4. 特征工程入门：特征分类、构造思路与筛选基础

特征工程是风控建模中最具“手艺感”的环节。原始数据不会直接告诉你“谁更可能逾期”，你需要通过特征工程把业务信号转化为模型可理解的数值语言。本章聚焦三类核心特征、构造思路以及最常用的筛选方法。

4.1 特征分类：数值型、类别型、时序型

风控特征按数据性质可分为三大类，每类在建模中的处理方式截然不同。

4.2 特征构造思路

特征构造不是盲目堆砌，而是基于业务逻辑和数据形态的“信号放大”。以下四种思路覆盖了风控场景中90%以上的有效特征来源。

4.2.1 基础统计量构造

• 聚合统计： 对同一用户的多笔记录计算均值、最大值、最小值、标准差、最近值。
• 比率构造： 负债收入比（DTI）、信用卡使用率、月还款/月收入。
• 差值构造： 当前额度 - 初始额度、申请时间 - 最近逾期时间。

4.2.2 时序特征构造

• 趋势特征： 近3个月额度使用斜率、近6个月查询次数变化方向。
• 波动特征： 还款金额的变异系数、登录间隔的波动程度。
• 周期性特征： 是否在还款日前后有异常行为、周末/工作日行为差异。

4.2.3 交叉特征构造

• 类别×数值： 不同职业分组的平均收入、不同地区的平均负债率。
• 数值×数值： 收入×年龄（反映收入成长阶段）、查询次数×负债率。
• 时序×类别： 某类用户在特定时间窗口内的行为变化。

4.2.4 业务规则特征

• 规则命中： 是否触发多头借贷规则、是否命中黑名单。
• 行为标签： 是否夜间申请、是否频繁修改个人信息。
• 关系网络： 通讯录中逾期人数占比、关联设备数。

4.3 特征筛选基础方法

构造出的特征往往成百上千，必须通过筛选剔除冗余、噪声和过拟合风险。筛选分为三个层次：

4.3.1 覆盖率与稳定性筛选

• 缺失率： 缺失率 > 70% 的特征直接剔除（除非缺失本身有业务含义）。
• 单一值占比： 单一取值占比 > 95% 的特征无区分能力。
• PSI（群体稳定性指标）： PSI > 0.25 的特征在时间上不稳定，需剔除或替换。

4.3.2 单变量筛选

• IV（信息价值）： IV < 0.02 的特征预测能力极弱；IV > 0.5 需怀疑是否过度拟合。
• 卡方检验： 类别型特征与目标变量的独立性检验，p值 > 0.05 的特征可剔除。
• 相关系数： 与目标变量相关系数绝对值 < 0.05 的特征贡献微弱。

4.3.3 多变量筛选

• 相关性去重： 两两相关系数 > 0.8 时，保留IV较高或业务解释性更强的特征。
• VIF（方差膨胀因子）： VIF > 10 表示严重多重共线性，需剔除。
• 特征重要性排序： 使用LightGBM或随机森林输出特征重要性，剔除重要性为0的特征。

4.4 特征工程实战清单

以下清单可作为日常特征工程的检查表，避免遗漏关键步骤：