4、基础交易特征：交易金额统计（均值、方差、最大/最小值）、交易频次、交易时间间隔、交易对手多样性

基础交易特征是反洗钱特征工程中最直接、最稳定的数据层。它们从交易金额、交易频次、时间分布和对手网络四个维度，刻画账户的日常交易“画像”。任何偏离该画像的行为，都可能构成可疑交易的早期信号。本章将逐一拆解这四类特征的统计含义、计算方式与反洗钱应用场景。

4.1 交易金额统计特征

金额特征是识别洗钱行为的“第一道防线”。洗钱者常通过拆分大额交易（Smurfing）或制造异常大额交易来规避监管。以下四个统计量是金额特征的核心：

4.2 交易频次特征

交易频次反映账户的交易活跃度。洗钱账户往往表现出两种极端模式：高频低额（拆分交易）或 低频高额（一次性清洗大额资金）。

• 日交易笔数：统计每日交易次数，识别突发性活跃。
• 周/月交易笔数：捕捉周期性规律，如“周末无交易”突然变为“周末高频交易”。
• 交易密度：单位时间内的交易次数，用于区分正常经营账户与洗钱“通道”账户。

4.3 交易时间间隔特征

时间间隔特征关注交易之间的时间分布规律。正常账户的交易间隔通常具有随机性或周期性，而洗钱账户的交易间隔往往呈现“机械式”均匀或极端集中。

4.4 交易对手多样性特征

交易对手多样性是衡量账户“社交网络”复杂度的关键指标。洗钱账户通常与大量无关对手发生交易，或与已知风险账户形成闭环。

• 唯一对手数：统计期内与账户发生交易的不同对手数量。
• 对手集中度（HHI）：赫芬达尔-赫希曼指数，衡量交易对手的集中程度。HHI 越高，说明交易对手越集中；HHI 越低，说明对手越分散。
• 新对手占比：首次出现的新对手交易笔数占总交易笔数的比例。
• 对手地域多样性：交易对手所在国家/地区的数量，用于识别跨境洗钱。

# 假设某账户在统计期内与 3 个对手交易，交易笔数分别为 [10, 5, 5]
# 总交易笔数 = 20
# 对手份额 = [0.5, 0.25, 0.25]
# HHI = 0.5² + 0.25² + 0.25² = 0.25 + 0.0625 + 0.0625 = 0.375
# HHI 范围：1/N ~ 1（N 为对手数），值越大越集中

4.5 特征体系总览

以下 SVG 图展示了四类基础交易特征之间的逻辑关系及其在反洗钱分析中的层级结构：

4.6 特征衍生与组合策略

单一维度的特征往往不足以覆盖复杂的洗钱模式。实践中，需要将上述四类特征进行交叉组合，构造更高阶的复合特征：

4.7 特征工程注意事项

• 窗口期选择：统计窗口过短（如 1 天）会导致特征稀疏；窗口过长（如 1 年）会掩盖近期行为变化。建议采用 滑动窗口（如 7 天、30 天、90 天）分别计算，观察特征的时间序列趋势。
• 缺失值处理：对于新开户或无交易记录的账户，交易频次和对手多样性特征可能为 0。建议使用 -1 或 NaN 标记，避免用 0 填充导致模型误判。
• 归一化：金额特征和频次特征的量级差异巨大（如个人账户 vs 企业账户），建议在建模前进行 Z-score 标准化 或 Min-Max 缩放。
• 时间衰减：近期交易行为比历史交易行为更具预测价值。在计算均值、频次等统计量时，可引入 指数衰减权重，使近期交易贡献更高的权重。