3. 时间窗口类变量衍生：基于固定时间窗口的聚合统计，滑动窗口与滚动窗口的实现

在风控建模中，用户的信用行为并非静态快照，而是随时间演变的动态序列。时间窗口类变量衍生的核心思想是：在特定的历史时间段内，对用户的交易、借贷、还款等行为进行聚合统计，从而捕捉其近期的行为模式与风险趋势。本章将系统讲解固定窗口、滑动窗口与滚动窗口三种主流衍生方法，并给出可落地的 Python 实现。

3.1 时间窗口的基本概念与分类

时间窗口定义了变量衍生的“观察区间”。根据窗口的移动方式和重叠程度，主要分为以下三类：

窗口类型 定义 窗口是否重叠 典型应用场景
固定时间窗口 以某个固定时间点（如申请日）为终点，向前回溯固定长度（如30天） 否（每个样本独立计算） 申请评分卡：统计近30天申请次数、近90天逾期天数
滑动窗口 窗口按固定步长向前移动，每次移动后计算一次聚合值 是（相邻窗口高度重叠） 行为评分卡：计算近7天日均交易金额的移动平均线
滚动窗口 窗口长度固定，但每次计算时窗口的起点和终点都随时间推移 是（连续滚动，无跳跃） 贷中监控：滚动计算近30天最大逾期天数，每日更新
💡 关键区别： 固定窗口是“截面式”回溯，每个样本只计算一次；滑动窗口和滚动窗口是“时序式”计算，常用于时间序列特征工程。在风控建模中，固定窗口最常用于申请评分卡，而滑动/滚动窗口更多用于行为评分卡和贷中监控模型。

3.2 固定时间窗口聚合统计

固定时间窗口是最基础、最常用的变量衍生方式。其核心逻辑是：以每个样本的“观察时间点”（如申请时间、账单日）为基准，向前回溯固定的天数（如7天、30天、90天），然后在该时间区间内对用户的行为数据进行聚合统计。

3.2.1 常见聚合统计量

根据业务含义，聚合统计量可分为以下几类：

  • 计数类： 近N天交易次数、近N天申请次数、近N天逾期次数
  • 金额类： 近N天交易总额、近N天最大单笔金额、近N天平均金额
  • 比率类： 近N天逾期金额占比、近N天消费金额占收入比
  • 极值类： 近N天最大逾期天数、近N天最小还款金额
  • 趋势类： 近N天交易金额的斜率、近N天逾期天数的标准差

3.2.2 Python 实现示例

以下代码演示了如何基于 pandas 实现固定时间窗口的聚合统计。假设我们有一张用户交易流水表 transactions，包含字段 user_id、trans_date、trans_amount。

import pandas as pd
import numpy as np

# 示例数据：用户交易流水
data = {
    'user_id': ['A', 'A', 'A', 'B', 'B', 'B'],
    'trans_date': pd.to_datetime(['2024-01-05', '2024-01-20', '2024-02-10',
                                  '2024-01-08', '2024-01-25', '2024-02-15']),
    'trans_amount': [100, 200, 150, 300, 50, 400]
}
df = pd.DataFrame(data)

# 定义观察时间点（例如：申请日）
observation_dates = pd.DataFrame({
    'user_id': ['A', 'B'],
    'obs_date': pd.to_datetime(['2024-02-15', '2024-02-20'])
})

# 固定窗口聚合函数：统计近30天的交易特征
def fixed_window_agg(user_df, obs_date, window_days=30):
    start_date = obs_date - pd.Timedelta(days=window_days)
    window_df = user_df[(user_df['trans_date'] >= start_date) &
                        (user_df['trans_date'] < obs_date)]
    if window_df.empty:
        return pd.Series({'trans_cnt': 0, 'trans_sum': 0, 'trans_max': 0,
                          'trans_mean': 0, 'trans_std': 0})
    return pd.Series({
        'trans_cnt': len(window_df),
        'trans_sum': window_df['trans_amount'].sum(),
        'trans_max': window_df['trans_amount'].max(),
        'trans_mean': window_df['trans_amount'].mean(),
        'trans_std': window_df['trans_amount'].std() if len(window_df) > 1 else 0
    })

# 对每个用户计算固定窗口特征
result_list = []
for _, row in observation_dates.iterrows():
    user_id = row['user_id']
    obs_date = row['obs_date']
    user_df = df[df['user_id'] == user_id]
    features = fixed_window_agg(user_df, obs_date, window_days=30)
    features['user_id'] = user_id
    features['obs_date'] = obs_date
    result_list.append(features)

result_df = pd.DataFrame(result_list)
print(result_df)
⚠️ 注意事项：
  • 固定窗口的“终点”通常是申请时间或观察时间点，不要包含未来数据（避免数据泄露）。
  • 对于新用户或低频用户，窗口内可能无数据，需填充默认值（如0或-1）。
  • 窗口长度（7天、30天、90天）需结合业务经验与特征重要性评估来选择。

3.3 滑动窗口与滚动窗口的实现

滑动窗口和滚动窗口主要用于时间序列特征工程，它们能够捕捉行为指标的动态变化趋势。两者的核心区别在于：滑动窗口通常用于“移动平均”类计算，窗口按固定步长跳跃；滚动窗口则是逐日（或逐行）连续滚动，窗口始终包含最近N个数据点。

3.3.1 滑动窗口（Sliding Window）

滑动窗口的特点是：窗口长度固定，步长固定，相邻窗口有重叠。常用于计算移动平均线、移动标准差等趋势指标。

# 滑动窗口示例：计算近7天交易金额的移动平均
import pandas as pd

# 假设已有按天聚合的用户交易数据
daily_data = {
    'date': pd.date_range(start='2024-01-01', periods=30, freq='D'),
    'amount': [100, 200, 150, 300, 250, 180, 220, 190, 210, 170,
               160, 240, 280, 210, 190, 230, 260, 200, 180, 250,
               220, 210, 190, 230, 270, 200, 180, 240, 260, 210]
}
df_daily = pd.DataFrame(daily_data)
df_daily.set_index('date', inplace=True)

# 滑动窗口：窗口大小7天，步长1天（即每天滑动）
df_daily['ma_7'] = df_daily['amount'].rolling(window=7, min_periods=1).mean()
df_daily['std_7'] = df_daily['amount'].rolling(window=7, min_periods=1).std()

# 滑动窗口：窗口大小7天，步长3天（每3天计算一次）
df_daily['ma_7_step3'] = df_daily['amount'].rolling(window=7, min_periods=1).mean()
# 步长3天：只保留索引为0,3,6,...的行
df_daily_step3 = df_daily.iloc[::3, :]
print(df_daily_step3[['amount', 'ma_7_step3']].head())

3.3.2 滚动窗口（Rolling Window）

滚动窗口是滑动窗口的一种特例，通常指步长为1的滑动窗口，即每次只向前移动一个时间单位。在风控中，滚动窗口常用于贷中监控，每日更新用户的近N天风险指标。

# 滚动窗口示例：逐日滚动计算近30天最大逾期天数
# 假设有用户每日逾期状态表
overdue_data = {
    'date': pd.date_range(start='2024-01-01', periods=60, freq='D'),
    'overdue_days': np.random.randint(0, 10, size=60)  # 模拟每日逾期天数
}
df_overdue = pd.DataFrame(overdue_data)
df_overdue.set_index('date', inplace=True)

# 滚动窗口：窗口大小30天，步长1天
df_overdue['max_overdue_30d'] = df_overdue['overdue_days'].rolling(window=30, min_periods=1).max()
df_overdue['avg_overdue_30d'] = df_overdue['overdue_days'].rolling(window=30, min_periods=1).mean()

# 查看最近10天的滚动特征
print(df_overdue.tail(10))
🚨 性能与数据泄露风险：
  • 滑动/滚动窗口在计算时，必须确保窗口内只包含历史数据，不能混入未来信息。使用 rolling 时默认是“左闭右开”的向后窗口，符合要求。
  • 对于大规模数据（百万级用户、每日更新），建议使用 polars 或 spark 进行分布式计算，避免单机内存溢出。
  • 窗口长度过短（如1天）会导致特征波动大、噪声多；窗口过长（如365天）则可能包含过时信息，降低模型时效性。

3.4 三种窗口的对比与选择策略

在实际风控建模中，如何选择窗口类型取决于业务场景、数据粒度、模型更新频率。下表总结了三种窗口的适用场景与优缺点：

维度 固定时间窗口 滑动窗口 滚动窗口
数据粒度 截面数据（每个样本一个时间点） 时间序列数据（连续时间点） 时间序列数据（连续时间点）
计算频率 一次计算，后续不变 按步长定期计算 每日/每次更新
特征稳定性 高（窗口固定，结果稳定） 中（随窗口移动缓慢变化） 低（每日更新，波动较大）
对时效性的敏感度 低（只依赖历史固定区间） 中（最近窗口反映近期趋势） 高（最新数据点直接影响特征值）
典型风控场景 申请评分卡、贷前审批 行为评分卡、交易反欺诈 贷中监控、额度管理
📌 实战建议：
  • 在申请评分卡中，优先使用固定时间窗口（如近30天、近90天），因为每个申请样本只需计算一次，计算成本低且特征稳定。
  • 在行为评分卡或贷中模型中，推荐使用滚动窗口（步长=1天），能够捕捉用户行为的细微变化，提升模型的预警能力。
  • 如果数据量极大且需要实时计算，可考虑滑动窗口（步长>1），在计算精度与性能之间取得平衡。

3.5 时间窗口变量衍生的最佳实践

为了确保时间窗口变量在风控模型中的有效性，请遵循以下最佳实践：

  1. 多窗口组合： 不要只使用单一窗口长度。建议同时衍生7天、30天、90天、180天等多个窗口的特征，让模型自动选择最优的时间尺度。
  2. 窗口对齐： 确保所有样本的窗口终点一致（如统一使用申请时间），避免因时间错位导致特征不可比。
  3. 缺失值处理： 对于窗口内无数据的用户（如新用户），建议填充为0（计数类）或-1（金额类），并在建模时单独处理。
  4. 特征监控： 定期检查时间窗口特征的分布稳定性（PSI），如果窗口内数据分布发生漂移，需要重新调整窗口长度或特征工程策略。
  5. 避免数据泄露： 在计算窗口特征时，严格使用历史数据，禁止使用未来信息。建议在代码中显式设置 closed='left' 或 min_periods 参数来确保窗口的“左闭右开”性质。
✅ 总结： 时间窗口变量衍生是风控特征工程的核心技能。固定窗口适合截面数据，滑动窗口和滚动窗口适合时序数据。掌握这三种窗口的实现方法，能够帮助你构建出更具预测能力的时间序列特征，显著提升风控模型的区分度和稳定性。
← 上一章 📖 返回目录 下一章 →