1. 课程导论：量化策略风控全景、坏账率与PSI的核心地位、课程目标与学习路径
1.1 量化策略风控全景：从数据到决策的闭环
在消费金融与信贷业务中，量化风控策略是一套基于数据、模型与规则，自动化决策是否授信、授信额度与利率的引擎。其核心目标是在控制坏账风险的前提下，最大化业务收益与通过率。
一个完整的量化风控策略体系通常包含以下核心模块：
- 数据层： 征信报告、多头借贷、设备指纹、行为埋点、第三方评分等。
- 策略层： 准入规则、反欺诈规则、评分卡（A卡/B卡/C卡）、额度模型、利率模型。
- 决策层： 决策引擎（如Drools、FICO Blaze Advisor）执行规则与模型，输出决策结果。
- 监控层： 实时监控策略表现，包括通过率、拒绝率、坏账率、PSI（群体稳定性指标）等。
- 迭代层： 基于监控反馈，定期优化规则与模型，形成闭环。
核心观点： 量化风控不是一次性的模型开发，而是一个“开发 → 部署 → 监控 → 迭代”的持续工程。坏账率与PSI是衡量策略是否“跑偏”的两个最关键的量化指标。
1.2 坏账率与PSI的核心地位
在众多监控指标中，坏账率与群体稳定性指标（PSI）是衡量策略健康度的“双引擎”。
| 指标 | 定义 | 核心作用 | 监控频率 |
|---|---|---|---|
| 坏账率 | 逾期超过一定天数（如M3+）的贷款金额占总放款金额的比例 | 直接反映策略的最终损失水平，是业务盈利能力的底线 | 月度 / 季度 |
| PSI | 衡量模型评分或关键特征在时间维度上的分布偏移程度 | 提前预警策略是否因客群变化、数据源失效等原因“漂移” | 周度 / 月度 |
实战经验： 坏账率是“滞后指标”，通常需要3-6个月才能完全暴露；PSI是“先行指标”，能在几周内捕捉到客群结构的变化。两者结合使用，才能做到“既看结果，又看过程”。
1.3 课程目标与学习路径
本课程旨在帮助学员掌握量化策略回测与监控的完整实战技能，从理论到代码，从单指标分析到多维度监控体系搭建。
课程目标
- 理解核心概念： 坏账率计算口径、PSI公式推导、Vintage分析、滚动率分析。
- 掌握回测方法： 使用Python对历史策略进行坏账率回测，评估策略表现。
- 实现PSI监控： 自动化计算PSI，设置预警阈值，生成监控报告。
- 搭建监控看板： 结合SQL与Python，构建实时风控监控仪表盘。
学习路径（分阶段）
- 基础篇（第1-5章）： 量化风控全景、坏账率与PSI理论、Python环境搭建、数据预处理。
- 回测篇（第6-15章）： 坏账率回测框架、Vintage曲线绘制、滚动率矩阵、策略对比分析。
- 监控篇（第16-25章）： PSI计算与可视化、特征漂移检测、预警机制、自动化报告。
- 实战篇（第26-30章）： 综合案例：从回测到监控的完整Pipeline、策略迭代建议、总结与展望。