📚 课程目录第4章特征分层体系

4. 特征分层体系：特征分层的目的与原则、分层维度与架构图

在反洗钱（AML）风控系统中，特征并非简单堆砌。一个健壮的特征分层体系能够将原始数据、业务逻辑与模型输入解耦，提升特征的可解释性、复用性与维护效率。本章将系统阐述特征分层的目的、核心原则、三个关键维度，并通过架构图直观展示各层之间的协作关系。

原则	说明	反例
单向依赖	上层可依赖下层，下层不可反向依赖上层。	模型输入层直接引用原始数据库字段，跳过业务逻辑层。
职责单一	每层只负责特定类型的转换或计算。	在数据源层进行聚合计算（如SUM/AVG），应放在业务逻辑层。
标准化输出	每层输出需有明确的Schema定义与命名规范。	同一字段在不同时间输出不同单位（如“元”与“分”混用）。
可追溯性	每个特征应能追溯到其原始数据源与加工链路。	特征“高风险对手方交易占比”无法回溯到具体对手方名单。

实践建议：在项目初期就建立特征注册表（Feature Registry），记录每个特征的名称、所属层级、数据源、计算逻辑与版本号，这是分层体系落地的基础设施。

特征分层体系通常划分为三个核心维度：数据源层、业务逻辑层与模型输入层。每一层承担不同的职责，并遵循特定的加工规范。

该层直接对接原始数据系统，负责数据的接入、清洗与基础字段提取。不进行任何聚合或衍生计算。

输入：核心系统（交易系统、客户信息系统、名单系统）的原始表或日志。
输出：标准化后的基础字段，如transaction_id、customer_id、transaction_amount、transaction_time、counterparty_country。
典型操作：字段类型转换、空值填充、异常值截断、时间戳格式化。

该层是风控业务知识的集中体现，将原始字段加工为具有业务含义的特征。所有衍生计算、聚合统计、规则判断均在此层完成。

该层面向机器学习模型或规则引擎，对业务逻辑层输出的特征进行最终加工，确保特征满足模型的输入要求。

  关键区别：数据源层解决“数据有没有、对不对”；业务逻辑层解决“特征代表什么业务含义”；模型输入层解决“模型能不能用、好不好用”。三层不可混淆。

下图展示了AML特征分层体系的完整架构，包含三个核心维度以及它们之间的数据流向与依赖关系。

  架构解读：数据源层提供原始字段（蓝色），业务逻辑层将其加工为具有业务含义的特征（绿色），模型输入层最终转换为模型可消费的格式（紫色）。箭头方向代表数据依赖关系，上层只能调用下层输出，不可反向引用。

在实施特征分层时，需关注以下风险控制点，避免分层体系本身成为新的风险源：

风险点	描述	控制措施
数据源层污染	上游系统数据质量差，导致下游所有特征失真。	在数据源层设置数据质量监控（空值率、异常值检测），并建立数据回滚机制。
业务逻辑层漂移	业务规则频繁变更，导致特征分布发生不可控变化。	对业务逻辑层特征进行版本管理，每次变更需经过特征影响面评估。
模型输入层过拟合	模型输入层过度加工，引入未来信息或数据泄露。	严格禁止在模型输入层使用未来数据（如“次日交易金额”），并设置特征回溯验证。
层间依赖混乱	跨层直接调用，破坏单向依赖原则。	通过API或特征存储（Feature Store）强制层间调用规范，禁止直接访问下层数据库。

常见陷阱：部分团队为了追求模型效果，在模型输入层直接引入原始数据源层的字段（如原始交易金额），跳过了业务逻辑层的加工。这会导致模型难以解释，且当业务含义发生变化时（如货币单位调整），模型需要重新训练。务必坚持“数据源层 → 业务逻辑层 → 模型输入层”的完整链路。

在完成特征分层设计后，建议使用以下清单进行自查，确保体系完整且可执行：