用户行为序列的特征设计和挖掘思路分享

风控用户行为序列的特征设计和挖掘

本回答将分为三个部分：

• 业务理解：风控包含哪几个阶段以及各阶段任务
• 手动构建特征方法
• 自动特征工程方法

业务理解

金融风控，可以是对于信贷类金融风控（银行贷款，花呗，信用卡等），也可以是现金支出（刷微信支付余额和支付宝余额）。

• 对于现金类收入支出，主要的任务是反欺诈反盗刷。特征和信贷类的”贷中“阶段有点类似。
• 如果涉及信贷，对于金融风控，无论是传统银行还是互联网金融，都包含三个部分：贷前（申请与审批），贷中（监控，调整额度），贷后（从放款到全部收回），催收管理(出现逾期的处理）。如果用评分卡，那每个阶段的评分卡分别是A卡，B卡，C卡。每个阶段的任务都不一样，如下图。

信用卡虽然不是贷款，但从业务上，和贷款一样，信用卡属于提前消费，也就是银行或者金融机构给你垫付。所以后面无论讲到信用卡还是贷款，都用”贷前贷中贷后“来方便叙述，希望不会给读者造成太大的概念混淆。

我经常说，领域知识（domain knowledge）是进行特征设计和挖掘的基础。无论你用最简单的逻辑回归模型还是用复杂的深度学习模型，都是一个效果：trash in trash out。所以，理解了业务就能构建有效的特征。金融风控，有“风险”，有“控制”。风险存在于每个阶段，控制也是按照每个阶段的情况来制定策略。

01

贷前阶段这个阶段。

首先给读者一分钟想想这个阶段的任务。没错，这个阶段的任务就是排除不及格的用户，不让他们拿到贷款或者额度。但是，有的看似及格甚至优良的用户，可能是假的！

在A卡阶段，我们需要预筛选和客户授信。这个阶段如何运用用户行为序列进行特征设计和挖掘呢？

所以我们需要找到一些特征，来：1.判断客户是否存在欺诈。2.对于非欺诈用户，是否有还款能力，如果有，能给用户多少额度。

02

贷中这个阶段

依然惯例，首先给读者一分钟想想这个阶段的任务。

没错，这个阶段的任务就是检测用户行为，是否存在异常，例如盗刷，是否出现逾期，是否存在消费情况不正常。如果客户表现好，是否要给客户多点额度，如果客户行为不太好，是否要降低客户的额度。

03

贷后阶段

这也是我这两年来研究最多，最熟悉的阶段。贷后是用户出现了还款逾期，银行或者金融机构进行催收/坏账准备的阶段。

可以看到贷后和贷中有一点业务重叠，就是“监控”这个任务。但贷中更侧重发生逾期前的额度调整，贷后更侧重逾期发生后的催收，如果实在催收不成功，则坏账准备（例如银行通过分析发现，当客户逾期超过180天了，95%的客户会永远还不上钱，则银行认栽，把坏资产打包出售给第三方公司等等)。

手动构建特征

由于此回答主要讲用户行为序列，那么非用户行为的特征（例如征信等级，信用评分，是否在黑名单上）这里就不讨论了。

如果你熟悉客户管理/营销，那么你可以听过RFM模型。其中R（Recency）和F（Frequency）都是用户行为序列相关的。这里我们也可以借鉴这个思想。除此之外，还可以构建异常行为特征。总结下在如果需要手动构建特征，一般可以从几个方面入手：

近期类特征。例如最近一次使用信用卡的时间，上一次联系时间，上次逾期时间等。

频率类特征：普通用户为了完成某一任务，通常目的达到动作就会跟着终止，所以正常用户的动作通常是离散和稀疏的。而对于黑产用户而言，为了实现收益的最大化，高频率的动作是降低成本的核心，所以往往黑产用户的动作是连续而紧密的。基于这种理念，频率类的策略在风控中就有着非常重要的作用。考虑频率特征时，通常考虑几个因素，分别是：时间窗口、资源、运算与阈值。

统计类（速度类或者方差类）特征：如果客户某个行为呈现加速状态或者减速状态，那么可能其风险等级也发生改变。例如过去六个月的平均消费金额为1000，但本月消费金额为15000，则显示出了十几倍的加速，这种情况可能说明客户在恶意透支信用额度，更可能是被盗刷。这个速度类特征也可以用方差类特征来代替，例如本次消费金额在过去六个月所有消费里，是否处于

之外。

地理位置的异常偏移：比如ip的归属地和设备的定位差距过大，地理位置变化的速度太快。这说明用户可能通过作弊手段修改定位，使用代理ip等等。这个特征在反盗刷和反欺诈很重要。

分解到贷前中后三个阶段，分别有（这里只讲行为类特征）：

贷前可构建这些特征特征（凭着个人回忆写的，未能穷尽，欢迎补充）：

如果客户在本行已有记录，则可以观测用户近期还款情况，上一次逾期时间。如果有信用卡，则观测近三个月内平均逾期天数比过去十二个月，是否变得更少。例如

如果客户在本行没有记录，则可以从征信信息观测其行为序列。例如过去几个月其贷款笔数是多了还是少了，其贷款总额的增速是多少。

如果是通过互联网银行/手机银行申请的，可以检查数据埋点的行为序列。我由于是给传统零售银行做业务的，所以我并没有使用过埋点数据。

贷中特征（凭着个人回忆写的，未能穷尽，欢迎补充）：

• 本笔信用卡消费在过去六个月所有消费里，是否处于

之外。如果是的话，有被盗刷风险

• 分期还款笔数的增加或者减少（和用户经济负担有关，如果用户的卡里有着多个商品的分期付款，例如iphone 12的24期付款，那么再用分期付款买一个MacBook，那么经济负担就更重了，很可能还款能力就变低了）
• 额度使用度的变化。这个特征并不是单一方向的。例如信用卡有10000块额度，比如你所说每个月额度都刷满并且按时还款，那么银行可能会认为客户信用额度不够就给你提额，但也可能认为你在套现，给你降额。至于这个特征怎么决定客户的信用度，则需要结合其他特征来观测。(如果你工资卡也是这个银行的，那么它可以看你工资卡收入是否有变多）。又如果客户有一万块额度，之前六个月平均每个月花1000，并且能按时还上，这个月花了9999，并且逾期了，则说明这个客户可能在授信时额度给多了，需要调整额度。
• 消费习惯，负债变化。履约历史等。这里推荐

贷后特征（凭着个人回忆写的，未能穷尽，欢迎补充）：

• 客户本次逾期距离上次逾期的时间。（如果上个月逾期了这个月还是逾期，说明客户的情况并没有好转，考虑优先催收，如果距离上次逾期都一年了，说明这个客户并不是经常逾期，即使不催收也可能自己会还）
• 最近联系记录。由于客户逾期会触发金融机构的催收部门联系客户，所以联系记录也可以作为特征。例如最近一个月被电联的次数vs过去六个月平均每个月被电联次数（说明催收难度大了，客户的经济情况也许在恶化），过去一个月电话接通率vs过去六个月电话接通率（越来越难接通有可能说明客户在恶意欠款）

自动特征工程方法

自动特征工程的方法一般你只需要定义输入哪些序列，至于每个序列分别代表什么，你不一定需要商业理解，可以交给深度学习模型来搞定。说实话，这个方法我并没有给客户做过，但我看了一些国内厂商的做法，我可以介绍一下。

例如蚂蚁金服[3]，他们是这样做的。不过他们这个并非信贷模型，但其反欺诈的思路值得参考。在反欺诈方面，他们有两个场景：1. 转账到账户场景 ；2.转账到卡场景

例如对场景1，他们的序列包括：

（注：RPC为Remote Procedure Call Protocol，远程过程调用）

• 他们采用的模型：LSTM。
• 他们监控的序列包含：
  • 序列1：支出账户的实时事件序列
  • 序列2：支出账户的实时RPC序列
  • 序列3：收款账户的实时事件序列
  • 序列4：收款账户的实时RPC序列
  • 序列5：支出账户的历史事件序列
  • 序列6：收款账户的历史事件序列
  • 序列7：支出账户与收款账户历史序列
  • 序列8：支出账户与收款账户实时事件序列

他们分别基于8种不同序列建立LSTM模型，将序列隐藏层最后一步输出接一个全连接层最终输出风险分值，将8个序列风险分值与现有变量合并建模，输出最终欺诈风险分。可以看到，其实最后的模型也是一个GBDT模型，虽然得到这些风险分的过程难以解 释，但起码在最后一步是用可解释模型的。所以说，可解释性永远是风控逃不开的话题。