节点分类回答“这个实体是什么风险状态”，关系预测回答“这两个实体之间是否会发生某种业务关联”，两者共同构成金融图智能的核心任务体系。