2. 风控基础概念：交易风控的核心指标与特征漂移

在构建实时交易风控巡检体系之前，必须统一团队对核心指标与关键风险概念的理解。本章将定义交易风控的三大核心指标（通过率、拒绝率、逾期率），并深入剖析特征漂移（Drift）的定义、成因与危害，为后续 SQL 监控与 PSI 计算奠定理论基础。

2.1 交易风控的核心指标

风控决策引擎对每一笔交易进行实时评分与规则判断后，会输出明确的决策结果。以下三个指标是衡量风控效果与业务健康度的基石：

2.2 特征漂移（Drift）的定义

特征漂移是指模型或规则所使用的输入特征，其统计分布随时间发生显著变化的现象。在交易风控场景中，用户行为、设备环境、交易模式等特征并非静止不变，漂移是常态而非异常。

漂移的三种主要类型：

• 数据漂移（Data Drift）： 特征本身的分布发生变化。例如：用户平均交易金额从 200 元升至 500 元，或交易时段从白天转向深夜。
• 概念漂移（Concept Drift）： 特征与目标变量之间的关系发生变化。例如：过去“深夜交易”是高风险信号，现在因促销活动变成正常行为。
• 上游漂移（Upstream Drift）： 数据采集或处理逻辑变更导致的分布变化。例如：埋点字段类型变更、缺失值填充策略调整。

2.3 特征漂移的危害

漂移的危害具有传导性和滞后性。初期仅表现为特征分布变化，若不干预，将逐级传导至风控决策与业务结果：

1. 风控策略失效： 基于旧分布训练的规则或模型，在新分布下 AUC 下降、KS 衰减，误判率上升。
2. 指标失真： 通过率与拒绝率无法反映真实风险水平，业务决策（如额度调整、营销投放）失去依据。
3. 逾期率滞后上升： 漂移发生后，通常需要 7~30 天才能在逾期率上体现，此时已造成实际资金损失。
4. 监管与合规风险： 在持牌金融场景中，风控模型失效可能导致违反《个人金融信息保护法》或《商业银行互联网贷款管理暂行办法》。

2.4 漂移监控的核心指标：PSI

群体稳定性指标（Population Stability Index，PSI）是量化特征漂移的行业标准方法。PSI 通过比较特征在两个时间窗口（基准窗口 vs 监控窗口）上的分布差异，输出一个无量纲分数：

• PSI < 0.1： 分布稳定，无需告警。
• 0.1 ≤ PSI < 0.25： 轻度漂移，需关注并排查原因。
• PSI ≥ 0.25： 严重漂移，必须立即告警并触发模型/策略重训。

PSI 的计算公式（分箱版本）：

PSI = Σ ( (实际占比_i - 预期占比_i) × ln(实际占比_i / 预期占比_i) )

其中：
- 预期占比_i：基准窗口第 i 个分箱的样本比例
- 实际占比_i：监控窗口第 i 个分箱的样本比例
- 分箱方式：等距分箱、等频分箱或业务自定义分箱

2.5 本章小结

交易风控的核心指标（通过率、拒绝率、逾期率）构成了巡检的“仪表盘”，而特征漂移是导致仪表盘读数失真的根本原因。PSI 作为量化漂移的标准化工具，将在后续章节中与 SQL 和 Spark 深度结合，形成可落地的实时监控方案。