3. 特征工程入门：特征工程在风控中的作用、实时特征与离线特征的区别、特征生命周期管理

在金融压力测试与实时风控场景中，特征工程是连接原始数据与模型决策的核心桥梁。原始交易流水、用户行为日志、市场行情数据往往包含大量噪声、缺失值和冗余信息，直接输入模型会导致预测精度下降、计算开销剧增。特征工程通过提取、变换、筛选出最具区分度的特征，使模型能够更准确地捕捉风险信号。

3.1 特征工程在风控中的核心作用

特征工程并非简单的数据预处理，而是将领域知识、业务逻辑与统计方法深度融合的过程。在风控领域，其作用可归纳为以下四个维度：

3.2 实时特征与离线特征的区别

在实时计算架构中，特征按计算时效性分为离线特征与实时特征两类。两者在计算窗口、数据源、存储方式与更新频率上存在本质差异。下表从六个关键维度进行对比：

下图展示了离线特征与实时特征在典型风控架构中的计算路径与数据流转关系：

3.3 特征生命周期管理

特征并非一成不变，从设计、开发、上线到退役，需要一套完整的生命周期管理机制。在金融压力测试场景中，特征的生命周期通常包含以下六个阶段：

1. 特征设计：基于业务需求与风险假设，定义特征的计算逻辑、窗口大小与数据源。
2. 特征开发：编写特征计算代码（SQL / Flink SQL / Python UDF），并进行单元测试。
3. 特征验证：在历史数据上回测特征的有效性（如IV值、PSI稳定性、缺失率）。
4. 特征上线：将特征注册到特征平台，配置离线批处理与实时流计算任务。
5. 特征监控：持续监控特征的分布漂移、计算延迟、数据质量与模型贡献度。
6. 特征退役：当特征失效、被替代或业务规则变更时，下线并归档特征定义与历史数据。

下图展示了特征生命周期管理的关键阶段与各阶段的核心产出物：

3.4 实时特征计算示例：滑动窗口聚合

在实时压力测试中，最常见的特征计算模式是滑动窗口聚合。以下是一个使用 Flink SQL 计算“近5分钟交易金额均值与标准差”的实时特征示例：

-- 实时特征：近5分钟交易金额的均值与标准差
CREATE TABLE trade_events (
    account_id   STRING,
    trade_amount DOUBLE,
    event_time   TIMESTAMP(3),
    WATERMARK FOR event_time AS event_time - INTERVAL '5' SECOND
) WITH (
    'connector' = 'kafka',
    'topic' = 'trade_events',
    'properties.bootstrap.servers' = 'kafka:9092',
    'format' = 'json'
);

CREATE TABLE realtime_features (
    account_id          STRING,
    window_start        TIMESTAMP(3),
    window_end          TIMESTAMP(3),
    avg_amount_5min     DOUBLE,
    stddev_amount_5min  DOUBLE,
    trade_count_5min    BIGINT
) WITH (
    'connector' = 'upsert-kafka',
    'topic' = 'realtime_features',
    'key.format' = 'json',
    'value.format' = 'json'
);

INSERT INTO realtime_features
SELECT
    account_id,
    TUMBLE_START(event_time, INTERVAL '5' MINUTE) AS window_start,
    TUMBLE_END(event_time, INTERVAL '5' MINUTE)   AS window_end,
    AVG(trade_amount)  AS avg_amount_5min,
    STDDEV(trade_amount) AS stddev_amount_5min,
    COUNT(*)           AS trade_count_5min
FROM trade_events
GROUP BY
    account_id,
    TUMBLE(event_time, INTERVAL '5' MINUTE);

3.5 特征存储与版本管理

在金融压力测试系统中，特征通常存储在统一的特征平台中，支持离线与实时特征的统一注册、版本管理与在线服务。特征平台的核心能力包括：

• 特征注册中心：记录每个特征的名称、类型、计算逻辑、数据源、版本号、上线时间。
• 特征存储层：离线特征存储在 HDFS / 关系型数据库，实时特征存储在 Redis / 内存状态后端。
• 特征服务 API：提供低延迟的在线特征查询接口，支持批量获取与单点查询。
• 特征血缘追踪：记录特征与上游数据源、下游模型之间的依赖关系，支持影响分析。

以下是一个特征注册表的示例结构：