4、特征工程：多头借贷特征、共债特征、衍生变量构造
多头借贷与共债风险分析的核心在于“特征工程”。原始信贷申请数据（如征信报告、流水、申请记录）往往是分散、非结构化的，无法直接用于模型训练。特征工程的目标是将这些原始数据转化为能够量化“借款人在多少家机构借了钱”、“总负债有多重”、“近期资金紧张程度如何”等风险维度的数值型变量。本章将系统讲解多头借贷特征、共债特征以及衍生变量的构造方法论，并给出实战案例与常见误区。
4.1 多头借贷特征：量化借款分散度与资金饥渴度
4.1.1 核心原理
多头借贷（Multi-lending）指借款人在同一时期向多家金融机构或平台申请并持有贷款。其风险本质在于：借款人可能通过“借新还旧”维持流动性，一旦收入无法覆盖总还款额，将引发连锁违约。多头借贷特征的核心是量化借款人的借款机构数量、申请频率和资金缺口程度。征信报告中的“贷款审批查询记录”和“在贷余额记录”是构造该特征的主要数据源。
4.1.2 关键特征构造方法
| 特征类别 | 特征名称 | 构造逻辑 | 风险含义 |
|---|---|---|---|
| 数量类 | 近3/6/12个月贷款审批查询次数 | 统计征信报告中“贷款审批”原因的查询次数 | 次数越高，资金饥渴度越强 |
| 数量类 | 当前未结清贷款机构数 | 统计所有未结清贷款的放款机构数量 | 机构数≥3，共债风险显著上升 |
| 频率类 | 近1个月借款申请次数 | 统计最近30天内的贷款申请记录 | 短期频繁申请，违约概率倍增 |
| 集中度类 | 最大机构借款占比 | 最大机构贷款余额 / 总贷款余额 | 占比低说明分散，风险分散但管理复杂 |
| 趋势类 | 查询次数环比增速 | (本月查询次数 - 上月查询次数) / 上月查询次数 | 增速快，说明风险正在快速累积 |
4.1.3 案例拆解：从查询记录识别“以贷养贷”
背景：某消费金融公司风控团队发现，部分逾期客户的征信报告显示，在逾期前3个月内，其贷款审批查询次数从每月2次激增至每月8次，且新增贷款多为小额短期产品。
分析过程：
- 提取逾期客户（样本A）与正常客户（样本B）各5000名，统计近3个月硬查询次数分布。
- 样本A的平均查询次数为7.2次，样本B为2.1次，差异显著。
- 进一步分析发现，样本A中72%的客户在查询后5天内成功获得新贷款，且新贷款金额仅为月收入的30%-50%，明显不足以覆盖原有还款压力。
特征构造：设计“近30天查询次数/近90天查询次数”比率特征，该比率大于0.5时，识别“突击借款”行为。
结果：加入该特征后，模型KS值从0.31提升至0.38，坏样本识别率提升12%。
4.2 共债特征：衡量总体负债压力与还款能力
4.2.1 核心原理
共债（Co-indebtedness）关注的是借款人在整个金融体系中的总负债规模与还款能力的匹配程度。与多头借贷侧重“机构数量”不同，共债特征更强调“金额总量”和“收入覆盖能力”。其核心逻辑是：即使借款机构数不多，若总负债远超收入，违约风险依然极高。
4.2.2 核心特征与计算逻辑
- 总负债余额：所有未结清贷款余额之和（含信用卡已用额度）。
- 负债收入比（DTI）：月还款总额 / 月收入。一般DTI > 50%视为高风险。
- 信用卡使用率：已用额度 / 授信总额。使用率 > 80%说明资金链紧张。
- 担保余额占比：为他人担保的贷款余额 / 总资产。担保过多会放大隐性负债。
- 月还款压力指数：（房贷月供 + 车贷月供 + 信用卡最低还款额）/ 月收入。
| 特征名称 | 计算公式 | 风险阈值参考 | 适用场景 |
|---|---|---|---|
| DTI（负债收入比） | 月总还款 / 月收入 | <30%低风险；30%-50%中风险；>50%高风险 | 房贷、大额消费贷 |
| 信用卡使用率 | 已用额度 / 授信总额 | <30%良好；30%-70%关注；>70%警惕 | 信用卡客群 |
| 授信使用率 | 总已用额度 / 总授信额度 | >60%需人工审核 | 综合信贷评估 |
| 未结清贷款笔数 | 直接计数 | ≥5笔为高风险 | 小额现金贷 |
4.3 衍生变量构造：从原始特征到高维信息
4.3.1 构造方法论
衍生变量是对基础特征的二次加工，目的是捕捉隐藏模式。常用方法包括：比率类（消除量纲影响）、趋势类（反映变化方向）、波动类（衡量稳定性）、交叉类（发现非线性关系）。
4.3.2 典型衍生变量清单
| 类型 | 衍生变量 | 构造公式 | 业务解释 |
|---|---|---|---|
| 比率类 | 贷款余额/授信总额 | 总贷款余额 / 总授信额度 | 衡量授信使用深度 |
| 比率类 | 短期贷款占比 | 1年内到期贷款余额 / 总贷款余额 | 短期偿债压力 |
| 趋势类 | 负债3个月增长率 | (本月总负债 - 3个月前总负债) / 3个月前总负债 | 负债累积速度 |
| 波动类 | 借款金额变异系数 | 近6个月借款金额标准差 / 平均值 | 借款行为稳定性 |
| 交叉类 | 查询次数×信用卡使用率 | 近3个月查询次数 × 信用卡使用率 | 资金饥渴与额度耗尽的叠加效应 |
| 交叉类 | DTI×机构数 | 负债收入比 × 未结清机构数 | 综合评估共债深度与广度 |
4.3.3 实战场景：构建“共债风险指数”
场景：某银行信用卡中心希望从存量客户中识别潜在共债风险客户，提前进行额度管控。
操作步骤：
- 数据准备：提取客户征信报告、本行流水、外部大数据（如电商消费数据）。
- 基础特征：计算总负债、DTI、信用卡使用率、近3个月查询次数。
- 衍生构造：生成“负债增长率”、“查询次数/授信额度”、“消费波动率”等变量。
- 特征筛选：使用IV值（信息价值）筛选，保留IV > 0.02的特征。
- 指数合成：采用逻辑回归或评分卡方式，将特征加权求和，得到0-100的共债风险指数。
结果对比：在验证集上，指数排名前10%的客户，其未来6个月逾期率是后10%客户的4.7倍。银行据此对高风险客户执行降额或分期引导策略，整体不良率下降0.8个百分点。
4.4 常见误区与总结复盘
4.4.1 常见误区
- 误区一：只看机构数，忽略金额。某客户在3家机构借款，但总额仅5000元，风险远低于在2家机构借款10万元的客户。
- 误区二：忽视时间窗口。查询次数应区分“近1个月”和“近12个月”，短期激增比长期平稳更具风险指示意义。
- 误区三：共债特征未考虑“可支配收入”。DTI的分母应使用税后收入，而非税前收入。
- 误区四：衍生变量过度拟合。在训练集上表现优异的复杂交叉特征，可能在验证集上失效，需进行交叉验证。
4.4.2 总结复盘
特征工程是风控模型的核心竞争力。多头借贷特征解决“借了多少家”的问题，共债特征解决“欠了多少钱、还不还得起”的问题，衍生变量则进一步挖掘数据中的深层规律。在实际操作中，建议遵循以下流程：
- 明确业务场景（贷前审批、贷中管理、贷后催收）。
- 梳理可用数据源（征信、流水、外部数据）。
- 先构造基础特征，再逐步添加衍生变量。
- 使用IV值、相关性分析、特征重要性进行筛选。
- 持续监控特征稳定性，定期迭代更新。