📚 课程目录第3章 AML特征工程导论

3. AML特征工程导论

在反洗钱（AML）风控体系中，特征工程是将原始交易数据、客户信息、行为日志转化为可用于规则判定或模型预测的数值化、结构化变量的过程。特征的质量直接决定了规则的有效性与模型的泛化能力，是连接“数据”与“决策”的核心桥梁。

3.1 特征工程在AML中的重要性

AML场景下的数据具有高噪声、稀疏正样本、强时序依赖等特点。未经特征工程处理的原始字段（如交易金额、IP地址）难以直接区分正常交易与可疑行为。特征工程通过以下三个维度提升风控效果：

维度	原始数据问题	特征工程解决方式
信息密度	单笔交易金额离散，无法反映账户行为模式	聚合统计（均值、标准差、峰值）压缩信息
信号增强	可疑行为被大量正常交易淹没	比率特征、差分特征放大异常偏离
维度对齐	时间、地域、设备等非数值字段无法直接计算	编码、分箱、嵌入将非结构化数据数值化

  关键认知： 在AML领域，特征工程不是“锦上添花”，而是“雪中送炭”。一个精心构造的特征往往比复杂的模型结构更能带来性能提升。

3.2 特征与规则、模型的关系

在AML风控体系中，特征并非孤立存在，而是同时服务于规则引擎和机器学习模型两条技术路线。理解三者之间的协作关系，是设计有效特征的前提。

3.2.1 特征与规则的关系

规则是特征的显式逻辑组合： 例如规则“单日累计转账金额 > 5万元”直接使用了聚合特征 sum_amount_1d。
特征决定规则的可解释边界： 特征粒度越细（如按小时聚合），规则越灵活；特征粒度越粗（如按月聚合），规则越稳定但灵敏度低。
规则反馈驱动特征迭代： 当规则产生大量误报时，分析误报样本可发现缺失的关键特征（如设备指纹关联度），从而补充新特征。

3.2.2 特征与模型的关系

模型是特征的非线性组合器： 树模型（XGBoost、LightGBM）自动学习特征交互，但输入特征的质量仍决定模型上限。
特征工程降低模型复杂度： 好的特征可以用浅层模型（逻辑回归）达到深层网络的效果，提升训练和推理效率。
特征重要性指导模型优化： 通过SHAP或Gain值分析，识别无效或冗余特征，反向指导特征筛选与重构。

对比维度	规则引擎中的特征	机器学习模型中的特征
使用方式	直接作为阈值比较的输入	作为模型输入层的数值向量
可解释性要求	高——特征含义必须清晰可审计	中——可通过SHAP等工具解释
特征交互	人工编写组合规则	模型自动学习高阶交互
更新频率	随规则调整即时生效	随模型重训练周期更新
容错性	低——特征缺失直接导致规则失效	较高——模型可处理缺失值

实践建议： 在AML项目初期，优先构建规则可用的基础特征集（如聚合统计、比率特征），确保规则引擎快速上线；随后再针对模型需求开发高阶特征（如时序差分、图特征），实现渐进式特征体系升级。

3.3 特征的生命周期管理

AML特征并非一次性开发完成，而是需要经历从设计、开发、验证、部署、监控到退役的完整生命周期。缺乏生命周期管理会导致特征冗余、口径不一致、监控缺失等问题，最终影响风控系统的稳定性。

3.3.1 生命周期各阶段

特征设计： 基于业务理解（如洗钱场景分析）和数据分析（EDA），定义特征的计算逻辑、窗口大小、聚合粒度。
特征开发： 编写特征计算代码（SQL/Python/Spark），确保逻辑正确、性能可接受。
特征验证： 在历史数据上回测，检查特征分布、缺失率、与目标变量的相关性（IV值、PSI）。
特征部署： 将特征上线到生产环境，接入实时计算管道或离线批处理任务。
特征监控： 持续跟踪特征的稳定性（PSI）、时效性（延迟）、覆盖率（缺失率）。
特征退役： 当特征失效（如业务规则变更导致特征无意义）或被更优特征替代时，执行下线流程。

3.3.2 特征管理的关键指标

指标	定义	阈值建议	监控频率
PSI	群体稳定性指标，衡量特征分布偏移	< 0.1 稳定；0.1~0.25 需关注；> 0.25 异常	每日/每周
缺失率	特征值为空的样本占比	< 5% 正常；5%~20% 需处理；> 20% 考虑重构	每日
IV值	信息价值，衡量特征区分能力	< 0.02 无效；0.02~0.1 弱；0.1~0.3 中；> 0.3 强	每次模型迭代
计算延迟	特征从数据产生到可用的时间差	实时特征 < 1s；离线特征 < 24h	持续

常见陷阱： 特征监控只关注PSI而忽略缺失率突变。例如，某个聚合特征因上游数据源接口变更导致缺失率从1%骤升至40%，但PSI可能仍在正常范围内。必须同时监控多个指标才能全面评估特征健康度。

3.3.3 特征仓库与元数据管理

在大型AML系统中，特征数量可能达到数千个。建立特征仓库（Feature Store）是管理特征生命周期的关键基础设施。特征仓库的核心能力包括：

特征注册： 每个特征拥有唯一ID、名称、计算逻辑、版本号、负责人。
特征共享： 规则引擎和模型训练使用同一份特征定义，避免口径不一致。
特征血缘： 记录特征从原始数据到最终值的完整计算链路，便于问题排查。
特征版本控制： 支持特征的回滚和对比，确保模型可复现。

# 特征仓库注册示例（伪代码）
feature_registry = {
    "feature_id": "aml_sum_amount_1d",
    "name": "单日累计转账金额",
    "type": "aggregate",
    "window": "1d",
    "agg_func": "sum",
    "source_table": "transaction",
    "filter_condition": "txn_type = 'transfer'",
    "version": "v2.1",
    "owner": "aml_team",
    "status": "active"
}

  最佳实践： 在AML项目中，建议将特征仓库与模型注册中心、规则管理平台打通，实现“特征-规则-模型”三位一体的元数据管理。当某个特征退役时，自动通知所有依赖该特征的规则和模型，避免生产事故。

通过系统化的特征生命周期管理，AML风控团队能够确保特征的可复用性、可追溯性和可维护性，从而在快速变化的洗钱手法面前保持风控体系的持续有效性。