本内容由团队成员共同挖掘，围绕现金贷产品规则开展风控特征分析，从产品底层规则中提取风险信号，为模型构建与策略制定提供参考。
一、产品规则与风险逻辑
现金贷产品采用生命周期固定还款日规则，用户还款日由首笔借款日期确定，后续结清再借不进行重置。
月中首次借款的用户，还款日对应为当月月中；月末首次借款的用户，还款日顺延至次月月初。
产品不存在免息期安排，借款资金占用时间越长，用户需支付的利息相应越高。用户对借款时点的选择，会直接影响首期借款期限与利息支出。
倾向于拉长首期借款期限的用户，通常现金流压力偏高，还款能力偏弱，对资金成本敏感度较高，这类群体存在一定的逆选择特征，首期账单逾期风险相对更高。
该规则差异仅作用于首期账单，后续非首次账单均执行标准30天周期，期限不再随借款时点发生变化。因此相关风险特征主要用于识别首期逾期风险。
二、核心风险特征设计
静态属性特征：还款日分箱
依据还款日自然日分为6个区间：15日、610日、1115日、1620日、21~25日、26日及以上。
还款日落在下旬区间的用户，首期借款期限更长，首期逾期风险相对更高；还款日落在中上旬区间的用户，首期逾期风险相对更低。
该特征用于体现用户首笔借款时点选择，反映用户长期资金周期特征与基础风险倾向，可应用于客群准入、基础授信、长期风险分层等环节。
动态行为特征：当笔借款至下一还款日天数
该数值越大，代表用户首期占用资金期限越长，首期逾期风险越高；数值越小，首期逾期风险越低。
该特征体现用户单期借款的期限选择倾向，可用于判断当期现金流压力与风险水平。
适用于定价调整、实时风险管控、临时额度管理等场景。该数据在借款发起时即可确定，不依赖后续信息，可降低模型训练中的标签穿越问题。
三、特征组合与应用价值
静态分箱体现用户长期风险属性，动态天数反映当期行为动机，两类特征相互补充，形成完整的风险识别结构。
该设计从产品规则出发，与常规用户维度特征形成区分；动态特征合规性较好，可直接用于模型训练；特征间信息重叠度低，适用场景多样，既可作为模型变量，也可独立形成风控规则。