贷款违约预测（Credit Default Prediction）是金融风控里非常经典的任务，本质是一个二分类问题（违约 / 不违约），但真正拉开效果差距的，往往不是模型，而是特征工程。

可以参考工业界（银行、蚂蚁、Visa、FICO 评分卡）的做法，把特征分成几层：

---

1. 用户基础属性特征（Static Features）

这是最基础的一层，类似“用户画像”。

个人信息

• 年龄（是否分箱，比如 18-25、25-35）
• 婚姻状态
• 教育水平
• 职业类型
• 工作年限

财务信息

• 月收入
• 负债收入比（DTI = Debt / Income）← 核心特征

DTI = \frac{Total\ Debt}{Income}

• 总资产
• 储蓄余额

特征工程做法

不是直接用原始值，而是做衍生：

• 收入稳定性：
  [
  \frac{\text{过去12个月收入标准差}}{\text{平均收入}}
  ]

• 负债增长率：
  [
  \frac{当前负债-历史负债}{历史负债}
  ]

---

2. 信贷历史特征（最重要）

这个往往贡献 50% 以上效果。

常见变量

（1）还款行为

• 历史逾期次数（30天、60天、90天）
• 最大逾期天数
• 最近一次逾期距今天数（Recency）

经典 RFM 思路：

• Recency（最近逾期）
• Frequency（逾期频率）
• Monetary（违约金额）

---

（2）额度使用率（非常关键）

信用卡 utilization：

Utilization = \frac{Used\ Credit}{Total\ Credit\ Limit}

高于80%风险通常升高。

---

（3）账户结构特征

• 开户账户数量
• 平均账户年龄

[
\text{Average Age of Accounts}
]

• 最近新开账户数

这反映“信用饥渴”（credit hungry）。

---

3. 行为序列特征（互联网金融常见）

如果是网贷，会做大量行为特征。

借款行为

• 过去30天申请次数
• 多头借贷平台数
• 夜间申请占比（欺诈中常见）

---

消费行为

• 消费类别分布熵（消费是否异常集中）

[
H=-\sum p_i \log p_i
]

• 高频小额消费次数
• 赌博/高风险商户交易占比

---

4. 时间窗口聚合特征（工业界重点）

这是很多比赛冠军方案核心。

做多窗口：

用户逾期次数：

• 7天窗口
• 30天窗口
• 90天窗口
• 180天窗口

例如：

late_pay_cnt_7d
late_pay_cnt_30d
late_pay_cnt_90d

再做趋势：

[
Trend = \frac{30d违约率}{180d违约率}
]

相当于风险变化速度。

---

5. 交叉组合特征（Feature Crossing）

树模型特别喜欢。

比如：

年龄 × 收入等级
职业 × 负债率
高额度 × 高利用率

例如：

年轻 + 高负债率
可能风险比单独两个特征高很多。

---

6. 图特征（现在前沿）

特别适合反欺诈和团伙骗贷。

构图：

用户—手机号
用户—设备
用户—联系人
用户—银行卡

提特征：

• 图中心度（degree）
• 团伙密度
• 黑名单邻居比例

比如：

shared_device_black_ratio

效果往往暴涨。

---

7. 标签穿越式高级特征（评分卡经典WOE）

传统银行喜欢：

分箱

收入：

0-5k
5k-10k
10k+

---

WOE编码（Weight of Evidence）

WOE = \ln\left(\frac{Good_i/Total\ Good}{Bad_i/Total\ Bad}\right)

再算 IV（信息值）筛变量。

经验：

• IV <0.02 弱
• 0.1~0.3 好

• 0.3 很强

---

8. 风控里最常见的组合特征（实战高频）

很多违约模型都会有：

收入负债比
信用卡使用率
最近逾期天数
历史违约次数
多头借贷数量
工资波动率
额度增长速度

通常这些比“学历、年龄”强很多。

---

9. 模型和特征适配

如果是：

XGBoost / LightGBM

重点：

• 交叉特征
• 时间窗口统计
• 缺失值模式（缺失本身是信号）

---

逻辑回归（评分卡）

重点：

• 分箱
• WOE编码
• 单调性约束

---

深度学习（序列）

输入：

• 用户行为序列
• Transformer / LSTM

做时序违约预测。

---

一个真实工业特征表可能长这样：

基础画像            50维
信贷历史           200维
行为统计           500维
窗口聚合         1000维
交叉组合          5000维
图特征            200维
-----------------------
总计            7000+特征

模型可能只是 LightGBM，但效果很强。

---

核心不是“造更多特征”，而是造这三类：

1. 风险水平（Level）
   例如负债率

2. 风险变化（Trend）
   例如近30天逾期上升

3. 风险关系（Structure）
   例如社交图关联风险

这才是金融特征工程的核心。