📚 课程目录第2章信用评分特征体系概述

2. 信用评分特征体系概述：常用特征分类及数据源

信用评分模型的核心输入是特征变量。一个完整、稳健的特征体系，既要覆盖借款人还款意愿与还款能力的各个维度，又要兼顾数据获取的成本与合规性。本章对常用特征进行分类梳理，并对比不同数据源的服务成本特征。

根据金融风控实践，信用评分特征通常划分为以下五大类。每一类特征从不同角度刻画借款人的信用风险。

特征类别	核心维度	典型特征示例	数据源类型
身份特征	稳定性、真实性	年龄、户籍、婚姻状况、学历、职业、居住稳定性	用户自填、公安/社保接口
收入特征	还款能力	月均收入、收入趋势、收入波动率、公积金基数	银行流水、税务、公积金
负债特征	偿债压力	总负债、信用卡使用率、月还款额/收入比（DTI）	征信报告、信贷机构
行为特征	还款习惯、消费偏好	近6个月还款逾期次数、消费金额、交易时间分布	内部交易、支付平台
多头借贷特征	资金饥渴度、共债风险	近3个月申请机构数、在贷平台数、查询次数	征信查询、百行/朴道

特征工程提示： 同一类特征中，原始字段（如“月收入”）通常需要经过衍生变换（如“收入稳定性指数”、“收入趋势斜率”）才能提升模型区分度。特征衍生是成本优化的重要环节。

不同数据源在覆盖度、实时性、合规成本、单次调用价格上差异显著。下表从服务成本角度进行对比：

数据源	覆盖度	实时性	合规成本	单次调用成本	适用特征
央行征信	高	T+1	高	中	负债、多头、逾期
百行/朴道征信	中高	准实时	中	中低	多头、身份核验
运营商数据	高	实时	中	低	行为、稳定性
公积金/社保	中	T+1~T+3	中	低	收入、工作稳定性
内部交易数据	自有用户	实时	低	极低	行为、还款习惯

  成本优化关键： 内部数据（如历史还款行为、APP使用轨迹）的单次调用成本几乎为零，且合规风险最低。在特征体系建设中，应优先挖掘内部数据，再按需采购外部数据，避免“全量调用”导致的成本浪费。

下图展示了信用评分特征体系的整体架构，从数据源到特征分类，再到模型输入的关系：

在特征服务中，成本不仅包括数据采购费用，还涉及存储、计算、维护等隐性支出。以下是主要成本构成：

常见成本陷阱： 很多团队初期盲目接入大量外部数据源，导致单次评分调用成本超过 10 元，且特征冗余严重。建议通过特征重要性排序（如 IV 值、SHAP 值）定期裁剪低贡献特征，将单次调用成本控制在 3 元以内。

针对不同特征类别，可采取差异化的成本优化策略：