2. 金融数据特征概述：常见金融特征类型与缺失机制
在金融风控、量化交易与客户画像场景中，特征数据是模型推理的基石。本章从特征类型与缺失机制两个维度，建立巡检工具所需的数据认知框架。
2.1 常见金融特征类型
金融特征按数据结构与业务含义可分为三大类，每类在缺失巡检中需采用不同的统计口径与填充策略。
| 特征类型 | 典型字段 | 缺失检测要点 | 常用填充方法 |
|---|---|---|---|
| 数值型 | 收入、年龄、贷款金额、信用评分 | 异常值（0、负数、极端离群）常被误判为缺失 | 均值/中位数/回归插补 |
| 类别型 | 职业、学历、婚姻状况、地区编码 | 空字符串、'Unknown'、'NULL' 字符串需归一化检测 | 众数填充、新增“缺失”类别 |
| 时序型 | 交易日期、还款日、利率调整日 | 时间戳格式不一致、未来日期、日期跳跃 | 前向填充、插值、时间窗口均值 |
巡检提示： 数值型特征中的“0”在金融场景中可能是有效值（如零收入、零贷款），不能直接视为缺失。巡检工具需配置业务白名单，区分“业务零”与“缺失零”。
2.2 特征缺失的定义与分类
缺失并非简单的“空值”。在金融数据治理中，缺失的定义需结合数据采集链路与业务逻辑。根据缺失机制与可观测变量的关系，统计学习领域将缺失分为三类：
- 完全随机缺失（MCAR, Missing Completely At Random）： 缺失概率与任何观测或未观测变量无关。例如：系统随机丢包导致某笔交易记录丢失。
- 随机缺失（MAR, Missing At Random）： 缺失概率仅依赖于已观测到的其他变量。例如：高收入人群更倾向于不填写收入字段，但收入缺失与否可由职业、学历等已观测变量预测。
- 非随机缺失（MNAR, Missing Not At Random）： 缺失概率与缺失值本身相关。例如：信用评分极低的用户故意不提供评分信息，导致缺失值本身携带负面信号。
治理警示： 金融场景中 MNAR 最为危险。若直接删除或简单填充 MNAR 特征，会引入严重的样本选择偏差，导致风控模型低估违约概率。巡检工具必须对 MNAR 特征做单独标记与敏感性分析。
2.3 三类缺失的巡检识别策略
巡检工具需根据缺失类型选择不同的检测与标记策略。下表总结了各类型的识别线索与工具配置建议：
| 缺失类型 | 识别线索 | 巡检工具配置 | 风险等级 |
|---|---|---|---|
| MCAR | 缺失率在各分组中均匀分布；缺失与任何字段无显著相关性 | 启用全局缺失率监控；设置阈值告警 | 低 |
| MAR | 缺失率与某些已观测字段（如年龄、地区）存在统计关联 | 启用条件缺失率分析；配置逻辑回归检测器 | 中 |
| MNAR | 缺失值本身与目标变量（如违约标签）强相关；无法被其他字段解释 | 启用敏感性分析；标记为“高缺失风险”特征 | 高 |
巡检工具实操： 在特征缺失巡检面板中，系统会自动计算每个特征的“缺失可解释性得分”（0~1）。得分接近 0 表示 MCAR，接近 1 表示可被其他字段解释（MAR），若得分低但缺失与目标变量强相关，则标记为 MNAR 候选。
2.4 特征缺失对金融模型的影响
不同缺失类型对模型的影响路径不同，巡检工具需在报告中量化这些影响：
- MCAR： 仅降低有效样本量，参数估计仍无偏，但标准误增大。
- MAR： 若忽略缺失机制，模型系数可能产生偏倚；使用多重插补（MI）或极大似然估计（ML）可校正。
- MNAR： 直接建模会导致严重偏差，需引入选择模型或模式混合模型；在金融监管中，MNAR 特征需单独披露。
巡检工具内置指标： 系统提供“缺失影响系数”（MIC），计算方式为：
MIC = |β_full - β_missing| / SE_full，其中 β_full 为完整数据下的系数，β_missing 为含缺失数据下的系数。MIC > 2 的特征需优先治理。