3. 特征工程回顾：数值特征、类别特征、时序特征在风控中的常见形态与分布假设

在构建实时风控系统时，特征的质量直接决定了模型的上限与监控的有效性。本章系统回顾三类核心特征——数值、类别、时序——在风控场景下的常见数据形态、分布假设以及漂移监控的切入点。理解这些基础形态，是后续设计漂移检测阈值与报警策略的前提。

3.1 数值特征：连续值与离散值的分布假设

数值特征是风控模型中最常见的一类输入，通常分为连续型与离散型。连续型特征如“交易金额”、“登录时长”；离散型特征如“近30天失败次数”、“设备评分”。

3.2 类别特征：高基数与低基数下的分布稳定性

类别特征在风控中承载着大量离散信号，如“设备类型”、“注册渠道”、“IP归属地”。其分布假设主要围绕类别频次与熵值展开。

• 低基数类别（如性别、操作系统）：通常假设为多项分布，漂移表现为类别占比的显著变化。监控指标常用PSI（群体稳定性指标）或卡方检验。
• 高基数类别（如设备指纹、邮箱域名）：分布极度稀疏，常出现“长尾类别”或“未见类别”。漂移监控需关注覆盖率与新类别涌现率。
• 有序类别（如信用等级A/B/C）：假设为有序分布，漂移表现为等级迁移矩阵的变化，常用Mann-Whitney U检验。

3.3 时序特征：窗口统计量与序列模式

时序特征是风控区别于传统信用评分的关键。它通过滑动窗口提取用户或设备在时间轴上的行为模式，分布假设与窗口长度、聚合方式强相关。

3.4 三类特征的分布假设对比总览

下表从监控维度、常用统计量、漂移检测方法三个角度，对三类特征进行横向对比，便于后续章节选择具体的漂移检测算法。

3.5 特征分布漂移的常见根因

理解分布假设后，还需识别漂移的源头。以下列出风控场景中三类特征漂移的典型根因：

• 数值特征漂移根因：业务策略调整（如提额）、外部环境变化（如通胀）、数据采集异常（如截断、缺失）。
• 类别特征漂移根因：渠道投放变更、设备指纹算法升级、用户群体结构变化（如新客涌入）。
• 时序特征漂移根因：系统响应延迟导致窗口数据错位、用户行为节律改变（如夜间交易激增）、风控策略干预导致行为抑制。

3.6 特征分布假设的验证与更新策略

分布假设并非一成不变。在实时风控系统中，特征分布可能随业务周期、数据源变更而缓慢漂移。建议采用以下策略保持假设的有效性：

1. 初始假设建立：基于历史7~30天数据，通过可视化（直方图、Q-Q图）与统计检验（Shapiro-Wilk、KS拟合优度）确定特征的基础分布类型。
2. 定期重校验：每周或每月对分布假设进行重校验，若发现假设偏离（如原本对数正态变为双峰），则更新监控基准。
3. 动态基准窗口：对于时序特征，采用滚动窗口（如近7天）作为分布基准，而非固定历史窗口，以适应缓慢的趋势漂移。
4. 异常假设处理：当特征分布无法归入标准分布族时，使用非参数方法（如经验分布函数、核密度估计）作为漂移检测的基准。