2. 特征工程基础回顾：特征类型、重要性评估与稳定性指标
在金融风控建模中，特征工程是决定模型上限的关键环节。本章系统回顾三类核心特征类型、三种主流特征重要性评估方法以及两个关键稳定性指标，为后续 Champion Challenger 实战打下坚实基础。
2.1 特征类型：数值、类别与时序
金融特征按数据结构可分为以下三类，每类在预处理和建模策略上差异显著：
| 特征类型 | 典型金融示例 | 常见预处理 | 模型适配性 |
|---|---|---|---|
| 数值型 | 收入、年龄、负债比、授信额度 | 标准化、对数变换、分箱、异常值截断 | 线性模型需归一化；树模型可直接使用 |
| 类别型 | 职业、学历、婚姻状况、地区编码 | Label Encoding、One-Hot、Target Encoding、WOE 编码 | 高基数类别建议使用 WOE 或 Target Encoding |
| 时序型 | 近 6 个月逾期次数、月均消费金额、账户活跃天数 | 滑动窗口统计、差分、趋势特征、季节性分解 | 需注意时间穿越与数据泄露 |
实战提示：金融风控中，时序型特征最容易引入未来信息（数据泄露）。务必在特征构造时严格按时间窗口切割，确保训练集只使用历史数据。
2.2 特征重要性评估方法
特征重要性用于衡量每个特征对模型预测的贡献程度，是特征筛选和业务解释的核心依据。金融风控中常用以下三种方法：
| 方法 | 原理 | 适用场景 | 优点 | 局限 |
|---|---|---|---|---|
| IV (Information Value) | 基于 WOE 计算区分好/坏样本的能力 | 评分卡、逻辑回归前特征筛选 | 计算快、可解释性强、行业标准 | 仅适用于二分类；忽略特征间交互 |
| SHAP | 基于博弈论 Shapley Value 的加性归因 | 模型解释、特征交互分析、异常样本诊断 | 一致性、局部与全局解释、支持任意模型 | 计算成本高；高维特征时较慢 |
| 特征重要性 (Feature Importance) | 树模型分裂时基于不纯度减少或 Permutation | 树模型（XGBoost/LightGBM）内置筛选 | 训练时自动输出、速度快 | 偏向高基数特征；Permutation 更稳健 |
IV 值经验阈值：
- IV < 0.02：无预测能力，建议剔除
- 0.02 ≤ IV < 0.10：弱预测能力
- 0.10 ≤ IV < 0.30：中等预测能力
- IV ≥ 0.30：强预测能力（注意过拟合风险）
2.3 特征稳定性指标：PSI 与 CSI
模型上线后，特征分布偏移是导致模型失效的主要原因。PSI 和 CSI 是监控特征稳定性的核心指标。
2.3.1 PSI（群体稳定性指标）
PSI 衡量特征在 训练集（基准） 与 验证/上线集（实际） 之间的分布差异。计算公式如下：
PSI = Σ (P_actual_i - P_base_i) * ln(P_actual_i / P_base_i)
其中：
- P_base_i：基准分布第 i 个分箱的样本占比
- P_actual_i：实际分布第 i 个分箱的样本占比| PSI 值范围 | 稳定性判断 | 建议操作 |
|---|---|---|
| PSI < 0.10 | 稳定 | 无需处理 |
| 0.10 ≤ PSI < 0.25 | 轻度偏移 | 需关注，排查业务原因 |
| PSI ≥ 0.25 | 严重偏移 | 需重新训练或调整特征 |
2.3.2 CSI（特征稳定性指标）
CSI 是 PSI 的逐特征分解版本，用于定位具体哪个特征的分箱导致了整体分布偏移。CSI 的计算与 PSI 相同，但按特征分箱输出贡献度。
实战注意：PSI 反映整体分布变化，CSI 定位具体特征。在 Champion Challenger 回放中，若模型效果下降，应优先检查 PSI > 0.25 的特征，再通过 CSI 分析具体分箱偏移方向。
2.4 小结：特征工程在 Champion Challenger 中的定位
特征工程是 Champion Challenger 回放的基础。在后续章节中，我们将基于本节回顾的内容：
- 使用 IV 和 SHAP 筛选 Champion 模型的核心特征集
- 通过 PSI/CSI 监控 Champion 与 Challenger 特征分布的一致性
- 针对 时序型特征 设计严格的时间窗口验证策略
学习路径建议：如果对 WOE 编码或 SHAP 原理不熟悉，建议先补充相关基础知识。本章后续实战代码将直接使用这些方法进行特征筛选与稳定性评估。