2. 特征分层方法论：分层原则、设计流程与数据源梳理
在反洗钱监测特征工程中，特征分层是连接原始数据与最终模型的核心桥梁。分层不是简单的分类，而是按照特征的业务含义、统计属性和模型用途进行系统化组织，确保特征可解释、可复用、可迭代。本节从分层原则、设计流程和数据源梳理三个维度展开。
2.1 分层原则：业务层、统计层、模型层
特征分层遵循“三层金字塔”结构，每一层解决不同的问题，层与层之间通过映射关系衔接。
| 分层 | 核心目标 | 典型特征示例 | 产出物 |
|---|---|---|---|
| 业务层 | 还原洗钱行为逻辑，确保特征可解释 | “快进快出”交易次数、夜间交易占比、对公对私转账频次 | 业务特征清单、特征定义文档 |
| 统计层 | 量化数据分布，识别异常模式 | 交易金额的Z-Score、交易间隔的变异系数、账户余额的百分位排名 | 统计特征矩阵、分布诊断报告 |
| 模型层 | 优化模型输入，提升区分度与稳定性 | WOE编码、分箱后IV值、特征交叉组合、时序衰减聚合 | 模型特征集、特征重要性排序 |
关键原则：业务层是“为什么”，统计层是“是什么”，模型层是“怎么用”。三层必须保持双向可追溯——模型层的高权重特征必须能回溯到业务层的洗钱手法。
下图展示了三层之间的递进与映射关系：
2.2 分层设计流程
特征分层设计不是一次性工作，而是迭代式的工程流程。以下为标准化五步流程：
- 业务场景解构：与反洗钱分析师、合规官访谈，梳理典型洗钱手法（如“化整为零”“快进快出”“休眠账户突活”），形成业务特征候选池。
- 数据源映射：将业务特征候选池中的每个特征，映射到具体的数据表、字段和计算逻辑，确保数据可获取。
- 统计验证：对原始特征进行分布分析、缺失率统计、相关性检验，剔除低方差、高缺失、强冗余的特征。
- 模型适配：根据模型类型（逻辑回归、XGBoost、图神经网络等）对特征进行编码、分箱、归一化或交叉组合。
- 分层归档与版本管理：将最终特征按三层结构归档，记录特征版本、依赖数据源、计算脚本和业务解释。
实战建议：在第一步“业务场景解构”中，建议使用洗钱场景卡片（每张卡片描述一种洗钱手法、对应的交易模式、典型客户画像），直接驱动特征设计，避免“从数据出发”导致特征与业务脱节。
下图展示了分层设计流程的完整链路：
2.3 数据源梳理
数据源是特征分层的“原材料”。在反洗钱场景中，数据源通常分为以下四大类：
| 数据源类别 | 典型数据表 | 关键字段示例 | 分层归属 |
|---|---|---|---|
| 客户信息 | 客户主表、客户风险评级表、客户关联关系表 | 客户ID、证件类型、国籍、职业、风险等级、关联账户数 | 业务层（客户画像） |
| 交易流水 | 交易明细表、转账记录表、跨境交易表 | 交易时间、交易金额、对手方、交易渠道、IP地址 | 业务层 + 统计层 |
| 账户行为 | 账户余额表、登录日志表、设备指纹表 | 余额变动、登录频次、设备ID、地理位置 | 统计层（行为模式） |
| 外部情报 | 制裁名单表、负面新闻表、监管通报表 | 名单类型、匹配度、通报日期、处罚金额 | 业务层 + 模型层 |
数据源梳理避坑：
- 不要遗漏时间窗口：反洗钱特征高度依赖时间窗口（如近30天交易次数），梳理数据源时必须明确每个字段的历史数据保留周期。
- 注意数据源版本：同一张表在不同时间点的字段定义可能变化（如“交易渠道”从文本改为枚举），需要在分层归档时记录数据源版本。
- 警惕数据源孤岛：客户信息、交易流水、外部情报通常存储在不同系统，梳理时需提前规划跨源关联的主键（如客户ID、证件号）。
数据源梳理的最终产出是一张数据源-特征映射矩阵，明确每个特征依赖哪些数据表、字段和计算逻辑。该矩阵是后续特征工程和模型迭代的“数据地图”。