1. 课程导入
在金融市场中，交易员的每一笔委托、每一次撤单、每一个持仓调整，都会在交易系统中留下结构化或半结构化的行为痕迹。这些痕迹单独看往往只是普通操作，但一旦按时间、品种、账户、策略维度聚合，就会形成具有辨识度的“行为画像”。交易员行为画像，是指通过采集交易员的委托、成交、撤单、持仓、资金变动、登录与操作时序等数据，构建能够刻画其交易习惯、风险偏好、策略类型与心理特征的多维标签体系。异常模式识别，则是在画像基础上，利用统计规则、机器学习或图分析方法，发现偏离正常行为基线的操作序列，例如幌骗、老鼠仓、对倒、频繁撤单、尾盘拉抬、异常同步交易等。
本课程不是单纯讲解算法模型，而是围绕“数据—画像—识别—处置—复盘”的完整闭环展开。第1章作为导入，重点解决三个问题：这门课到底研究什么、学完之后能做什么、以及它在真实交易风控与合规场景中值多少钱。
一、核心原理：从行为痕迹到可解释的异常信号
行为画像与异常识别的底层逻辑，可以概括为“基线—偏离—证据”三段式。首先，系统需要为每个交易员或账户组建立正常行为基线，包括日均委托次数、撤单率、平均持仓时长、偏好品种、下单时间分布、单笔金额分布等。其次，当实时或离线数据偏离基线超过阈值时，触发异常候选。最后，结合关联账户、资金链路、IP/MAC、设备指纹等上下文，形成可解释的证据链。
这里的关键不是“找出最异常的人”，而是“找出异常且可解释、可复核、可处置的模式”。因为金融交易中很多异常是策略需要，例如做市商高频撤单、算法拆单、对冲调仓等。因此，画像必须包含策略类型标签，否则误报率会极高。
核心公式化表达：异常分数 = 行为偏离度 × 上下文风险权重 × 策略豁免系数。策略豁免系数用于降低做市、算法交易等已知策略的误报。
二、方法流程：六步闭环
- 数据采集：委托表、成交表、撤单表、持仓表、资金流水、登录日志、设备指纹。
- 特征工程：构建时间窗口特征、序列特征、网络特征与账户关联特征。
- 画像建模：生成交易员标签，如“高频撤单型”“尾盘活跃型”“多账户同步型”。
- 异常检测：规则引擎、孤立森林、LOF、DBSCAN、图神经网络、序列模式挖掘。
- 证据聚合：将异常信号与资金、设备、IP、品种、时间线关联，形成案件包。
- 处置与复盘：预警、问询、限制、上报，并回流标注优化模型。
典型特征参数示例：
window_size = 5min / 30min / 1day
cancel_ratio = 撤单笔数 / 委托笔数
order_amount_cv = 单笔金额变异系数
sync_trade_score = 多账户同向同品种时间重合度
device_reuse_count = 同一设备关联账户数
night_login_ratio = 非交易时段登录占比
三、案例/场景：三类典型异常
| 异常类型 | 行为表现 | 关键识别特征 | 常见误报来源 |
|---|---|---|---|
| 幌骗 | 大量挂单后快速撤单，诱导成交 | 撤单率极高、挂撤时间差极短、盘口深度突变 | 做市商正常报价 |
| 对倒/洗售 | 关联账户间互为对手方成交 | 账户资金同源、设备/IP重合、成交价格偏离小 | 同一客户多账户对冲 |
| 尾盘拉抬 | 收盘前集中买入推高价格 | 尾盘成交量占比异常、委托金额陡增 | 指数基金调仓 |
以幌骗为例，某账户在盘中某品种上连续挂出大额买单，但在成交前0.3秒内全部撤单，随后在反向方向建立仓位。单看撤单率可能只是“偏高”，但结合“挂撤时间差小于1秒”“撤单后反向成交”“盘口深度瞬间变化”三个特征，异常分数会显著上升。若该账户同时被标记为“非做市策略”，则进入高优先级预警。
四、误区与复盘：不要陷入“唯模型论”
常见误区一：只追求模型AUC，忽略业务可解释性。风控人员需要知道“为什么异常”，而不是只得到一个分数。
误区二：忽略策略豁免。做市商、算法交易、ETF申赎套利天然具有高频撤单、拆单、同步交易特征，若不区分策略类型，误报会淹没真实风险。
误区三：静态阈值一劳永逸。市场波动率、品种流动性、监管规则都会变化，基线必须动态更新。
复盘时应重点关注：异常信号是否可复现、证据链是否完整、处置结果是否反馈到标签体系。一个成熟的识别系统，不是一次建模就结束，而是“预警—核查—标注—再训练”的持续循环。
五、整体课程框架与实战价值
本课程共30章，整体分为五个模块：基础认知（第1-5章）、数据与特征（第6-12章）、画像建模（第13-18章）、异常识别算法（第19-25章）、实战处置与复盘（第26-30章）。第1章负责建立全局地图，后续章节会逐步深入到具体特征、模型、代码与案例。
实战价值体现在三个层面：对交易员，理解自身行为如何被系统解读，避免无意识触发风控；对风控合规人员，掌握从数据到证据的完整方法，提高稽查效率；对技术开发者，获得可落地的特征工程、模型选型与系统架构参考。