1. 课程导论：量化策略回测中的坏账率风险与哨兵监控体系概述
1.1 回测中的“幸存者偏差”与坏账率陷阱
量化策略在回测阶段往往表现优异，但上线后却可能遭遇坏账率飙升。核心原因在于：回测数据无法完全模拟未来客群分布的变化。当策略依赖的历史样本分布与实时客群发生偏移时，模型对坏账的预估能力会急剧下降。这种风险被称为“分布外泛化风险”，而群体稳定性指标（PSI，Population Stability Index）正是量化这种偏移的核心工具。
核心观点： 回测坏账率低 ≠ 未来坏账率低。PSI 哨兵机制通过监控特征分布偏移，提前预警策略失效风险，是连接回测与实盘的风险桥梁。
1.2 坏账率风险的三层来源
量化策略在回测中面临的坏账率风险可归纳为以下三层：
| 风险层级 | 风险来源 | 对坏账率的影响 |
|---|---|---|
| 第一层：特征偏移 | 客群收入、负债率、消费行为等特征分布随时间变化 | 模型评分失真，低分客群实际违约率升高 |
| 第二层：模型衰减 | 模型权重与决策边界不再适配当前数据 | 区分度下降，坏账识别能力减弱 |
| 第三层：策略失效 | 拒绝规则、额度定价策略与真实风险错配 | 误拒好客户或误放坏客户，坏账率双向恶化 |
1.3 哨兵监控体系：PSI 驱动的三层预警架构
为应对上述风险，本课程构建了一套“哨兵 PSI 监控体系”，将监控节点嵌入策略回测与上线后的全生命周期。体系包含三个核心层级：
- 特征层哨兵： 监控每个入模特征的 PSI，识别单个维度的分布漂移。
- 评分层哨兵： 监控模型输出评分的 PSI，评估整体风险排序的稳定性。
- 策略层哨兵： 监控策略决策（通过/拒绝/定额）的 PSI，量化业务规则的有效性衰减。
实践要点： 哨兵监控不是一次性动作，而是回测阶段就要嵌入的“压力测试”。在回测时模拟 PSI 漂移场景，可以提前定位策略的脆弱环节。
1.4 PSI 计算原理与阈值标准
PSI 通过衡量两个分布（预期分布 vs 实际分布）在各分箱上的差异来量化偏移程度。其计算公式为：
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 为回测样本在第 i 个分箱中的占比，实际占比_i 为监控样本在同一分箱中的占比。分箱通常按等频或等距方式划分（建议 10 箱）。
行业通用的 PSI 阈值标准如下：
| PSI 区间 | 稳定性等级 | 建议动作 |
|---|---|---|
| PSI < 0.10 | 稳定 | 无需干预，持续监控 |
| 0.10 ≤ PSI < 0.25 | 轻度偏移 | 需关注，排查特征或客群变化 |
| PSI ≥ 0.25 | 严重偏移 | 立即告警，触发策略重检或模型重建 |
注意： 阈值并非绝对。在坏账率敏感场景（如现金贷、高风险客群），建议将告警阈值收紧至 0.15；在低风险场景（如抵押贷），可适当放宽至 0.30。本课程后续章节将讲解如何根据业务风险偏好动态调整阈值。
1.5 从回测到实盘的哨兵部署流程
哨兵监控体系在策略全生命周期中的部署分为五个关键步骤：
- 步骤 1： 在回测阶段，使用历史数据计算每个特征和评分的“基准分布”。
- 步骤 2： 设定 PSI 阈值，并嵌入回测脚本，模拟不同漂移场景下的坏账率变化。
- 步骤 3： 策略上线后，按日/周/月频率计算实时分布与基准分布的 PSI。
- 步骤 4： 当 PSI 超过关注阈值时，自动触发特征重要性分析，定位漂移源。
- 步骤 5： 当 PSI 超过告警阈值时，生成策略失效报告，建议模型更新或规则调整。
1.6 本课程学习路径
本课程共 30 章，从 PSI 基础原理出发，逐步深入到哨兵体系的搭建、自动化监控、阈值调优与策略联动。以下是前 5 章的知识地图：
| 章节 | 核心内容 | 实践产出 |
|---|---|---|
| 第 1 章（本章） | 坏账率风险与哨兵监控体系概述 | 理解 PSI 监控的必要性与三层架构 |
| 第 2 章 | PSI 数学原理与 Python 实现 | 手写 PSI 计算函数 |
| 第 3 章 | 特征层哨兵：单变量分布监控 | 特征 PSI 看板搭建 |
| 第 4 章 | 评分层哨兵：模型输出稳定性监控 | 评分 PSI 趋势图 |
| 第 5 章 | 策略层哨兵：决策分布与坏账率联动 | 策略失效预警规则 |
课程目标： 学完本课程后，你将能够独立搭建一套从回测到实盘的 PSI 哨兵监控系统，在坏账率失控前提前预警，并指导策略迭代。