1. 金融特征概述
1.1 金融特征的定义
在金融数据科学领域，特征（Feature）是指从原始金融数据中提取或构造的、能够反映业务规律与风险信号的量化指标。特征是连接原始数据与机器学习模型之间的桥梁，其质量直接决定了模型的上限。
金融特征具有以下三个核心属性：
- 业务可解释性：每个特征背后必须有明确的金融含义，如“近30日日均交易金额”反映用户资金活跃度。
- 统计稳定性：特征分布应随时间保持相对稳定，避免因业务规则变更导致剧烈漂移。
- 区分能力：特征应能有效区分不同风险等级或用户群体，如“逾期次数”对坏账用户的识别能力。
💡 核心观点：特征工程是金融建模中最耗时、最关键的环节。业界有“数据和特征决定了机器学习的上限，而模型和算法只是逼近这个上限”的说法。
1.2 常见金融特征类型
金融特征按业务场景可分为三大类：交易特征、风控特征和用户画像特征。下表从定义、典型指标、数据来源三个维度进行对比：
| 特征类型 | 定义 | 典型指标 | 主要数据来源 |
|---|---|---|---|
| 交易特征 | 从用户交易行为中提取的量化指标，反映资金流动规律 | 近7日交易笔数、日均交易金额、大额交易占比、交易时间熵 | 交易流水表、清算对账表 |
| 风控特征 | 用于评估用户信用风险或欺诈风险的指标 | 历史逾期次数、负债收入比、多头借贷数、设备指纹异常分 | 信贷申请表、征信报告、黑名单库 |
| 用户画像特征 | 描述用户基本属性与长期偏好的静态或慢变指标 | 年龄、职业、收入等级、常住城市、APP使用时长 | 注册信息表、埋点日志、外部数据源 |
1.3 特征质量对模型的影响
特征质量是金融模型成败的基石。低质量特征会从以下三个维度对模型产生负面影响：
- 预测性能下降：缺失率过高的特征会导致模型无法学习有效模式，AUC（曲线下面积）可能下降 5%~15%。
- 模型稳定性恶化：特征分布漂移或异常值未处理，会导致模型在跨时间验证时 PSI（群体稳定性指标）超过 0.25，触发模型失效预警。
- 业务决策偏差：特征缺失若存在系统性偏差（如高收入用户数据更完整），将导致模型对特定群体产生不公平评分，引发合规风险。
⚠️ 常见误区：部分团队盲目追求特征数量，将缺失率超过 80% 的字段也纳入模型。这不仅增加计算成本，还会引入噪声，导致模型过拟合。建议在特征筛选阶段设定缺失率阈值（如 < 50%）。
1.4 特征缺失巡检的必要性
在金融场景中，特征缺失是影响特征质量的首要因素。缺失可能由以下原因导致：
- 数据采集故障：上游系统接口超时、日志丢失导致字段为空。
- 业务逻辑变更：新产品上线后，旧特征在新客群中无数据。
- 数据清洗遗漏：ETL 脚本未处理异常值，导致有效数据被误判为缺失。
因此，建立特征缺失巡检机制是金融数据治理的第一道防线。通过 Spark SQL 对大规模特征表进行周期性扫描，可以及时发现缺失率异常、缺失模式变化等问题，为模型迭代提供数据质量保障。
✅ 最佳实践：建议将特征缺失巡检纳入每日数据质量监控 pipeline，设置三级告警阈值——缺失率 < 5% 为正常，5%~20% 为警告，> 20% 为严重，触发人工核查。