1. 特征选择概述

1.1 特征选择在模型风险管理中的重要性

在模型风险管理（Model Risk Management, MRM）框架下，特征选择并非单纯的数据预处理步骤，而是直接影响模型风险敞口的关键控制点。错误的特征选择会引入系统性偏差、降低模型泛化能力，甚至导致合规风险。

特征选择在MRM中的核心价值体现在以下四个维度：

1.2 特征选择与模型稳定性的关系

模型稳定性（Model Stability）是MRM评估的核心指标之一，特征选择对其产生直接且深远的影响。稳定性差的模型在跨时间、跨客群验证时表现剧烈波动，是模型失效的前兆。

特征选择影响稳定性的三个关键路径：

• 特征漂移传导： 若所选特征本身分布不稳定（如宏观经济指标在周期切换时突变），模型输出将随之大幅震荡。
• 过拟合脆弱性： 高维特征空间下，模型容易记忆训练集中的噪声模式，在验证集上表现断崖式下跌。
• 特征共线性风险： 强相关特征组合在样本变化时权重分配失衡，导致模型决策逻辑不稳定。

1.3 特征选择的基本流程

在MRM框架下，特征选择应遵循结构化、可追溯、可复现的流程。以下流程将特征选择从"一次性操作"升级为"持续风险管理活动"：

1. 候选特征生成： 基于业务逻辑、领域知识、数据字典生成初始特征池，标注特征来源与业务含义。
2. 数据质量审查： 检查缺失率、异常值、唯一值比例，剔除质量不合格特征。
3. 单变量筛选： 计算IV值、信息增益、卡方检验等统计量，保留与目标变量显著相关的特征。
4. 稳定性评估： 计算PSI、特征分布距离，剔除跨时间/跨样本分布不稳定的特征。
5. 多变量选择： 使用Lasso、随机森林重要性、前向/后向选择等方法处理特征间冗余与共线性。
6. 业务合规审查： 人工审核特征的业务合理性、监管合规性、可解释性。
7. 最终确认与文档化： 记录特征选择依据、阈值、备选方案，形成模型风险管理文档。

1.4 特征选择与模型风险分类

不同风险类型的模型对特征选择的要求存在显著差异。MRM实践中需根据模型用途调整特征选择策略：