📚 课程目录第3章变量与特征工程

变量与特征工程：变量的定义与分类

在授信决策引擎中，变量是策略规则的最小计算单元，而特征工程是将原始数据转化为可驱动决策的高价值信号的过程。本章将系统梳理变量的定义、分类体系，并阐述特征工程在策略编排中的核心地位，最后讲解变量映射与标准化的工程实现。

一、变量的定义与分类

变量（Variable）是对借款人某一维度特征的量化描述，是策略规则中“条件判断”的直接操作对象。根据数据来源与加工深度，变量可分为三大类：

变量类型	定义	典型示例	数据来源
基础变量	从原始数据源直接提取，未经任何加工计算的字段	年龄、性别、身份证号、申请金额、职业代码	申请表、征信报告、内部系统
衍生变量	基于一个或多个基础变量，通过数学运算、逻辑组合、时间窗口聚合等方式构造的新变量	近6个月平均月收入、信用卡使用率、近3个月查询次数	基础变量加工、行为数据聚合
外部数据变量	从第三方数据服务商或外部系统获取的变量，通常以接口或文件形式接入	多头借贷指数、黑名单命中标记、反欺诈评分、工商信息	外部数据源（百行、同盾、鹏元等）

变量分类原则： 基础变量是“原料”，衍生变量是“半成品”，外部数据变量是“外购件”。在策略编排时，优先使用衍生变量和外部变量，因为它们通常具有更强的区分能力和稳定性。

二、特征工程在策略中的重要性

特征工程（Feature Engineering）是将原始变量转化为更能体现借款人信用风险特征的过程。在授信决策引擎中，特征工程直接决定了策略规则的区分能力、稳定性和可解释性。

提升区分度： 原始变量往往存在大量噪声，通过特征工程可以提取出与违约强相关的信号。例如，将“月收入”与“月还款额”组合为“债务收入比（DTI）”，其区分能力远高于单独使用收入变量。
增强稳定性： 单一变量可能随时间波动剧烈，通过窗口聚合（如近3个月均值）或比率变换，可以平滑短期波动，使策略规则更鲁棒。
满足业务约束： 监管合规、产品定价、风险偏好等业务要求，往往需要特定形式的变量。例如，监管要求对“多头借贷”进行量化，就需要将“近7天申请平台数”等衍生变量纳入策略。
降低计算复杂度： 好的特征工程可以减少策略规则中不必要的条件分支，使决策流图更简洁，引擎执行效率更高。

实战经验： 在策略开发中，特征工程通常占据60%以上的工作量。一个经过精心设计的衍生变量，往往比增加10条简单规则更能显著提升模型AUC或策略通过率。

三、变量映射与标准化

变量映射与标准化是策略编排前的关键预处理步骤，确保不同来源、不同量纲的变量能够在统一的决策引擎中正确计算和比较。

3.1 变量映射

变量映射（Variable Mapping）是指将外部数据源或异构系统中的字段名、格式、取值逻辑，转换为引擎内部统一变量标识符的过程。常见的映射场景包括：

字段名映射： 外部数据源返回 id_card_no，引擎内部变量名为 id_number，需建立映射关系。
取值映射： 性别字段外部为 M/F，引擎内部要求 1/0，需做值转换。
缺失值映射： 外部数据返回 NULL 或 -999，需统一映射为引擎可识别的缺失标记（如 null 或 NaN）。

// 变量映射配置示例（JSON格式）
{
  "mappings": [
    {
      "externalField": "id_card_no",
      "internalVar": "id_number",
      "type": "string",
      "nullMapping": "NULL"
    },
    {
      "externalField": "gender",
      "internalVar": "gender_code",
      "type": "int",
      "valueMapping": {
        "M": 1,
        "F": 0,
        "U": -1
      },
      "nullMapping": -1
    }
  ]
}

3.2 变量标准化

变量标准化（Variable Normalization）是将不同量纲、不同分布的变量转换到统一尺度，避免因数值范围差异导致策略规则中的阈值设定失效。常用的标准化方法包括：

标准化方法	公式	适用场景	示例
Min-Max 归一化	`x' = (x - min) / (max - min)`	变量有明确上下界，如年龄、收入区间	年龄 25 → 0.25（假设0-100）
Z-Score 标准化	`x' = (x - μ) / σ`	变量近似正态分布，如征信查询次数	查询次数 5 → 1.2（μ=2, σ=2.5）
分位数标准化	`x' = rank(x) / N`	变量分布偏态严重，如收入、负债	收入 8000 → 0.65（分位数）
对数变换	`x' = ln(x + 1)`	变量呈指数分布，如贷款金额	金额 100000 → 11.51

注意： 标准化参数（min/max/μ/σ）必须在训练集或历史数据上计算，并固化到引擎配置中。线上实时决策时，使用相同的参数进行变换，避免数据泄露。

四、变量与特征工程整体架构

下图展示了从原始数据到策略规则使用的变量之间的完整链路，涵盖变量分类、特征工程、映射与标准化三个核心环节。

五、实战要点与避坑指南

变量命名规范： 在策略引擎中，变量名应遵循统一命名规则，例如：prefix_entity_timeWindow_aggregation。示例：loan_amt_6m_avg（近6个月平均贷款金额）。避免使用无意义的缩写或中文拼音。

常见陷阱：

数据穿越： 在特征工程中使用未来数据（如用全量数据计算均值），导致线上策略失效。必须严格按时间窗口切分。
缺失值处理不当： 将缺失值直接赋值为0或均值，可能引入系统性偏差。建议单独编码为-1或使用模型预测填充。
过度衍生： 生成过多高度相关的衍生变量，导致策略规则冗余、引擎性能下降。应通过相关性分析和IV值筛选保留有效变量。

变量与特征工程是授信决策引擎的“血液”与“心脏”。只有构建清晰、标准、可追溯的变量体系，并配合科学的特征工程方法，才能支撑起高效、稳定、可解释的策略规则体系。下一环节将进入策略规则的具体编排与决策流设计。