3. 特征分层概念
在KYC（Know Your Customer）风控建模中，原始特征往往来自不同数据源、不同采集频率、不同业务含义。直接将这些特征混入同一模型，会导致噪声放大、解释困难、稳定性差。特征分层正是为了解决这些问题而提出的结构化设计方法。
3.1 特征分层的定义
特征分层是指按照特征的数据来源、加工深度、业务语义和时间粒度，将特征划分为若干层次，每一层具有独立的构建逻辑、质量标准和监控方式。分层后的特征体系形成一种“自底向上”的依赖结构：底层提供原始信息，中层进行聚合与清洗，顶层输出高价值、低噪声的派生特征。
核心定义：特征分层 = 按数据来源 + 加工深度 + 业务语义 + 时间粒度，将特征组织为层次化结构，每层独立构建、独立监控、独立迭代。
3.2 分层的目的
特征分层并非为了增加复杂度，而是为了在KYC场景下解决三个核心问题：降噪、可解释性、稳定性。下表对比了分层前后在这三个维度上的差异：
| 维度 | 未分层（扁平特征集） | 分层后（层次化特征体系） |
|---|---|---|
| 降噪 | 原始字段直接入模，缺失值、异常值、重复值污染模型 | 底层清洗后，中层聚合过滤噪声，顶层只保留稳定信号 |
| 可解释性 | 特征含义混杂，难以区分“为什么”拒绝客户 | 每层语义清晰，可追溯至原始数据，便于业务合规解释 |
| 稳定性 | 单一字段波动直接导致模型分数剧烈变化 | 多层缓冲，单层波动被上层聚合平滑，整体稳定性提升 |
3.2.1 降噪
KYC数据中常见噪声包括：OCR识别错误、用户输入格式不一致、第三方数据源延迟、重复提交等。分层降噪的机制是：
- 底层（原始层）：保留全量原始值，不做任何过滤，用于审计回溯。
- 中间层（清洗层）：执行缺失值填充、异常值截断、格式标准化、去重合并。
- 顶层（聚合层）：通过统计聚合（均值、众数、最近值）进一步平滑短期波动。
实践建议：在KYC身份核验场景中，OCR识别出的身份证号可能包含字母O与数字0的混淆。底层保留原始OCR结果，中间层做规则校验（如校验位计算），顶层输出“校验通过/失败”的布尔特征，而非直接使用原始字符串。
3.2.2 可解释性
金融监管要求风控决策必须可解释。分层后的特征体系天然具备可追溯性：
- 每一层特征都有明确的加工逻辑文档。
- 模型拒绝客户时，可以从顶层特征逐层下钻，定位到具体原始字段。
- 业务人员无需理解复杂模型，只需查看分层特征值即可判断决策合理性。
3.2.3 稳定性
特征稳定性通常用PSI（Population Stability Index）衡量。分层设计通过以下方式提升稳定性：
- 时间缓冲：底层实时数据波动大，中层采用滑动窗口聚合（如近7天均值），顶层使用更长时间窗口（如近30天趋势）。
- 冗余设计：同一业务含义的特征在多个层次存在，当某一层数据源中断时，上层仍可用其他层次特征做替代。
- 监控分层：每层独立计算PSI，快速定位不稳定源头，而非整体模型波动后才被动排查。
3.3 分层粒度
分层粒度决定了特征体系的精细程度和维护成本。粒度太粗，分层失去意义；粒度太细，工程复杂度急剧上升。实践中通常采用三层结构或四层结构：
| 层级 | 名称 | 数据来源 | 加工深度 | 典型特征示例 |
|---|---|---|---|---|
| L1 | 原始特征层 | API接口、OCR、人工录入 | 无加工，仅格式校验 | 身份证号原始OCR文本、姓名原始字符串 |
| L2 | 清洗特征层 | L1层输出 | 缺失填充、异常截断、格式标准化 | 身份证号校验位结果、姓名拼音标准化 |
| L3 | 聚合特征层 | L2层输出 + 时间窗口 | 统计聚合、趋势计算、比率派生 | 近7天身份核验通过率、近30天姓名变更次数 |
| L4 | 衍生特征层 | L2 + L3层组合 | 交叉组合、模型打分、规则引擎输出 | 身份可信度评分、黑名单命中权重 |
注意：并非所有KYC场景都需要L4层。对于简单身份验证（如仅核验身份证号与姓名是否匹配），L1+L2即可满足需求。过度分层会增加特征存储成本和线上推理延迟，建议根据业务复杂度选择2~4层。
下图展示了KYC场景下典型的四层特征分层架构，以及各层之间的数据流向：
分层粒度的选择需要权衡以下因素：
- 数据源数量：数据源越多，分层越有必要，建议至少3层。
- 实时性要求：高实时场景（如在线核身）建议不超过3层，避免推理延迟。
- 监管合规：强监管场景（如银行开户）建议4层，确保可解释性满足审计要求。
- 团队维护能力：每层需要独立的监控、文档和版本管理，团队规模小则优先2~3层。
分层粒度决策矩阵：
| 场景类型 | 推荐层数 | 典型分层 |
|---|---|---|
| 简单身份验证（如登录） | 2层 | L1原始 → L2清洗 |
| 标准KYC（如实名认证） | 3层 | L1原始 → L2清洗 → L3聚合 |
| 复杂KYC（如企业开户+AML） | 4层 | L1原始 → L2清洗 → L3聚合 → L4衍生 |
下图展示了不同分层粒度下特征体系的复杂度与可解释性的关系：
从图中可以看出，3层结构在复杂度和可解释性之间取得了最佳平衡，这也是大多数KYC场景的推荐起点。当业务复杂度提升时，可扩展至4层；当资源受限时，可精简至2层。