1. 课程导论：量化回测坏账率哨兵告警的背景、目标与课程整体结构
1.1 为什么需要坏账率哨兵告警？
在信贷风控模型的量化回测中，坏账率是衡量模型区分能力与稳定性的核心指标。然而，传统回测流程往往存在以下痛点：
- 事后分析滞后：回测完成后才发现坏账率异常，错过模型调优窗口期。
- 阈值僵化：固定坏账率阈值无法适应不同客群、经济周期或产品迭代。
- 人工巡检成本高：依赖风控分析师逐日盯盘，效率低且易遗漏。
- 缺乏上下文关联：单一坏账率数字无法联动逾期率、回收率、通过率等关联指标。
因此，设计一套量化回测坏账率哨兵告警规则，能够实现：
| 维度 | 传统方式 | 哨兵告警方式 |
|---|---|---|
| 时效性 | 回测结束后人工分析 | 回测过程中实时监控 |
| 阈值设定 | 固定经验值 | 动态统计基线 + 波动容忍度 |
| 告警粒度 | 整体坏账率 | 分客群、分产品、分时间窗口 |
| 关联分析 | 孤立指标 | 多指标联动（坏账率+逾期率+回收率） |
| 响应方式 | 邮件通知 | 分级告警（通知/警告/阻断） |
核心目标：将坏账率监控从“事后复盘”升级为“事中哨兵”，在回测运行期间自动识别异常波动，触发分级告警，辅助风控决策。
1.2 哨兵告警系统的架构概览
本课程设计的哨兵告警系统采用分层架构，从数据接入到告警输出共分为四个核心层。下图展示了各层之间的数据流与依赖关系：
架构要点：各层之间通过标准化接口解耦，指标计算层支持自定义聚合窗口（如日、周、月），规则引擎层支持热加载规则配置，无需重启回测任务。
1.3 课程整体结构
本课程共分为 30 章，按照“基础概念 → 规则设计 → 系统实现 → 实战案例 → 运维优化”的路径递进。下表列出了各模块的核心内容：
| 模块 | 章节范围 | 核心内容 |
|---|---|---|
| 基础篇 | 第 1-5 章 | 坏账率定义、回测流程、哨兵告警概念、指标体系、数据准备 |
| 规则设计篇 | 第 6-15 章 | 统计基线计算、波动容忍度、分级阈值、关联规则、时间窗口策略 |
| 系统实现篇 | 第 16-22 章 | 架构设计、规则引擎实现、告警聚合、上下文增强、性能优化 |
| 实战案例篇 | 第 23-27 章 | 消费贷、车贷、信用卡、小微企业贷、供应链金融场景 |
| 运维优化篇 | 第 28-30 章 | 规则调优、误报抑制、监控大盘、持续迭代 |
1.4 课程目标与学习收益
完成本课程后，学员将具备以下能力：
- 设计能力：独立设计一套适用于量化回测场景的坏账率哨兵告警规则体系。
- 实现能力：基于规则引擎架构，编码实现告警规则的计算、匹配与输出。
- 调优能力：通过误报分析与阈值调优，持续提升告警准确率与召回率。
- 实战能力：在 5 种典型信贷场景中，快速部署并验证哨兵告警规则。
前置要求：学员需具备基础的 Python 编程能力，了解风控模型回测流程，熟悉基本的统计学概念（均值、标准差、百分位数）。本课程不涉及深度学习或复杂机器学习模型。