1. 特征一致性校验概述

1.1 什么是特征一致性校验

特征一致性校验（Feature Consistency Validation）是指在金融风控模型的全生命周期中，对特征在不同环境、不同时间、不同数据源之间的分布、取值逻辑与业务含义进行系统性比对与验证的过程。其核心目标是确保模型输入特征在离线训练、在线推理、回溯测试等环节中保持统计与语义上的稳定，避免因特征漂移或加工逻辑不一致导致模型失效。

1.2 为什么在风控中至关重要

金融风控模型直接决定信贷审批、额度定价、欺诈识别等核心决策。特征不一致会引发以下严重问题：

• 模型性能衰减：训练集与在线特征分布偏移，导致AUC、KS等指标快速下降。
• 决策逻辑错乱：同一特征在离线与在线含义不同（如“近30天逾期次数”统计口径不一致），造成误判。
• 监管合规风险：模型上线后无法解释特征变化原因，难以通过监管审计。
• 资源浪费与延迟：特征加工链路断裂或重复计算，增加系统开销与响应时间。

1.3 常见校验场景

特征一致性校验覆盖模型开发与部署的多个关键环节，以下为三大核心场景：

场景一：离线 vs 在线

离线环境（训练/回测）与在线环境（实时/批量推理）的特征加工链路往往不同。离线使用全量历史数据，在线依赖实时流式数据。常见差异包括：

• 时间窗口对齐：离线“近30天”按自然日计算，在线按业务日（可能跳过周末）计算。
• 缺失值处理：离线用全局均值填充，在线用实时均值或默认值填充。
• 衍生逻辑：离线特征可能经过复杂SQL聚合，在线因性能限制使用简化版本。

场景二：训练集 vs 测试集

训练集与测试集（包括验证集、回溯测试集）之间的特征一致性是模型泛化能力的基础。常见问题包括：

• 数据泄露：测试集特征包含了未来信息（如“是否逾期”在样本时间点之后才发生）。
• 分布漂移：训练集与测试集来自不同时间段或不同客群，特征均值、方差发生显著变化。
• 特征缺失率差异：训练集特征缺失率低（数据清洗充分），测试集缺失率高（线上原始数据）。

场景三：不同数据源

风控模型常融合内部数据（申请信息、行为数据）与外部数据（征信、多头、黑名单）。不同数据源之间的特征一致性校验关注：

• 字段映射：同一业务含义的字段在不同数据源中名称、类型、单位不同（如“收入”在A源为月收入，在B源为年收入）。
• 时间戳对齐：各数据源更新时间不同，导致特征值的时间基准不一致。
• 覆盖范围：部分数据源只覆盖特定客群，造成特征缺失或选择性偏差。

1.4 校验流程概览

一个标准的特征一致性校验流程通常包含以下步骤：

1. 特征清单对齐：确认离线与在线特征名称、类型、业务含义一致。
2. 分布统计对比：计算均值、标准差、分位数、PSI（群体稳定性指标）等。
3. 缺失与异常检测：对比缺失率、异常值比例、边界值。
4. 逻辑一致性验证：抽样比对离线与在线特征加工结果，确保逻辑等价。
5. 报告与告警：生成校验报告，对超出阈值的特征发出告警。