1. 课程导论与因子计算概述

1.1 什么是实时因子计算

实时因子计算是指对持续流入的数据流，在毫秒/秒级延迟内完成特征提取、指标聚合与模型打分，并输出可用于决策的结构化数值或标签的过程。与离线批处理不同，实时因子计算要求数据“来一条算一条”或“来一个窗口算一次”，结果立即生效。

实时因子计算在技术栈上通常依赖流计算引擎（如 Flink）、消息队列（Kafka/Pulsar）、在线特征存储（Redis/HBase）以及规则引擎或模型推理服务。因子本身是业务可解释的数值化指标，例如“用户过去 5 分钟登录失败次数”、“当前持仓相对于 20 日均线的偏离度”、“商品详情页最近 10 秒的点击率”。

1.2 因子计算在风控 / 推荐 / 量化交易中的应用场景

1.2.1 风控场景

• 实时反欺诈： 计算“同一设备 1 分钟内关联的账号数”、“IP 地址在 5 秒内的注册请求频次”，触发规则拦截。
• 信用评分： 基于用户实时交易流水，计算“近 30 天逾期次数”、“近 1 小时大额交易占比”等因子，动态调整授信额度。
• 交易监控： 对每笔支付请求，实时计算“商户历史拒付率”、“用户当前地理位置与常用地距离”，输出风险等级。

1.2.2 推荐场景

• 实时兴趣画像： 统计“用户最近 10 分钟点击的商品类目分布”、“当前 Session 内加购但未支付的商品 ID 列表”，用于召回排序。
• 热门榜单： 基于滑动窗口计算“商品最近 5 分钟的曝光点击率”、“直播间实时在线人数”，动态更新推荐列表。
• 冷启动： 对新用户，利用“当前设备型号”、“首次打开时间”、“初始浏览行为”等因子，快速生成试探性推荐。

1.2.3 量化交易场景

• 技术指标： 实时计算“5 分钟 K 线的移动平均线（MA）”、“相对强弱指数（RSI）”、“布林带上下轨”，辅助策略决策。
• 订单簿因子： 基于逐笔成交和挂单数据，计算“买卖盘口深度差”、“最近 1 秒的成交量加权价格（VWAP）”。
• 风险监控： 计算“投资组合的实时波动率”、“单一标的持仓占比”、“杠杆倍数”，触发风控强平或减仓。

1.3 课程目标与前置知识要求

课程目标

1. 掌握实时因子计算的核心概念、架构模式与设计原则。
2. 熟练使用 Flink DataStream API 和 Table API 实现常见因子（计数、聚合、比率、排序、Session 识别）。
3. 理解 Flink 状态管理、时间语义、容错机制在因子计算中的最佳实践。
4. 能够独立搭建一套生产级的实时因子计算服务，包含数据接入、因子编排、结果输出与监控告警。
5. 具备将离线因子迁移为实时因子的工程能力，并处理乱序、迟到数据等真实挑战。

前置知识要求