4. 交易特征工程：金额、频率、时间、对手方等特征提取

特征工程这步，说白了就是给数据“化妆”。

原始的交易流水，就像素颜的照片——信息都在，但不够突出。我们要做的，是把那些藏在细节里的异常信号，通过特征提取的方式放大出来。我个人习惯把这部分工作分成四个维度：金额、频率、时间、对手方。咱们一个一个来拆。

4.1 金额特征：别只看绝对值

很多人做金额特征，上来就取个均值、最大值完事。这其实不够。

我在项目中遇到过一家贸易公司，单笔交易金额都在100万左右，看起来很正常。但仔细一算，金额的方差特别大——有时候一天内从50万跳到200万，又跳回80万。这种剧烈波动，往往是关联交易“倒账”的典型信号。

我常用的金额特征包括：

• 单笔金额统计：均值、中位数、最大值、最小值、标准差
• 金额分布特征：偏度（skewness）、峰度（kurtosis）——这两个能反映金额是否集中在某个“整数关口”
• 金额与账户余额的比值：比如一笔交易占账户余额的80%以上，这就不太像日常经营
• 金额的“整十整百”特征：关联交易经常出现100万、500万这种整数，而真实贸易往往有零有整

4.2 频率特征：节奏感很重要

交易频率，我把它叫做“交易的呼吸节奏”。

正常企业的交易频率，通常是有规律的。比如每天3-5笔，或者每周固定某几天有交易。但关联交易不一样——它往往在某个时间段内突然爆发，然后又沉寂很久。

我曾经处理过一个案例：某供应商平时一个月就几笔交易，但在季度末的最后三天，突然密集交易了47笔。这种“脉冲式”的频率变化，就是典型的关联交易特征。

我常用的频率特征：

• 日交易笔数：统计每天的交易次数，看是否有异常峰值
• 交易间隔时间：相邻两笔交易的时间差。正常交易间隔相对均匀，关联交易经常出现“连续几笔间隔几秒”的情况
• 周/月交易活跃度：比如一周内交易天数占比，一个月内交易周数占比
• 交易密度：单位时间内的交易笔数，比如“每小时交易笔数”

4.3 时间特征：深夜的交易最可疑

时间特征，很多人只取个“交易时间”字段就完事了。其实这里面能挖的东西很多。

你想想看，正常企业的交易时间，是不是集中在工作日的9点到17点？如果一家公司经常在凌晨2点、周末、法定节假日发生大额交易，这本身就值得怀疑。

我常用的时间特征：

• 交易时段：分为早（9-12）、中（12-14）、晚（14-17）、夜（17-次日9）四个时段
• 是否工作日：标记交易发生在工作日还是周末/节假日
• 交易时间与营业时间的偏差：如果企业申报的营业时间是9-18点，那18点之后的交易就要重点关注
• 交易时间的“整点”特征：比如交易时间是不是整点、半点——关联交易经常在整点发生
• 交易时间的周期性：比如是否每周五下午固定有一笔大额交易

4.4 对手方特征：关系网里找异常

对手方特征，是关联交易检测中最核心的部分。说白了，就是看“谁和谁在交易”。

我习惯把对手方特征分成两类：个体特征和关系特征。

个体特征：

• 对手方是否与本公司有股权关联（比如同一实际控制人）
• 对手方的注册地址是否与本公司相同或相近
• 对手方的注册时间——如果对手方刚注册就发生大额交易，这很可疑
• 对手方的行业类型是否与交易内容匹配

关系特征：

• 交易对手集中度：前三大对手方的交易金额占比。如果超过80%，说明交易高度集中
• 对手方重合度：多个子公司是否与同一个对手方交易
• 交易对手变更频率：频繁更换交易对手，可能是为了规避监管
• 循环交易特征：A→B→C→A 这种资金闭环，是关联交易的典型模式

4.5 特征组合：1+1>2

单个特征往往不够强，但组合起来威力就大了。

举个例子：“深夜大额整数交易”——这个组合特征，同时包含了时间（深夜）、金额（大额、整数）、行为模式（异常时段）三个维度的信息。我在实际项目中，这个特征的区分度能达到0.85以上。

我常用的特征组合方式：

• 金额 × 频率：比如“单日累计交易金额 / 日交易笔数”，反映单笔平均金额
• 时间 × 对手方：比如“非工作时间与关联对手方的交易笔数”
• 金额 × 时间：比如“凌晨时段的交易金额占比”
• 频率 × 对手方：比如“与同一对手方的交易频率变化率”

4.6 特征工程流程图

下面这张图，是我做特征工程时的标准流程。你可以参考一下：

4.7 代码示例：特征提取实战

说了这么多理论，咱们来点实际的。下面这段代码，是我在项目中常用的特征提取模板：

import pandas as pd
import numpy as np

# 假设df是原始交易数据
# 字段：trade_id, account_id, counterparty_id, amount, trade_time, trade_date

# 1. 金额特征
df['amount_log'] = np.log1p(df['amount'])  # 对数变换，减少偏态
df['amount_round'] = (df['amount'] % 10000 == 0).astype(int)  # 是否整万

# 2. 频率特征
# 按账户+日期分组，计算日交易笔数
daily_freq = df.groupby(['account_id', 'trade_date']).size().reset_index(name='daily_count')
df = df.merge(daily_freq, on=['account_id', 'trade_date'], how='left')

# 3. 时间特征
df['hour'] = pd.to_datetime(df['trade_time']).dt.hour
df['is_night'] = ((df['hour'] < 9) | (df['hour'] >= 18)).astype(int)
df['is_weekend'] = (pd.to_datetime(df['trade_date']).dt.dayofweek >= 5).astype(int)

# 4. 对手方特征
# 计算每个账户与每个对手方的交易次数
counterparty_freq = df.groupby(['account_id', 'counterparty_id']).size().reset_index(name='cp_trade_count')
df = df.merge(counterparty_freq, on=['account_id', 'counterparty_id'], how='left')

# 5. 特征组合
df['night_large_amount'] = df['is_night'] * (df['amount'] > df['amount'].quantile(0.95)).astype(int)

print("特征提取完成，特征维度：", df.shape[1])

嗯，特征工程这部分内容比较多，但核心就一句话：从原始数据中挖掘出能反映交易本质的信号。金额、频率、时间、对手方这四个维度，你吃透了，关联交易检测就成功了一半。

记住，特征不是越多越好。我见过有人提取了200多个特征，结果模型效果还不如只用20个核心特征的。关键是理解业务逻辑，知道哪些特征在关联交易场景下是有区分度的。

---

公众号:蓝海资料掘金营，微信deep3321