特征工程总览：特征工程在AML中的价值、特征类型与Pipeline设计
在反洗钱（AML）智能风控体系中，特征工程是连接原始交易数据与机器学习模型的核心桥梁。原始数据往往包含大量噪声、缺失值和非结构化信息，直接输入模型会导致性能低下、过拟合或无法收敛。特征工程通过领域知识、统计方法和算法技术，将原始数据转化为能够有效刻画洗钱行为模式的数值化特征，直接决定了模型的上限。
核心观点：数据和特征决定了机器学习的上限，而模型和算法只是逼近这个上限。在AML场景中，特征工程的质量比模型选择更为关键。
1. 特征工程在AML中的价值
洗钱行为通常隐藏在大量正常交易中，具有低频、高额、复杂关联、时序异常等特点。特征工程在AML中的具体价值体现在以下四个维度：
| 价值维度 | 说明 | 典型场景 |
|---|---|---|
| 信号增强 | 将弱信号（如单笔小额交易）通过聚合、对比转化为强信号 | 账户日累计交易额 vs 历史均值 |
| 维度扩展 | 从时间、空间、关系等维度挖掘隐藏模式 | 交易对手地域分布熵、交易时间间隔 |
| 噪声过滤 | 剔除重复、错误、无关数据对模型的干扰 | 内部转账标记、系统自动交易过滤 |
| 可解释性 | 构造具有业务含义的特征，便于监管审计 | 快进快出比率、拆分交易次数 |
实践提示：在AML项目中，特征工程通常占据整个建模周期60%-70%的时间。建议优先从业务规则和监管指引中提取特征灵感，再结合数据探索进行迭代。
2. 特征类型全景
AML特征工程涉及多种数据类型和构造方法，主要分为以下四大类：
2.1 统计特征
基于数值型字段的聚合统计，是最基础、最常用的特征类型。包括：
- 集中趋势：均值、中位数、众数
- 离散程度：标准差、方差、极差、四分位距
- 分布形态：偏度、峰度
- 汇总统计：总和、计数、最大值、最小值
2.2 时序特征
洗钱行为往往具有时间上的异常模式，时序特征用于捕捉交易的时间动态规律：
- 窗口统计：过去1小时/1天/7天/30天的交易金额和次数
- 趋势特征：移动平均、指数加权平均、斜率
- 周期性特征：小时、星期几、是否节假日、交易间隔
- 事件序列特征：交易时间间隔的变异系数、突发交易次数
2.3 图特征
洗钱网络通常涉及多个账户之间的资金流转，图特征用于刻画账户在网络中的角色和关系：
- 中心性指标：度中心性、介数中心性、接近中心性
- 社区特征：所属社区大小、社区内交易占比
- 结构特征：三角形计数、PageRank值、结构洞
- 资金流特征：出入度金额比、资金汇聚/发散指数
2.4 文本特征
交易附言、客户备注、尽职调查报告等文本数据中蕴含丰富信息：
- 关键词匹配：是否包含敏感词（如“佣金”、“捐赠”、“咨询费”）
- NLP特征：TF-IDF向量、词嵌入、主题模型分布
- 语义相似度：与已知洗钱案例描述的余弦相似度
避坑提醒：文本特征在AML中容易被忽视，但监管案例表明，大量洗钱行为会在交易附言中使用特定话术。建议至少构建一个简单的关键词匹配特征。
3. 特征工程Pipeline设计
在AML生产环境中，特征工程不是一次性工作，而是需要构建可复用、可监控、可回溯的特征工程Pipeline。一个完整的Pipeline通常包含以下阶段：
- 数据接入与校验：从交易系统、客户系统、外部黑名单等数据源接入原始数据，进行完整性、一致性校验。
- 数据清洗与预处理：处理缺失值、异常值、重复数据；对金额、时间等字段进行格式统一。
- 基础特征计算：生成统计特征、时序窗口特征、文本关键词特征等基础特征。
- 高级特征构造：基于图算法、NLP模型、交叉组合等方式生成高阶特征。
- 特征选择与降维：通过方差阈值、相关系数、特征重要性、PCA等方法筛选有效特征。
- 特征存储与版本管理：将特征存入特征仓库（Feature Store），记录特征版本、计算逻辑和回溯时间点。
- 在线特征服务：将特征计算逻辑部署为实时服务，支持流式交易评分。
4. Pipeline设计关键原则
| 原则 | 说明 | AML场景示例 |
|---|---|---|
| 可回溯性 | 每个特征必须能回溯到特定时间点的原始数据 | 使用快照表而非最新表计算历史特征 |
| 可重复性 | 相同输入必须产生相同输出，支持离线/在线一致性 | 特征计算逻辑使用确定性函数，避免随机种子 |
| 可监控性 | 对特征分布、缺失率、延迟进行实时监控 | 设置特征漂移告警，当均值偏离3σ时触发 |
| 可扩展性 | 支持新增数据源和特征类型，不影响现有流程 | 采用插件式特征计算框架，如Feast、Tecton |
工程建议：在AML项目中，建议使用Feature Store（如Feast、Hopsworks）统一管理特征。Feature Store可以解决特征共享、版本控制、在线/离线一致性等核心问题，显著提升团队协作效率。
5. 特征工程与模型性能的关系
特征工程的质量直接影响模型在AML场景中的表现。以下是一个典型的特征工程效果对比：
| 特征工程阶段 | 模型AUC | 召回率（Top 1%） | 误报率 |
|---|---|---|---|
| 仅使用原始字段 | 0.72 | 35% | 8.5% |
| + 统计特征 | 0.81 | 52% | 5.2% |
| + 时序特征 | 0.87 | 68% | 3.1% |
| + 图特征 | 0.92 | 81% | 1.8% |
| + 文本特征 | 0.94 | 86% | 1.2% |
关键洞察：从表中可以看出，每增加一类特征，模型性能都有显著提升。其中图特征和文本特征对召回率的提升最为明显，说明洗钱行为的网络结构和文本信息是重要的判别信号。
6. 本章小结
- 特征工程是AML智能风控的核心环节，决定了模型性能的上限。
- AML特征分为统计、时序、图、文本四大类型，每种类型解决不同维度的洗钱模式识别问题。
- 特征工程Pipeline需要遵循可回溯、可重复、可监控、可扩展四大原则，确保生产环境的稳定性和可靠性。
- Feature Store是管理AML特征工程的最佳实践工具，建议在项目初期就引入。