風控業務背景

俗話說，?路遙知馬力，日久見人心。在風控中也是如此，我們常從時間維度提取借款人在不同時間點的特征，以此來判斷借款人的風險。在實踐中，這類特征通常會占到80%以上。由于是通過時間切片和聚合統計函數來構造，因此一般被稱為時間滑窗統計特征。

本文的主要意義在于：

• 對于需要入門風控建模的同學而言，希望能幫助你快速上手特征工程。

• 對已經有特征工程經驗的同學而言，希望能帶給你一些風控業務理解。

目錄
Part 1. 觀察期、觀察點及表現期
Part 2. RFM模型介紹
Part 3. 時間滑窗?數量?統計類特征
Part 4. 時間滑窗?占比?統計類特征
Part 5. 時間滑窗?趨勢?統計類特征
Part 6. 時間滑窗?穩定性?衍生特征
Part 7. 第三方多頭借貸變量衍生
Part 8. 總結
參考資料

Part 1. 觀察期、觀察點及表現期

理解這三者的概念是風控建模前期樣本準備的基礎，在此簡單介紹。

• 觀察點（?Observation Point?）?：并非是一個具體的時間點，而是一個時間區間，表示的是客戶申請貸款的時間。在該時間段申請的客戶?可能?會是我們用來建模的樣本 。（提示：為什么用“可能”這個描述，因為還需剔除一些強規則命中的異常樣本，這部分樣本將不會加入建模）

• 觀察期?（Observation Window）：用以?構造特征X?的時間窗口。相對于觀察點而言，是?歷史?時間。觀察期的選擇依賴于用戶數據的厚薄程度。通常數據越厚，可提取的信息也就越全面、可靠。

• 表現期?（Performance Window）：定義?好壞標簽Y?的時間窗口。相對于觀察點而言，是?未來?時間。由于風險需要有一定時間窗才能表現出來，因此信貸風險具有?滯后性?。表現期的長短可以通過Vintage分析和滾動率分析來確定，在此不做展開。

圖 1 - 觀察期、觀察點及表現期

表現期越長，信用風險暴露將越徹底，但意味著觀察期離當前將越遠，用以提取樣本特征的歷史數據將越陳舊，建模樣本和未來樣本的差異也越大。反之，表現期越短，風險還未暴露完全，但好處是能用到更近的樣本。

Part 2. RFM模型介紹

RFM模型最早是用來衡量客戶價值和客戶創利能力。理解RFM框架的思想是構造統計類特征的基礎，其含義為：

• R（Recency）?：客戶最近一次交易消費時間的間隔。R值越大，表示客戶交易發生的日期越久，反之則表示客戶交易發生的日期越近。

• F（Frequency）?：客戶在最近一段時間內交易消費的次數。F值越大，表示客戶交易越頻繁，反之則表示客戶交易不夠活躍。

• M（Monetary）?：客戶在最近一段時間內交易消費的金額。M值越大，表示客戶價值越高，反之則表示客戶價值越低。

Part 3. 時間滑窗數量統計類特征

對于不同數據源，我們可以統計得到不同內容的RFM特征。例如：

• 運營商數據：用戶每天的通話記錄次數、時長等。

• 信用卡賬單或電商交易數據：用戶每天的交易筆數、金額等。

• 埋點行為數據：用戶每天在某頁面的瀏覽量、點擊量等。

• 設備數據：用戶每天的登陸、活躍次數。

為了擴展更多的維度，我們常會維護一個分類名單庫（或?分類指標體系?），可參考《 ?信貸風控中的名單庫挖掘、使用和維護 》(https://zhuanlan.zhihu.com/p/77238851)。接下來，我們就可以繼續?細分類目?來統計。例如：

• 信用卡交易數據：用戶每天在母嬰用品、交通出行、餐飲、美容美發等交易筆數、金額。

• 設備App數據：用戶手機上安裝的借貸類、生活類、運動類、音樂類等App的數量。

以設備App數據為例，我們將統計得到如下數據：

圖 2 - 截止下單日，用戶每天統計的App數量

需要指出的是，我們?需要結合業務去分析數據，數據因為業務才具有溫度?。

🌟?敲黑板劃重點1——了解數據采集邏輯

特征是從原始數據中提取的信息，如果數據源采集上就存在問題，那么所構造的特征也必然有問題。

對于一些采集客觀、可靠的數據源而言，分析過程就相對簡單。例如，如果用戶某天沒有打電話，那么這天的通話次數為0，這是因為運營商客觀保留了用戶的原始數據。這時候，0的含義就是用戶在當天未有通話行為?。當然，對于用戶借用他人手機打電話這種情況，則不在考慮范圍內。

對于依賴于用戶登陸、活躍行為才能采集到的數據，就更需要結合采集方式來分析。例如，在設備App數據中，如果某天統計得到用戶安裝的借貸類App為0。這個數字后面可能有哪些原因呢？可能的猜想有：

• 1.?統計函數原理?：用戶這一天并沒有使用手機，導致數據采集上缺失。但SQL中count()函數在統計時會count(null) = 0，也就是說會將缺失值填充默認值為0。

• 2.?用戶使用行為?：用戶使用了?新安卓手機?，數據采集正常，但確實沒安裝借貸類App，因此用戶維度統計值為0。或者，用戶使用了?老安卓手機?，但主動卸載了所有借貸類App。

• 3.?數據采集技術?：用戶使用了?蘋果手機，?由于無法采集到App數據，哪怕手機上實際安裝了借貸App，但統計值也為0。

• 4.?變量構造邏輯?：雖然手機上安裝了借貸類App，但并不在你的借貸App名單庫中，因此匹配數為0。

那么到底是哪種原因呢？對于這些猜想，我們可以從以下維度加以佐證：

• 用戶當天是否活躍？

• 用戶使用設備是否出現新的UMID（設備ID）？

• 用戶使用設備的平臺（iOS / Android）？

• 名單庫是否很久沒有維護？

這也就是需要?結合業務經驗對多個特征交叉衍生新特征?的原因，這種特征具有強業務含義，因此往往能發揮出更好的效果。

🌟?敲黑板劃重點2——定義觀察期有效性

我們還需?考慮觀察期的有效性，以及不同用戶的數據厚薄程度?。

比如，如果一個用戶手機號網齡才6個月，那么在統計最近6個月、12個月、24個月的通話記錄次數時，可想而知這幾個變量的數值都是一樣的。

同理，對于手機號網齡分別是6個月的新用戶和6年的老用戶而言，“最近12個月的通話記錄次數”這種特征是?不公平（unfair）?的。兩者的數據厚薄程度?不同，新用戶的觀察期實際上只有6個月，而老用戶的觀察期是12個月。

為了區分這種情況，有以下建議：

1.?定義觀察期有效性，?在時間滑窗統計時，更需要有意識地留出有效的觀察期。
2.?定義分群變量?。比如將數據有效期只有6個月和12個月的用戶分成2個群體。

Part 4. 時間滑窗占比統計類特征

在得到數量統計類特征后，我們繼續衍生?占比（ratio）?類特征，一方面可用來?去除量綱影響?，另一方面?衡量用戶的行為偏好。例如：

最近N個月內?母嬰類?消費次數?占比?= 最近N個月內?母嬰類?消費?次數?/ 最近N個月內消費次數

如果用戶在某類消費次數或者金額占比上有明顯的傾向，我們就更能掌握用戶的消費行為偏好和其他屬性。比如，如果用戶的母嬰類消費支出占比較大，說明用戶是有娃一族，風險也就相對更低。

Part 5. 時間滑窗趨勢統計類特征

由于一個人的行為是會動態變化的，衡量這種變化趨勢對于風險識別也很重要。例如，對于借款人的多頭借貸風險，如果多頭指標呈現逐步上升的趨勢，我們就覺得多頭負債風險在上升。借款人往往會采取“拆東墻補西墻”的措施，如果哪一天連東墻都找不到拆，這個擊鼓傳花的游戲也就game over。

我們一般計算?斜率（slope）?來衡量這種變化趨勢。例如：

多頭借貸趨勢 =（當月的多頭借貸次數 - 上個月的多頭借貸次數）/ 上個月的多頭借貸次數

Part 6. 時間滑窗穩定性衍生特征

在不同時間點統計的數量特征基礎上，我們可以繼續衡量用戶行為的穩定性。

在數學上，我們通常可以用?變異系數（?Coefficient of Variation，CV?）來衡量這種數據波動水平。變異系數越小，代表波動越小，穩定性越好。

變異系數的計算公式為：變異系數 C·V =（ 標準偏差 SD / 平均值Mean ）× 100%

例如，對于借貸次數，我們可以計算CV來衡量借貸行為的穩定性。

另外需要注意的是，對于持續多頭借貸的老哥，其實風險并不會很高，因為有持續穩定的借貸渠道。但對于集中性爆發的多頭借貸行為，我們就更需要加以關注。這背后的動機，可能是手頭突然緊張（比如網賭輸錢），可能是破罐子破摔，可能是前期潛伏突然爆發，可能是行業大環境影響。

Part 7. 第三方多頭借貸變量衍生

據筆者所知，目前市場上所提供的第三方多頭借貸數據通常包含以下變量：

借款人最近7天、1個月、3個月、6個月、12個月、18個月、24個月的某類平臺借貸次數

某類平臺包含：消費金融公司、互聯網金融公司、銀行信貸、數據風控公司等等。

根據這些原始變量，我們可以按照以上方法論衍生一些新變量。例如：

如果以“?最近7天的多頭借貸次數 / 最近1個月的多頭借貸次數”，我們便可以判斷借款人的時間維度上的借貸行為分布。這個變量數值越大，代表近期借貸集中，短期風險更大。

如果以“?最近1個月的銀行信貸借貸次數 / 最近1個月的多頭借貸次數”，我們便可以判斷借款人的在借貸平臺維度的分布。這個變量數值越大，可以認為越趨于正面。

在使用這些變量時，我們還需考慮第三方數據公司所接入的機構數的變化。也就是說，如果接入機構數在持續增長，那么整體人群的多頭借貸指數也可能往高分偏移。

Part 8. 總結

本文系統總結了時間滑窗統計特征的構造方法論，以及相應的業務理解。總的來說，我們先統計數量，再從占比、趨勢、穩定性、集中性等維度去衍生。當然，最重要的一點還是多結合業務去思考。

?

參考資料

felix：JDATA京東算法大賽入門(score0.07+時間滑動窗口特征＋xgboost模型)(https://zhuanlan.zhihu.com/p/26177617)
高階用戶運營 | 如何用RFM模型實現用戶分層管理（附案例）|推薦收藏(https://www.douban.com/note/698611890/)
「回顧」自動化特征工程和自動建模在風控場景的應用(https://mp.weixin.qq.com/s/SiD8HZ2eFuuNE3CTYaPYSA)

總結

以上是生活随笔為你收集整理的风控特征：时间滑窗统计特征体系的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。