2. 回测系统概述：回测的目的、回测与实时监控的区别、回测数据源要求

回测系统是坏账率哨兵告警体系的核心验证环节。在将告警规则与阈值部署到生产环境之前，必须通过历史数据模拟运行，验证规则的有效性与稳定性。本章从回测的根本目的出发，厘清其与实时监控的本质差异，并明确回测数据源必须满足的硬性要求。

2.1 回测的核心目的

回测并非简单的“跑一遍历史数据”，而是为了回答以下三个关键问题：

• 规则有效性验证： 告警规则能否在坏账率恶化前准确触发？是否存在大量误报或漏报？
• 阈值合理性校准： 当前设定的阈值（如坏账率环比上升 20%）是否能在“足够早”与“不过于敏感”之间取得平衡？
• 策略稳定性评估： 规则在不同市场周期、不同客群结构下是否表现一致？是否存在过拟合风险？

2.2 回测与实时监控的区别

许多团队将回测视为“离线版的实时监控”，这是一个常见误区。两者在目标、数据流向、时效性要求上存在本质差异。下表从 6 个关键维度进行对比：

2.3 回测数据源要求

回测结果的可靠性，高度依赖数据源的质量。低质量数据会导致“垃圾进、垃圾出”（Garbage In, Garbage Out）的后果。以下是回测数据源必须满足的 5 项硬性要求：

1. 时间跨度充足： 至少覆盖 1 个完整业务周期（通常 12-24 个月），包含旺季、淡季、政策调整期等不同阶段。
2. 字段完整性： 必须包含与告警规则相关的所有关键字段，如放款金额、逾期天数、还款记录、客群标签等。
3. 数据一致性： 历史数据与当前生产数据在口径、计算逻辑上保持一致，避免因字段定义变更导致回测失真。
4. 标签可追溯： 每笔资产在回测窗口内的最终状态（正常、逾期、核销）必须可追溯，支持多版本标签对比。
5. 无未来信息泄露： 回测时只能使用“截至回测时间点”已知的信息，严禁使用未来数据（如使用 T+30 的还款结果来预测 T 日的坏账率）。

2.4 回测数据准备示例

以下是一个简化的回测数据准备流程，使用 Python 伪代码展示如何避免未来信息泄露：

import pandas as pd
from datetime import datetime, timedelta

def prepare_backtest_data(raw_data, backtest_date):
    """
    准备回测数据：只保留 backtest_date 之前已知的信息。
    
    Parameters:
    - raw_data: DataFrame，包含每笔资产的放款日期、逾期记录、最终状态
    - backtest_date: datetime，回测截止日期
    
    Returns:
    - DataFrame，仅包含 backtest_date 前已知的状态
    """
    # 只保留放款日期在 backtest_date 之前的资产
    df = raw_data[raw_data['loan_date'] <= backtest_date].copy()
    
    # 对于逾期记录，只保留逾期发生日期在 backtest_date 之前的记录
    df['known_overdue'] = df.apply(
        lambda row: row['overdue_days'] if row['overdue_date'] <= backtest_date else 0,
        axis=1
    )
    
    # 最终状态：如果核销日期在 backtest_date 之后，则视为“未知”
    df['known_status'] = df.apply(
        lambda row: row['final_status'] if row['write_off_date'] <= backtest_date else 'pending',
        axis=1
    )
    
    return df

# 示例调用
backtest_data = prepare_backtest_data(
    raw_data=pd.read_parquet('loan_data.parquet'),
    backtest_date=datetime(2023, 6, 30)
)