第2章 信用评分业务理解：风险因素与特征需求分析
做信用评分，第一个要搞清楚的其实是——到底哪些风险因素在起作用。说实话，我刚入行那会儿也踩过坑，上来就堆特征，几百个变量往里塞，模型效果反而不如人家几十个特征做得好。后来才明白：业务理解不到位，特征工程就是瞎忙活。
这一章，咱们就聊聊信用评分里的风险因素长什么样，以及怎么从业务场景推导出特征需求。
2.1 信用评分要防哪些风险？
说白了，信用评分要回答一个问题：这个人会不会准时还钱？但实际业务中，“不还钱”背后有好几种可能性。
| 风险类型 | 业务含义 | 典型表现 |
|---|---|---|
| 违约风险 | 借款人无力或不愿按期还款 | 逾期超过90天、坏账 |
| 欺诈风险 | 身份信息造假、申请材料伪造 | 多头借贷、设备异常、联系人虚假 |
| 失联风险 | 借款人故意更换联系方式逃避催收 | 电话关机、地址失效、职业信息不符 |
| 过度负债风险 | 借款人收入无法覆盖多笔贷款 | 信用卡使用率>80%、月供占比过高 |
这四类风险，在特征设计上要求完全不一样。我以前做过一个项目，团队花两周把违约特征搞得很漂亮，结果上线后欺诈率降不下来——嗯，就是因为一开始没把风险分类想清楚。
我的经验：做特征之前，先跟风控、催收、反欺诈三个部门聊一轮。别光看历史数据，业务人员的“直觉”里藏着很多你没注意到的风险信号。
2.2 从风险反推特征需求
风险类型定下来之后，特征需求就跟着出来了。我习惯用一张表格把“风险→业务维度→特征例子”串起来，方便跟业务方对齐。
| 风险类型 | 业务维度 | 特征示例 |
|---|---|---|
| 违约风险 | 还款能力 | 月收入、负债收入比（DTI）、职业稳定性 |
| 违约风险 | 还款意愿 | 历史逾期次数、征信查询次数、信贷账户数 |
| 欺诈风险 | 身份真实性 | 身份证与手机号归属地是否一致、设备指纹 |
| 欺诈风险 | 行为异常 | 申请时间在凌晨、IP与GPS不匹配 |
| 失联风险 | 联系稳定性 | 手机号使用时长、住宅地址变化频率 |
| 过度负债风险 | 负债水平 | 信用卡已用额度、当前贷款笔数、月还款总额 |
你看，同样的“逾期次数”，在违约模型里是核心特征，在欺诈模型里反而是辅助信号——因为欺诈者往往表现为“干净”的征信。所以，特征需求一定要跟着风险目标走，不能一套特征打天下。
2.3 特征来源与数据层级
特征不是凭空想出来的，它来自数据。我做特征调研时，会先把数据源按层级列出来，否则后期容易漏掉一些关键变量。
- 基础层：身份信息、联系方式、学历、职业等。这部分数据质量最差，但也是反欺诈的第一道防线。
- 行为层：历史借贷记录、还款行为、征信查询频次。我在项目中遇到过征信报告里“查询次数暴增”的案例——十有八九是多头借贷的信号。
- 交互层：申请时的操作行为，比如填写时长、修改次数、是否使用复制粘贴。这些特征看似细碎，但对欺诈识别非常有效。
- 外部层：社保、公积金、税务、黑名单等第三方数据。数据贵，但能显著提高模型区分度。
曾经踩过的坑： 我一开始做特征工程时，把所有数据一股脑丢进模型，结果训练集表现完美，上线后暴跌。后来才发现——有些外部数据在训练集里是未来数据（比如社保缴费记录的时间戳跨了申请日）。特征时间窗口必须按业务逻辑切割，绝对不能泄露未来信息。
2.4 特征需求分析的整体流程
好了，我们把上面这些东西串起来。我个人习惯先画一张流程草图，再动手做特征。下面这张图说明了从风险到特征的映射关系。
你想想看，如果只盯着违约风险做特征，欺诈案件往往会被漏掉——因为欺诈者反而会刻意维持“优良”的还款记录。所以特征需求分析一定得覆盖全风险类型。
核心原则： 特征不是越多越好，而是越“对症”越好。先做风险分析，再做特征设计，数据质量也是在这个过程中被逐步发现的。
2.5 避坑指南——我的一些教训
- 别只看正样本。 我曾经在一个项目里把精力全放在“好客户”的特征上，结果坏样本的分布跟好样本完全不同，模型区分度极差。后来才意识到：坏样本的特征才是关键。
- 小心时间穿越。 前面warning里提了，特征计算的时间点不能晚于业务决策时间。特别是那些第三方数据，一定要确认采集日期。
- 不要迷信公开特征库。 有些通用特征（比如“年龄分段”）在A公司效果好，在B公司可能完全无效。我见过团队直接搬来Kaggle上的特征集，上线后AUC掉了0.2——因为业务场景不同。