4. 特征构建方法：基于业务逻辑、统计与时间序列，及风险控制点
特征构建是特征工程的核心环节，旨在从原始数据中衍生出对模型预测能力有显著提升的新变量。在模型风险管理框架下，特征构建不仅要追求预测性能，还必须确保可解释性、稳定性和合规性。本章系统阐述三种主流的特征构建方法，并重点剖析每个环节的关键风险控制点。
4.1 基于业务逻辑的特征构建
该方法依赖领域专家对业务场景的深刻理解，通过显式的业务规则和常识推导出特征。这类特征通常具有极强的可解释性，是高风险模型（如信用评分、反欺诈）的首选。
4.1.1 常见构建方式
- 比率型特征：如“负债收入比（DTI）”、“信用卡使用率”，直接反映客户的偿债能力。
- 交叉型特征：如“职业 × 收入区间”，用于捕捉不同职业群体的收入分布差异。
- 聚合型特征：如“近3个月最大逾期天数”、“历史贷款申请次数”，汇总客户历史行为。
- 业务规则特征：如“是否命中黑名单”、“是否属于高风险地区代码”，直接映射风控策略。
4.1.2 风险控制点
| 风险类别 | 具体描述 | 控制措施 |
|---|---|---|
| 主观偏差 | 专家经验可能引入认知偏见，导致特征区分度不足 | 结合统计验证（如IV值、PSI）进行筛选 |
| 业务规则过时 | 监管政策或市场环境变化导致规则失效 | 建立业务规则版本管理，定期回溯测试 |
| 过度拟合 | 针对特定样本设计的规则在泛化时表现下降 | 在时间外样本（OOT）上验证特征稳定性 |
实践建议：在信用评分卡模型中，“信贷查询次数”通常被构建为分段哑变量（如0次、1-2次、≥3次），而非连续值。这种业务逻辑转换能有效降低异常值对模型的影响，同时提升监管合规性。
4.2 基于统计的特征构建
该方法通过数学变换和统计方法从数据中自动或半自动地提取特征，常用于挖掘非线性关系和交互效应。在模型风险管理中，需警惕统计特征可能带来的“黑箱”风险。
4.2.1 核心方法
- 分箱与离散化：等距分箱、等频分箱、卡方分箱，将连续变量转化为有序类别。
- 对数/幂变换：对右偏分布（如收入、交易金额）进行log或Box-Cox变换，使其接近正态分布。
- 主成分分析（PCA）：降维并生成正交特征，但会损失原始业务含义。
- 聚类特征：使用K-Means或DBSCAN对样本聚类，将簇标签作为新特征。
4.2.2 风险控制点
| 风险类别 | 具体描述 | 控制措施 |
|---|---|---|
| 信息泄露 | 统计变换使用了未来数据或全局统计量 | 严格按时间序列划分训练/测试集，统计量仅在训练集计算 |
| 可解释性丧失 | PCA等降维特征无法直接映射回原始业务含义 | 限制使用场景，或采用SHAP值进行事后解释 |
| 分布漂移 | 分箱边界或聚类中心在跨时间窗口时发生偏移 | 监控分箱内样本占比的PSI，定期重拟合分箱逻辑 |
风险警示：在构建“客户价值评分”时，若直接对全量历史数据做标准化（Z-score），会导致模型在线上部署时因新样本均值和方差的改变而失效。正确的做法是：使用训练集的均值和标准差固化变换参数。
4.3 基于时间序列的特征构建
对于信贷、交易、风控等具有明显时间依赖性的场景，时间序列特征能有效捕捉趋势、周期性和突变点。这类特征对模型的时间泛化能力至关重要。
4.3.1 典型特征类型
- 滞后特征：如“上月还款金额”、“前7日平均交易笔数”。
- 滚动窗口统计量：如“近30天交易金额的均值、标准差、最大值”。
- 趋势特征：如“近3个月收入斜率”、“逾期天数的一阶差分”。
- 季节性特征：如“是否月末”、“季度末标志”、“同比变化率”。
4.3.2 风险控制点
| 风险类别 | 具体描述 | 控制措施 |
|---|---|---|
| 未来信息泄露 | 滚动窗口计算时错误地包含了当前时间点之后的数据 | 使用严格的“时间戳对齐”逻辑，确保窗口仅包含历史数据 |
| 窗口长度选择偏差 | 窗口过短导致噪声大，过长则对近期变化不敏感 | 通过时间序列交叉验证（如扩展窗口法）选择最优窗口 |
| 序列相关性 | 滞后特征与目标变量存在高度自相关，导致模型过拟合 | 检查特征与目标的互信息，必要时进行差分或去趋势处理 |
关键原则：时间序列特征构建必须遵循“因果时序”约束。任何特征在计算时，只能使用该样本时间点之前的数据。例如，在构建“近30天平均交易金额”时，若样本日期为2024-06-15，则窗口应为2024-05-16至2024-06-14，绝不能包含2024-06-15当天的数据。
4.4 构建过程中的统一风险控制框架
无论采用哪种构建方法，以下风险控制点贯穿始终，是模型风险管理审计的重点。
4.5 特征构建的文档化与审计要求
在模型风险管理中，特征构建过程必须完整记录，以满足内部审计和监管检查的要求。建议为每个构建的特征建立如下元数据卡片：
| 元数据字段 | 说明 | 示例 |
|---|---|---|
| 特征名称 | 唯一标识符 | dti_ratio |
| 构建方法 | 业务逻辑/统计/时间序列 | 业务逻辑 |
| 计算公式 | 明确的数学或逻辑表达式 | total_debt / total_income |
| 数据来源 | 原始表名及字段 | loan_application.debt_amt, income_amt |
| 时间窗口 | 若涉及时间序列，注明窗口定义 | 近6个月滚动 |
| 缺失值处理 | 填充策略 | 中位数填充 |
| 稳定性监控阈值 | PSI警戒线 | PSI < 0.1 |
| 版本号 | 特征迭代记录 | v2.1 |
审计要点：监管机构（如巴塞尔委员会、央行）在模型验证中，会重点检查特征构建是否引入了“前瞻性偏差”。例如，在构建“客户未来收入预测”特征时，若使用了未来已知的宏观经济数据，则构成严重违规。所有时间序列特征必须附带清晰的时间戳对齐证明。
通过系统性地融合业务逻辑、统计方法和时间序列技术，并在每个环节嵌入风险控制点，特征工程才能从“艺术”走向“工程”，为模型风险管理提供坚实、可信的数据基础。