📚 课程目录第4章特征工程基础

4、特征工程基础：特征构建思路、时间窗口切片、聚合统计特征

在贷后预警场景中，原始数据通常以交易流水、还款记录、催收日志等形式存在，无法直接用于模型训练。特征工程的核心任务是将这些原始数据转化为能够有效区分“好样本”与“坏样本”的数值特征。本章聚焦于特征构建的三大基础模块：特征构建思路、时间窗口切片以及聚合统计特征。

4.1 特征构建思路

特征构建并非盲目堆砌变量，而是基于业务逻辑与数据形态的系统性设计。贷后预警特征通常从以下三个维度出发：

行为维度：借款人的还款行为、消费行为、联系行为等。例如：近30天还款次数、逾期天数、联系客服频率。
状态维度：借款人在某一时间点的静态属性。例如：当前逾期金额、授信额度、剩余本金。
趋势维度：行为或状态随时间的变化方向。例如：近3个月逾期天数环比变化、月均消费金额的增长率。

业务提示： 特征构建应优先选择与“坏样本”定义（如逾期90天以上、核销、失联）有明确因果或强相关关系的变量。避免引入过多噪声特征，导致模型过拟合。

下表总结了三种维度的典型特征示例及其在贷后预警中的意义：

维度	典型特征示例	预警意义
行为维度	近7天还款失败次数	反映借款人短期资金链紧张程度
状态维度	当前逾期金额占比	衡量当前违约严重程度
趋势维度	近3个月月均消费金额变化率	捕捉收入或消费能力下降趋势

4.2 时间窗口切片

时间窗口切片是特征工程中处理时序数据的关键技术。它通过定义固定的时间区间，将连续的行为序列切分为可比较的片段，从而提取出不同时间段内的行为模式。

常见的时间窗口类型包括：

固定长度窗口：如近7天、近30天、近90天。适用于捕捉短期与中期行为变化。
滑动窗口：以当前时间点为基准，向前滑动固定步长。例如：近30天、近60天、近90天的还款行为。
日历窗口：按自然月、季度或年划分。适用于与账单周期、考核周期对齐的场景。
事件窗口：以特定事件（如首次逾期、催收联系）为起点或终点。适用于分析事件前后的行为变化。

  关键原则： 窗口长度的选择需平衡信息量与时效性。窗口过短可能无法反映稳定模式，窗口过长则可能引入过时信息，降低预警灵敏度。

下图展示了贷后预警中常用的时间窗口切片策略：

4.3 聚合统计特征

在确定时间窗口后，需要对窗口内的原始数据进行聚合计算，生成具有统计意义的特征。最常用的聚合统计量包括：最大值、最小值、均值和标准差。

这些统计量从不同角度刻画了借款人在窗口内的行为特征：

最大值：反映窗口内的极端行为。例如：近30天最大逾期天数、单日最大消费金额。
最小值：反映窗口内的最低水平。例如：近90天最低还款金额、最低账户余额。
均值：反映窗口内的平均水平。例如：近7天日均消费金额、月均还款次数。
标准差：反映窗口内的波动程度。例如：近30天还款金额的标准差，波动越大说明还款行为越不稳定。

避坑提醒： 标准差特征对异常值敏感，在数据清洗不充分时可能导致特征失真。建议在计算标准差前先进行分位数截断或异常值处理。

下表以“还款行为”为例，展示不同聚合统计量的业务含义：

聚合统计量	特征名称	计算方式	业务含义
最大值	近30天最大还款金额	max(还款金额)	反映借款人短期内的最大还款能力
最小值	近30天最小还款金额	min(还款金额)	反映借款人短期内的最低还款意愿或能力
均值	近30天日均还款金额	avg(还款金额)	反映借款人短期内的平均还款水平
标准差	近30天还款金额标准差	std(还款金额)	反映借款人还款行为的稳定性，波动越大风险越高

4.4 特征构建实战：代码示例

以下代码展示了如何使用Python对贷后数据进行时间窗口切片与聚合统计特征构建：

import pandas as pd
import numpy as np

# 示例数据：用户还款流水
data = {
    'user_id': ['A001', 'A001', 'A001', 'A002', 'A002'],
    'repay_date': ['2024-01-05', '2024-01-20', '2024-02-10', '2024-01-15', '2024-02-05'],
    'repay_amount': [500, 300, 600, 1000, 800]
}
df = pd.DataFrame(data)
df['repay_date'] = pd.to_datetime(df['repay_date'])

# 定义当前时间点
current_date = pd.Timestamp('2024-02-15')

# 时间窗口切片：近30天
df['window_30d'] = (current_date - df['repay_date']).dt.days <= 30

# 聚合统计特征计算
features = df[df['window_30d']].groupby('user_id').agg(
    repay_max_30d=('repay_amount', 'max'),
    repay_min_30d=('repay_amount', 'min'),
    repay_mean_30d=('repay_amount', 'mean'),
    repay_std_30d=('repay_amount', 'std')
).reset_index()

print(features)

  输出说明： 上述代码为每个用户生成了近30天内的还款金额最大值、最小值、均值与标准差。这些特征可直接用于贷后预警模型的训练。

4.5 特征构建流程总览

下图总结了从原始数据到聚合统计特征的完整构建流程：

通过上述流程，我们可以将原始的时序数据转化为结构化的特征矩阵，为后续的坏样本归因分析提供高质量的输入变量。