风控特征—时间滑窗统计特征体系_风控观察期和表现期

风控特征—时间滑窗统计特征体系

俗话说，路遥知马力，日久见人心。在风控中也是如此，我们常从时间维度提取借款人在不同时间点的特征，以此来判断借款人的风险。在实践中，这类特征通常会占到 80% 以上。由于是通过时间切片和聚合统计函数来构造，因此一般被称为时间滑窗统计特征。

本文的主要意义在于：

• 对于需要入门风控建模的同学而言，希望能帮助你快速上手特征工程。
• 对已经有特征工程经验的同学而言，希望能带给你一些风控业务理解。

目录
Part 1. 观察期、观察点及表现期
Part 2. RFM 模型介绍
Part 3. 时间滑窗数量统计类特征
Part 4. 时间滑窗占比统计类特征
Part 5. 时间滑窗趋势统计类特征
Part 6. 时间滑窗稳定性衍生特征
Part 7. 第三方多头借贷变量衍生
Part 8. 总结
 

理解这三者的概念是风控建模前期样本准备的基础，在此简单介绍。

• 观察点（Observation Point）：并非是一个具体的时间点，而是一个时间区间，表示的是客户申请贷款的时间。在该时间段申请的客户可能会是我们用来建模的样本 。（提示：为什么用“可能”这个描述，因为还需剔除一些强规则命中的异常样本，这部分样本将不会加入建模）
• 观察期（Observation Window）：用以构造特征 X 的时间窗口。相对于观察点而言，是历史时间。观察期的选择依赖于用户数据的厚薄程度。通常数据越厚，可提取的信息也就越全面、可靠。
• 表现期 （Performance Window）：定义好坏标签 Y 的时间窗口。相对于观察点而言，是未来 时间。由于风险需要有一定时间窗才能表现出来，因此信贷风险具有滞后性。表现期的长短可以通过 Vintage 分析和滚动率分析来确定，在此不做展开。

图 1 - 观察期、观察点及表现期

表现期越长，信用风险暴露将越彻底，但意味着观察期离当前将越远，用以提取样本特征的历史数据将越陈旧，建模样本和未来样本的差异也越大。反之，表现期越短，风险还未暴露完全，但好处是能用到更近的样本。

RFM 模型最早是用来衡量客户价值和客户创利能力。理解 RFM 框架的思想是构造统计类特征的基础，其含义为：

• R（Recency）：客户最近一次交易消费时间的间隔。R 值越大，表示客户交易发生的日期越久，反之则表示客户交易发生的日期越近。
• F（Frequency）：客户在最近一段时间内交易消费的次数。F 值越大，表示客户交易越频繁，反之则表示客户交易不够活跃。
• M（Monetary）：客户在最近一段时间内交易消费的金额。M 值越大，表示客户价值越高，反之则表示客户价值越低。

对于不同数据源，我们可以统计得到不同内容的 RFM 特征。例如：

• 运营商数据：用户每天的通话记录次数、时长等。
• 信用卡账单或电商交易数据：用户每天的交易笔数、金额等。
• 埋点行为数据：用户每天在某页面的浏览量、点击量等。
• 设备数据：用户每天的登陆、活跃次数。

为了扩展更多的维度，我们常会维护一个分类名单库（或分类指标体系），可参考《信贷风控中的名单库挖掘、使用和维护》。接下来，我们就可以继续细分类目来统计。例如：

• 信用卡交易数据：用户每天在母婴用品、交通出行、餐饮、美容美发等交易笔数、金额。
• 设备 App 数据：用户手机上安装的借贷类、生活类、运动类、音乐类等 App 的数量。

以设备 App 数据为例，我们将统计得到如下数据：

图 2 - 截止下单日，用户每天统计的 App 数量

需要指出的是，我们需要结合业务去分析数据，数据因为业务才具有温度。