3. 缺失模式分类：MCAR、MAR、MNAR 的定义与金融场景举例

在金融风控与数据治理中，特征缺失并非随机噪声，其背后往往隐藏着业务逻辑、系统偏差或人为干预。理解缺失数据的生成机制，是选择填补方法、评估偏差、构建稳健模型的前提。缺失模式分为三类：完全随机缺失（MCAR）、随机缺失（MAR）、非随机缺失（MNAR）。下表从定义、数学条件、金融场景三个维度进行对比。

3.1 完全随机缺失（MCAR）

定义： 缺失数据的发生完全是一个随机事件，与任何观测变量或未观测变量均无关。缺失数据是全体数据的一个随机子集。

金融场景举例：

• 系统传输丢包： 某银行在批量采集征信报告时，因网络波动导致 2% 的请求随机失败，缺失的字段（如“信用卡额度”）与客户资质无关。
• 随机抽样调查： 风控部门对存量客户做满意度回访，随机抽取 5% 的客户，这部分客户的“职业信息”字段因未参与调查而缺失。
• 硬件故障： 某台服务器在特定时间段内随机丢失了部分交易日志中的“商户类别码”，故障恢复后缺失模式无规律。

3.2 随机缺失（MAR）

定义： 缺失与否依赖于其他已观测到的变量，但与缺失变量本身的值无关。即，在控制了观测变量后，缺失机制是随机的。

金融场景举例：

• 高收入客户不填收入： 在信用卡申请表中，“年收入”字段的缺失概率与客户已填写的“职业”（如企业主）和“学历”（如硕士）高度相关，但与收入本身的具体数值无关（高收入人群普遍不愿透露）。
• 风控问卷跳转逻辑： 若客户在“是否有房产”中选择“否”，则系统自动跳过“房产估值”字段。此时“房产估值”的缺失完全由已观测的“是否有房产”决定。
• 多头借贷数据： 征信报告中“最近6个月查询次数”缺失，往往与客户“是否授权查询”字段相关，而非与查询次数本身相关。

3.3 非随机缺失（MNAR）

定义： 缺失与否依赖于缺失变量本身的值，即使控制了所有已观测变量，缺失机制仍然存在系统性偏差。这是最棘手、最需要业务干预的缺失类型。

金融场景举例：

• 坏账客户隐瞒负债： 在贷后监控中，即将逾期的客户故意不接听电话，导致“近期联系人状态”字段缺失。缺失本身就是因为客户处于高风险状态（逾期），缺失值与风险正相关。
• 高杠杆客户不填资产： 在申请大额经营贷时，负债率极高的企业主故意不填写“其他资产”字段，因为填写后会暴露其偿债能力不足。缺失行为与“资产少”这一事实直接相关。
• 敏感信息规避： 在反洗钱调查中，涉及大额可疑交易的客户往往拒绝提供“资金来源说明”，缺失本身就是可疑信号。

3.4 三类缺失模式的快速判别清单

在实际金融数据治理中，可通过以下清单快速初步判断缺失模式：