4. 原始特征构建：基于交易金额、频率、对手方、地理位置、时间模式的原始特征设计

原始特征构建是反洗钱特征工程的起点。直接从交易流水、客户信息、渠道日志中提取的未加工特征，构成了后续衍生特征、聚合特征和模型输入的基础。本章围绕五个核心维度——交易金额、交易频率、对手方、地理位置和时间模式——系统讲解原始特征的设计原则与提取方法。

4.1 交易金额特征

金额是反洗钱最直接的数值信号。洗钱行为常表现为整数交易、接近阈值交易、结构化拆分交易等。原始金额特征应覆盖以下维度：

4.2 交易频率特征

频率特征反映交易行为的节奏和密度。洗钱账户常表现为“短时高频”或“长时静默后突然活跃”。原始频率特征包括：

• 交易计数：单位时间（日/小时/分钟）内的交易笔数。
• 交易间隔：相邻两笔交易的时间差（秒/分钟）。
• 活跃时段占比：交易发生在工作时段 vs 非工作时段的比例。
• 零交易天数：连续无交易的天数（静默期长度）。
• 交易密度：单位金额对应的交易笔数（笔数/万元）。

# 原始频率特征提取示例（Python伪代码）
import pandas as pd

def extract_frequency_features(txn_df):
    # 按客户分组，按时间排序
    txn_df = txn_df.sort_values(['customer_id', 'txn_time'])
    
    # 交易间隔（秒）
    txn_df['time_diff_sec'] = txn_df.groupby('customer_id')['txn_time'].diff().dt.total_seconds()
    
    # 日交易计数
    txn_df['txn_date'] = txn_df['txn_time'].dt.date
    txn_df['daily_txn_count'] = txn_df.groupby(['customer_id', 'txn_date'])['txn_id'].transform('count')
    
    # 是否为非工作时段（22:00-06:00）
    txn_df['is_off_hour'] = ((txn_df['txn_time'].dt.hour >= 22) | 
                              (txn_df['txn_time'].dt.hour < 6)).astype(int)
    
    return txn_df

4.3 对手方特征

对手方特征刻画交易对手的风险属性。洗钱网络常涉及“新开户对手方”、“高风险地区对手方”、“多对一集中交易”等模式。原始对手方特征包括：

4.4 地理位置特征

地理位置特征用于检测“异地交易”、“跨境交易”、“高风险地区交易”等异常行为。原始地理位置特征包括：

• 交易发生地：IP地址、GPS坐标、ATM机编号、网点代码。
• 客户常住地：注册地址、常用登录IP归属地。
• 对手方所在地：对手方开户行所在地、注册地。
• 地理距离：交易发生地与客户常住地之间的直线距离（km）。
• 高风险地区标记：是否涉及FATF高风险司法管辖区、国内反洗钱重点监控地区。

# 地理距离计算示例
from geopy.distance import geodesic

def calc_distance(lat1, lon1, lat2, lon2):
    """计算两点间地理距离（公里）"""
    return geodesic((lat1, lon1), (lat2, lon2)).kilometers

# 示例：客户常住地 vs 交易发生地
txn_df['geo_distance_km'] = txn_df.apply(
    lambda row: calc_distance(row['home_lat'], row['home_lon'],
                              row['txn_lat'], row['txn_lon']),
    axis=1
)

4.5 时间模式特征

时间模式特征捕捉交易的时间规律性。洗钱行为常表现为“非正常时间交易”、“节假日交易激增”、“周期性转账”等。原始时间特征包括：

4.6 原始特征体系总览

以下SVG图展示了五大维度原始特征的完整体系结构，以及各维度之间的交叉关系：

4.7 原始特征提取流程

在实际工程中，原始特征提取通常遵循以下标准化流程：

1. 数据接入：从交易流水表、客户主数据表、渠道日志表读取原始数据。
2. 字段映射：将业务字段映射为标准化特征名称（如 txn_amount、txn_time）。
3. 缺失值处理：对地理位置、对手方信息等缺失字段，使用占位符（如 -1、'UNKNOWN'）标记。
4. 异常值截断：对金额、距离等连续值，进行 99.9% 分位数截断，防止极端值影响后续聚合。
5. 类型转换：将时间戳转为 datetime 类型，将分类字段（如币种、对手方类型）转为 category 类型。
6. 特征存储：将原始特征写入特征存储系统（如 Feature Store），供下游特征工程和模型训练使用。

# 原始特征提取完整流程示例
def build_raw_features(txn_raw, customer_raw):
    # 1. 数据接入与合并
    df = txn_raw.merge(customer_raw, on='customer_id', how='left')
    
    # 2. 字段映射与标准化
    df.rename(columns={
        'trans_amount': 'txn_amount',
        'trans_time': 'txn_time',
        'trans_currency': 'txn_currency',
        'trans_direction': 'txn_direction'
    }, inplace=True)
    
    # 3. 缺失值处理
    df['counterparty_risk_level'] = df['counterparty_risk_level'].fillna('UNKNOWN')
    df['geo_latitude'] = df['geo_latitude'].fillna(-1.0)
    df['geo_longitude'] = df['geo_longitude'].fillna(-1.0)
    
    # 4. 异常值截断
    upper_bound = df['txn_amount'].quantile(0.999)
    df['txn_amount'] = df['txn_amount'].clip(upper=upper_bound)
    
    # 5. 类型转换
    df['txn_time'] = pd.to_datetime(df['txn_time'])
    df['txn_currency'] = df['txn_currency'].astype('category')
    
    # 6. 时间特征提取
    df['txn_hour'] = df['txn_time'].dt.hour
    df['txn_day_of_week'] = df['txn_time'].dt.dayofweek
    df['is_weekend'] = df['txn_day_of_week'].isin([5, 6]).astype(int)
    
    return df

4.8 原始特征质量评估

构建完成后，需对原始特征进行质量评估，确保特征可用性：

通过以上五个维度的原始特征设计，我们为后续的衍生特征构建、特征选择和模型训练奠定了坚实的数据基础。下一阶段将基于这些原始特征，进行聚合统计、时序变换和交叉组合，生成更具判别力的高级特征。