4. 坏样本特征工程：基础特征、行为特征与衍生特征
在贷后预警体系中，特征工程是将原始数据转化为风险识别信号的核心环节。坏样本（逾期/违约客户）的特征往往隐藏在多个维度中：基础特征反映客户的静态还款能力，行为特征揭示其还款意愿与习惯变化，衍生特征则通过交叉计算放大风险信号。本节将系统拆解这三类特征的构建逻辑与预警价值。
核心原则：特征不是越多越好，而是越“敏感”越好。坏样本的特征工程应聚焦于“还款能力下降”与“还款意愿恶化”两条主线，避免引入噪声。
4.1 基础特征：静态画像与还款能力锚点
基础特征通常来自客户申请资料或外部征信报告，是贷后预警的“基线数据”。当这些静态指标与贷中行为发生偏离时，往往意味着风险开始暴露。
| 特征名称 | 典型坏样本表现 | 预警逻辑 |
|---|---|---|
| 年龄 | 25岁以下或55岁以上逾期率偏高 | 年轻群体收入不稳定，老年群体收入来源单一；极端年龄需结合职业交叉验证 |
| 收入 | 月收入＜月还款额2倍，或收入波动＞30% | 收入覆盖倍数不足是逾期最直接的信号；收入骤降需触发人工核查 |
| 职业 | 自由职业、临时工、高危行业 | 职业稳定性直接影响现金流可预测性；频繁更换职业类型需标记 |
| 学历 | 高中及以下逾期率显著高于本科及以上 | 学历与金融素养、收入水平存在弱相关，需与其他特征联合使用 |
| 婚姻状况 | 离异或未婚且无共同借款人 | 家庭支持系统缺失时，单一收入中断即可能引发违约 |
实战建议：基础特征不宜单独作为预警规则，但可以作为“分层锚点”。例如：对“年龄＜25岁 + 自由职业”的客群，将预警阈值下调20%。
4.2 行为特征：动态轨迹与还款意愿晴雨表
行为特征是贷后预警中最敏感的维度。客户在逾期前的行为轨迹往往存在可量化的“异常模式”，包括还款习惯突变、登录频率下降、联系方式变更等。这些特征比基础特征更具时效性。
- 还款习惯特征：
- 还款日偏移度：客户实际还款日与应还日的差值。坏样本通常表现为“还款日越拖越晚”，偏移度标准差＞3天即需关注。
- 还款金额波动率：连续3期还款金额的变异系数。正常客户波动率＜10%，坏样本常出现“还最低额”或“部分还款”行为。
- 还款渠道变化：从自动代扣转为手动转账，或频繁更换绑定银行卡，是资金链紧张的典型信号。
- 登录频率特征：
- 登录频次骤降：近7天登录次数较前30天均值下降＞50%，可能意味着客户已放弃主动管理债务。
- 登录时段异常：凌晨时段（0:00-5:00）登录占比＞30%，与失业、焦虑等负面状态相关。
- 功能访问路径：频繁访问“延期申请”“投诉入口”而非“还款入口”，是风险前置指标。
- 联系方式变更特征：
- 近30天内手机号、紧急联系人、居住地址任意一项变更，逾期概率提升2.3倍。
- 变更后未主动通知平台，且新号码为空号或停机，属于高风险信号。
注意：行为特征需要设置“基线期”。新客户前3个月的行为数据波动较大，不宜直接套用存量客户的预警阈值。建议对每个客户建立“个人行为画像”，以自身历史数据为参照。
4.3 衍生特征：交叉计算与风险放大信号
衍生特征是对基础特征和行为特征进行数学变换、交叉组合后生成的新变量。这类特征能够捕捉单一维度无法体现的“复合风险”，是坏样本识别中区分度最高的特征群。
4.3.1 逾期天数相关衍生
- 当前逾期天数：最直接的坏样本标签，但需注意“宽限期”处理（通常M1为1-30天，M2为31-60天）。
- 历史最大逾期天数：反映客户历史违约深度，即使当前已结清，历史M3+客户再逾期概率是普通客户的3倍。
- 逾期天数增速：（本期逾期天数 - 上期逾期天数）/ 上期逾期天数。增速＞50%意味着风险正在快速恶化。
4.3.2 负债率相关衍生
| 衍生特征 | 计算公式 | 坏样本典型阈值 |
|---|---|---|
| 总负债收入比（DTI） | 总月负债 / 月收入 | ＞50% 为高风险 |
| 信用卡使用率 | 已用额度 / 总授信额度 | ＞80% 且持续3个月 |
| 多头借贷指数 | 近3个月新增贷款机构数 | ≥4家 为高风险 |
| 负债结构比 | 短期负债（＜1年）/ 总负债 | ＞70% 表示流动性压力大 |
| 收入覆盖倍数 | 月收入 / 月还款额 | ＜1.5 触发预警 |
4.3.3 交叉衍生特征（高区分度）
实战高价值特征示例：
# 特征1：收入波动 × 还款日偏移度
risk_score_1 = income_volatility * repayment_day_offset
# 特征2：登录频次下降率 × 历史逾期天数
risk_score_2 = (1 - login_freq_7d / login_freq_30d) * max_overdue_days
# 特征3：负债率增速 × 联系方式变更次数
risk_score_3 = dti_growth_rate * contact_change_count上述交叉特征在内部测试中，将坏样本识别准确率从72%提升至89%。
4.4 特征工程避坑清单
- 避免“未来信息泄露”：衍生特征只能使用截至当前时间点的数据，不能引入未来还款结果。例如，用“是否最终逾期”来训练特征，会导致模型在线上失效。
- 警惕“稀疏特征”：如“职业”字段中“其他”占比超过40%，应做合并或剔除，否则会引入噪声。
- 注意“时间窗口一致性”：基础特征（如收入）通常是月度更新，行为特征（如登录频率）可以做到日级。在构建衍生特征时，必须对齐时间窗口，避免用日级数据除以月度数据产生误导性比率。
- 拒绝“过度拟合”：某些衍生特征在训练集上区分度极高（如“逾期天数=0”），但在测试集上完全失效。建议使用WOE（证据权重）或IV（信息量）值筛选特征，保留IV＞0.02的特征。