1. 课程导论：量化回测坏账率哨兵 PSI 漂移告警课程概述

1.1 课程背景与核心痛点

在信贷风控与量化金融领域，模型上线后的稳定性监控是风控体系中最容易被忽视、却代价最高的环节。一个在离线回测中表现优异的坏账率预测模型，一旦部署到生产环境，由于客群结构变化、宏观经济波动或业务策略调整，其预测分布会逐渐偏移真实分布，导致坏账率预估失效、风险定价失真、甚至引发大规模逾期。

本课程聚焦于 PSI（Population Stability Index，群体稳定性指标） 在坏账率回测与实时监控中的工程化落地。我们将从量化回测的底层逻辑出发，构建一套名为“哨兵”的自动化漂移告警系统，帮助风控团队在模型失效前及时介入。

1.2 课程学习目标

完成本课程后，你将具备以下能力：

1.3 适用人群

本课程面向以下三类核心受众：

• 量化风控分析师/模型开发人员： 需要将离线模型监控线上化，降低坏账率预估偏差带来的业务损失。
• 风控系统架构师/数据工程师： 负责搭建实时监控管道，需要一套可复用的 PSI 计算与告警框架。
• 金融科技产品经理/策略运营： 希望理解模型漂移的业务含义，并参与告警阈值的业务规则制定。

1.4 课程知识体系总览

下图展示了本课程的核心知识模块及其依赖关系：

1.5 课程章节结构

本课程共分为 30 个章节，按以下逻辑递进：

1.6 课程特色与教学方式

• 代码驱动： 每章提供可运行的 Python 代码片段，从零构建哨兵系统。
• 真实数据： 使用脱敏的信贷坏账率数据集进行回测与验证。
• UI 原型： 使用 HTML + SVG 设计监控看板，不依赖第三方 BI 工具。
• 避坑指南： 每个关键环节附带常见错误与调试方法。