1. 课程导论：什么是滚动率模型
1.1 滚动率模型的定义
滚动率模型（Roll Rate Model）是风险计量领域的一种经典方法，用于刻画信贷资产在不同逾期状态之间的迁移概率。其核心思想是：观察一个资产池在连续两个观察周期内，从当前逾期天数区间“滚动”到下一个逾期天数区间的比例。
在实时风险拦截场景中，滚动率模型不再局限于传统的月度或季度观察，而是以秒级/分钟级的交易窗口为单位，动态评估每一笔请求的短期违约倾向。
核心公式：
其中 i、j 为逾期天数区间（如 0d、1-3d、4-7d、8-15d、16-30d、30d+）。
RollRate(i → j) = Count(资产在 t 时刻处于状态 i，且在 t+1 时刻处于状态 j) / Count(资产在 t 时刻处于状态 i)其中 i、j 为逾期天数区间（如 0d、1-3d、4-7d、8-15d、16-30d、30d+）。
1.2 滚动率模型在实时风险拦截中的核心价值
实时风险拦截要求系统在100-300毫秒内对用户请求做出“通过/拒绝/人工审核”的决策。滚动率模型在此场景下提供三大核心价值：
| 价值维度 | 传统模型局限 | 滚动率模型优势 |
|---|---|---|
| 时效性 | 依赖月度/季度更新，滞后严重 | 支持滑动窗口实时计算，分钟级更新迁移矩阵 |
| 可解释性 | 黑盒评分卡，难以定位风险来源 | 状态迁移路径清晰，可追溯“从正常到逾期”的每一步 |
| 动态适应性 | 模型固化后难以应对突发风险 | 可实时感知迁移率突变，自动触发拦截阈值调整 |
实战经验：在头部消费金融平台的实际部署中，滚动率模型将实时拦截的误杀率降低了约 35%，同时将早期逾期资产的识别窗口提前了 2-3 天。
1.3 课程目标
通过本课程，学员将掌握以下核心能力：
- 建模能力：独立构建适用于实时场景的滚动率模型，包括状态定义、迁移矩阵计算、平滑处理与校准。
- 工程落地能力：在 Flink/Spark Streaming 等实时计算框架上部署滚动率模型，实现毫秒级推理。
- 策略调优能力：基于滚动率指标设计动态拦截阈值，平衡通过率与坏账率。
- 监控与迭代能力：建立滚动率监控看板，自动识别迁移率异常漂移并触发模型重训。
1.4 适用人群
| 角色 | 前置知识要求 | 本课程主要收益 |
|---|---|---|
| 风控算法工程师 | 熟悉逻辑回归、决策树、评分卡 | 掌握时序迁移建模方法，提升实时模型可解释性 |
| 风控策略分析师 | 了解逾期定义、贷后管理流程 | 学会用滚动率指标设计拦截规则，量化策略效果 |
| 大数据/实时计算工程师 | 熟悉 Flink/Kafka/Redis | 掌握滚动率模型的实时计算架构设计与性能优化 |
| 风控产品经理 | 了解风控系统基本流程 | 理解滚动率模型的产品化思路与业务价值 |
重要提示：本课程不涉及基础 Python/Spark 语法教学。学员需具备至少一种编程语言（Python/Java/Scala）的基本读写能力，并了解 SQL 窗口函数的基本用法。