1. 课程导论：金融知识图谱概述、样本偏差的定义与危害、本课程的目标与适用人群
1.1 金融知识图谱概述
金融知识图谱（Financial Knowledge Graph, FKG）是一种基于图结构的数据组织方式，将金融实体（如企业、个人、产品、账户、交易）及其关系（如控股、担保、交易、关联）以节点和边的形式进行建模与存储。它突破了传统关系型数据库的二维表限制，能够高效支持多跳查询、关联推理与风险传导分析。
在金融风控领域，知识图谱的核心价值体现在以下三个方面：
- 关联挖掘：识别隐性关联，如通过多层股权穿透发现实际控制人。
- 风险传导：追踪风险在担保链、供应链中的传播路径。
- 欺诈检测：发现团伙欺诈、循环交易、资金池等异常模式。
| 维度 | 传统关系型数据库 | 金融知识图谱 |
|---|---|---|
| 数据模型 | 二维表（行+列） | 图（节点+边+属性） |
| 关联查询 | 多表 JOIN，深度受限 | 图遍历，支持多跳 |
| 推理能力 | 弱，依赖硬编码规则 | 强，支持路径分析与规则推理 |
| 典型场景 | 客户信息管理、交易流水 | 反欺诈、关联风险、合规审查 |
关键认知： 金融知识图谱的质量直接决定上层风控模型的准确性与可靠性。图谱中的样本偏差是导致模型失效的“隐形杀手”。
1.2 样本偏差的定义与危害
样本偏差（Sample Bias） 是指用于建模或分析的样本数据不能真实、完整地反映目标总体分布的现象。在金融知识图谱中，样本偏差表现为节点缺失、关系断裂、属性失真或分布偏移，导致图谱的统计特征与真实世界产生系统性差异。
1.2.1 样本偏差的主要类型
| 偏差类型 | 定义 | 金融场景示例 |
|---|---|---|
| 选择偏差 | 样本选取过程非随机，导致部分群体被过度或不足代表 | 仅采集有信贷记录的客户，忽略“信用白户” |
| 幸存者偏差 | 只关注“存活”样本，忽略已退出或失败的实体 | 仅分析存续企业，忽略已破产企业的风险特征 |
| 标签偏差 | 标注标准不一致或错误，导致标签与真实状态不符 | 将“逾期1天”与“逾期90天”混同为同一坏样本 |
| 时间偏差 | 样本采集时间窗口不合理，忽略时序变化 | 使用疫情前的交易数据预测疫情后的违约风险 |
| 关系偏差 | 图谱中的边缺失或错误，导致关联结构失真 | 未收录隐性关联方，低估担保圈风险 |
1.2.2 样本偏差的危害
- 模型失效：偏差样本训练的风控模型在真实场景中 AUC 下降 10%~30%，误判率上升。
- 风险低估：遗漏高风险群体或关联路径，导致信用评分虚高、欺诈漏报。
- 监管合规风险：样本偏差可能导致模型对特定群体产生歧视性结果，违反公平借贷法规。
- 决策误导：基于偏差图谱的关联分析可能得出错误结论，如将正常交易误判为循环交易。
⚠️ 常见误区： 很多团队认为“数据量大就不会有偏差”。实际上，大规模数据如果采集逻辑有偏，只会放大偏差的影响，而非消除它。
1.3 本课程的目标与适用人群
1.3.1 课程目标
本课程旨在系统性地解决金融知识图谱构建与应用中的样本偏差问题，帮助学员掌握从偏差识别、量化评估到校正优化的完整方法论。具体目标包括：
- 识别偏差：掌握样本偏差的检测方法与诊断工具，能够定位图谱中的偏差来源。
- 量化评估：建立偏差度量指标体系，对偏差程度进行可量化的评估。
- 校正优化：应用重采样、加权、数据增强、迁移学习等策略修正偏差。
- 持续监控：构建样本偏差的在线监控与预警机制，确保图谱质量长期稳定。
1.3.2 适用人群
| 角色 | 痛点 | 课程收益 |
|---|---|---|
| 金融风控建模师 | 模型上线后效果衰减，AUC 波动大 | 掌握偏差校正方法，提升模型稳定性 |
| 知识图谱工程师 | 图谱质量难以评估，关系缺失严重 | 学会偏差检测与图谱质量优化技术 |
| 数据科学家 | 样本分布偏移导致分析结论不可靠 | 建立偏差量化思维与校正流程 |
| 风控策略分析师 | 规则策略在子群体上表现异常 | 识别策略中的偏差来源，优化决策 |
| 技术管理者 | 团队缺乏图谱质量保障体系 | 构建样本偏差校验的标准化流程 |
💡 学习建议： 本课程包含大量代码实战与案例演练，建议学员提前准备 Python 环境（pandas、networkx、scikit-learn），并具备基础的图论与机器学习知识。