📚 课程目录第2章基础知识

2. 基础知识

在进入看板搭建与整改闭环的实操之前，需要先把五个基础概念对齐：模型生命周期、模型风险、监控指标、看板、闭环管理。它们不是并列的名词，而是一条因果链——生命周期决定风险暴露点，风险暴露点决定监控指标，指标汇聚成看板，看板驱动闭环整改。理解这条链条，后续所有配置与流程才有落脚点。

一、核心原理：模型生命周期与风险暴露

金融模型生命周期通常划分为六个阶段：需求定义、开发与校准、验证与审批、上线部署、运行监控、退役下线。每个阶段都有其特有的风险形态，且风险不会随阶段结束而消失，而是向后传递、累积。

需求定义阶段：目标错配风险。业务口径与建模目标不一致，导致模型上线即偏离用途。
开发与校准阶段：过拟合、样本偏差、假设不成立。此时风险是隐性的，难以直接观测。
验证与审批阶段：验证不充分、独立性不足，风险被“盖章通过”。
上线部署阶段：代码与模型不一致、参数硬编码、数据管道错接。
运行监控阶段：数据漂移、概念漂移、性能衰减、稳定性下降。
退役下线阶段：残留依赖未清理、历史结果不可复现。

模型风险的本质是“模型输出与预期用途之间的偏离所可能造成的损失”。它既包括财务损失，也包括合规、声誉与决策失误。监控的意义，就是在偏离尚小的时候把它识别出来。

关键判断：模型风险不是“模型出错”这一瞬时事件，而是“偏离未被及时发现和纠正”的持续状态。因此监控与整改闭环，才是风险管理的真正主战场。

二、监控指标：从风险到可观测信号

监控指标是把抽象风险翻译成可计算、可告警、可追溯的信号。常用指标可分为四类：数据类、性能类、稳定性类、业务类。

指标类别	典型指标	观测对象	常见阈值策略
数据类	PSI、缺失率、均值漂移、分箱占比变化	入模变量分布	PSI > 0.1 关注，> 0.25 告警
性能类	KS、AUC、Gini、RMSE、MAE	模型区分度与精度	较基线下降超过 10% 告警
稳定性类	评分分布迁移、拒绝率、通过率波动	模型输出分布	连续 3 期同向偏移触发
业务类	逾期率、转化率、赔付率、审批时效	业务结果	与预期区间偏离即复核

指标设计要避免两个极端：一是指标过多导致告警疲劳，二是指标过少导致盲区。实践中常采用“核心指标 + 辅助指标”两层结构，核心指标直接对应风险容忍度，辅助指标用于定位原因。

# 监控指标配置示例（YAML）
metric: psi
target: feature_income
window: 30d
baseline: 2024-01
thresholds:
  warning: 0.10
  critical: 0.25
owner: risk_model_team
action: trigger_review

三、看板与闭环管理：从看见到解决

看板不是图表的堆砌，而是“风险状态的可视化契约”。一个好的模型监控看板应回答四个问题：当前是否异常、异常在哪个模型哪个指标、异常影响多大、谁在负责处理。因此看板通常包含总览层、模型层、指标层与整改层四个视图。

闭环管理则是把看板上的异常转化为可追踪的整改任务，形成“发现—分派—整改—验证—关闭”的循环。没有闭环的看板只是装饰；没有看板的闭环则缺乏触发依据。

四、案例与常见误区复盘

某消费金融公司在贷前评分卡上线后，看板显示 KS 连续两个月下降，但未触发告警，因为阈值设置为“单月下降超过 15%”。复盘发现：指标阈值与业务容忍度脱节，且看板只展示单模型视图，未做跨模型对比，导致问题被淹没。整改后引入“连续两期同向偏移”规则，并在总览层增加模型健康度排名。

常见误区一：把看板当成报表，只做展示不做分派。异常没有责任人，整改永远停留在“已知”。

常见误区二：阈值一刀切。不同模型、不同业务场景的风险容忍度不同，统一阈值会造成大量误报或漏报。

复盘要点：每次闭环关闭后，应回看三件事——阈值是否合理、指标是否足够敏感、整改是否真正消除了根因。闭环的价值不在于关闭任务，而在于让下一轮监控更准。

把以上概念串起来：生命周期告诉你风险在哪里，模型风险告诉你为什么要管，监控指标告诉你现在怎么样，看板告诉你谁该看什么，闭环管理告诉你接下来做什么。这五者构成后续所有实战操作的概念底座。