3. 客户基础特征层：客户身份属性（国籍、职业、年龄）、注册信息、账户类型与开户时长

客户基础特征层是 AML 模型中最稳定、最易获取的特征来源。该层直接反映客户在金融机构中的静态身份与账户行为起点，是构建客户风险画像的基石。本节将系统拆解身份属性、注册信息、账户类型与开户时长四大子模块，并给出特征工程的具体实践方法。

3.1 特征子模块总览

客户基础特征可归纳为以下四类，每类在 AML 模型中承担不同的风险区分角色：

3.2 身份属性特征工程

3.2.1 国籍（Nationality）

国籍是 AML 模型中最敏感的身份属性之一。FATF（金融行动特别工作组）定期发布高风险国家名单，金融机构需将客户国籍与名单进行映射。

特征构造方法：

• 风险等级映射：将国籍分为低/中/高/制裁四档，编码为 0/1/2/3。
• WOE 编码：基于训练集中每个国籍的正负样本比例，计算 Weight of Evidence 值，替代原始类别。
• 交叉特征：国籍 × 交易对手国籍，用于识别跨境资金异常流动。

3.2.2 职业（Occupation）

某些职业天然具有更高的洗钱风险敞口，如珠宝商、房地产经纪人、律师、会计师等。职业字段通常缺失率高、类别多，需要做聚合处理。

特征构造方法：

• 高风险职业标记：建立 PEP（政治公众人物）及高风险职业白名单，生成二值特征。
• 频次聚合：将低频职业归入“其他”类别，避免稀疏矩阵。
• 收入层级映射：根据职业平均收入水平分箱，辅助识别收入与交易量不匹配的异常。

3.2.3 年龄（Age）

年龄分布异常往往是身份冒用或账户出借的信号。例如，80 岁以上老人突然进行高频大额交易，或 18 岁以下客户持有高等级账户。

特征构造方法：

• 分箱处理：[0-18], [18-25], [25-40], [40-60], [60+] 五箱，每箱统计风险概率。
• 年龄偏差特征：客户年龄与账户注册年龄之差，用于检测账户转让。
• 交互特征：年龄 × 账户类型，如“老年 + 投资账户”组合风险权重调整。

3.3 注册信息特征工程

注册信息是客户进入系统的第一道数字足迹，对识别团伙作案和自动化注册至关重要。

3.4 账户类型与开户时长

3.4.1 账户类型（Account Type）

账户类型决定了客户可使用的金融产品范围。高权限账户（如企业账户、VIP 账户、跨境账户）在 AML 模型中应赋予更高的风险权重。

特征构造方法：

• 权限等级量化：将账户类型按功能权限从低到高映射为 1-5 分。
• 币种组合特征：账户支持币种数量，多币种账户通常涉及更复杂的资金流转。
• 账户功能标记：是否支持对外转账、是否支持加密货币、是否支持跨境汇款。

3.4.2 开户时长（Account Age）

开户时长是 AML 模型中最简单但最有效的时序特征之一。大量洗钱案例显示，犯罪分子倾向于使用新开账户或长期休眠后突然激活的账户。

特征构造方法：

• 基础计算：当前日期 - 开户日期，得到“开户天数”。
• 生命周期阶段：将开户天数划分为：
  [0-7天] → 新开户期
  [7-30天] → 观察期
  [30-180天] → 成长期
  [180-365天] → 稳定期
  [365天+] → 成熟期
• 休眠标记：若账户连续 90 天无交易，标记为休眠；若休眠后重新交易，标记为“休眠激活”。

3.5 客户基础特征层架构图

下图展示了客户基础特征层的整体架构，从原始数据输入到特征加工、风险映射，最终汇入 AML 特征宽表：

3.6 特征工程代码示例

以下 Python 代码演示了客户基础特征层的典型加工流程，使用 Pandas 和 NumPy 实现：

import pandas as pd
import numpy as np
from datetime import datetime

def build_customer_base_features(df, ref_date='2024-12-31'):
    """
    构建客户基础特征层
    df: 包含原始字段的 DataFrame
    ref_date: 固定参考日期，避免时间穿越
    """
    features = pd.DataFrame(index=df.index)
    ref_date = pd.to_datetime(ref_date)

    # 1. 国籍风险映射
    high_risk_countries = ['IR', 'KP', 'SY', 'MM', 'YE']
    features['nationality_risk'] = df['nationality'].apply(
        lambda x: 3 if x in high_risk_countries else (2 if x in ['RU', 'CN'] else 1)
    )

    # 2. 职业风险标记
    high_risk_occupations = ['lawyer', 'accountant', 'real_estate', 'jewelry']
    features['is_high_risk_occ'] = df['occupation'].isin(high_risk_occupations).astype(int)

    # 3. 年龄分箱
    bins = [0, 18, 25, 40, 60, 120]
    labels = ['0-18', '18-25', '25-40', '40-60', '60+']
    features['age_bin'] = pd.cut(df['age'], bins=bins, labels=labels)

    # 4. 开户时长计算
    account_open = pd.to_datetime(df['account_open_date'])
    features['account_age_days'] = (ref_date - account_open).dt.days

    # 5. 生命周期阶段
    def lifecycle_stage(days):
        if days <= 7: return 'new'
        elif days <= 30: return 'observation'
        elif days <= 180: return 'growth'
        elif days <= 365: return 'stable'
        else: return 'mature'
    features['lifecycle_stage'] = features['account_age_days'].apply(lifecycle_stage)

    # 6. 注册渠道风险分（示例映射）
    channel_risk_map = {'app': 1, 'web': 2, 'offline': 3, 'third_party': 4}
    features['channel_risk'] = df['register_channel'].map(channel_risk_map).fillna(2)

    # 7. 设备聚集度（同一设备关联账户数）
    device_counts = df.groupby('device_id')['customer_id'].transform('nunique')
    features['device_account_count'] = device_counts

    return features

3.7 特征有效性验证

基础特征层构建完成后，建议通过以下维度验证特征有效性：

• 单变量分析：计算每个特征与目标变量（是否涉案）的 IV（Information Value）值，IV > 0.02 的特征保留。
• 稳定性检验：使用 PSI（Population Stability Index）监控特征在训练集与测试集之间的分布偏移，PSI < 0.1 为合格。
• 缺失率检查：职业、注册 IP 等字段缺失率通常较高，缺失率 > 60% 的特征建议剔除或使用“未知”类别填充。