4. 回退策略的触发条件：阈值设定、时间窗口、异常检测信号、人工干预标志

回退策略的触发条件是整个批次偏移防御体系的第一道防线。触发条件设计不当，会导致两种极端后果：触发过于敏感（频繁回退，业务吞吐量骤降）或触发过于迟钝（偏移已造成实际损失才被动响应）。一个健壮的触发机制需要同时考虑四个维度：阈值设定、时间窗口、异常检测信号和人工干预标志。

4.1 阈值设定：静态阈值与动态阈值的组合策略

阈值是回退触发最直观的条件。根据业务稳定性和数据分布特征，阈值可分为静态阈值和动态阈值两类，实际生产环境通常采用双阈值嵌套结构。

4.2 时间窗口：滑动窗口与固定窗口的选型

时间窗口决定了“在多长时间内观察指标变化”。窗口太短容易受噪声干扰，窗口太长则延迟发现偏移。常见的窗口策略有三种：

• 固定日历窗口：按自然日/周/月统计。适合监管报送、定期复盘场景。缺点：月初月末效应明显，窗口边界处容易产生跳跃。
• 滑动时间窗口：以当前时刻为终点，向前取固定长度（如过去7天、24小时）。实时性高，适合在线监控。常用窗口长度：1小时、6小时、24小时、7天。
• 事件驱动窗口：以特定事件（如模型上线、策略调整）为起点，统计事件后的累积偏移量。适合A/B测试、灰度发布期间的监控。

4.3 异常检测信号：统计方法与机器学习方法的融合

异常检测信号是阈值触发之外的“第二只眼”，用于捕捉阈值无法覆盖的复杂偏移模式。现代风控系统通常采用统计方法 + 轻量级模型的混合架构。

4.3.1 统计异常检测信号

• Z-Score / Modified Z-Score：计算当前指标与历史均值的偏离标准差。适用于正态分布或近似正态分布的指标（如通过率、平均授信额度）。
• 百分位数偏移：监控指标是否超出历史 P5~P95 区间。适用于分布未知或偏态分布（如件均逾期天数）。
• CUSUM（累积和）：累积微小偏移，适合检测持续性的缓慢漂移。对突发性尖峰不敏感，但对趋势性变化非常有效。
• EWMA（指数加权移动平均）：给近期数据更高权重，快速响应近期变化。适合高频交易或实时授信场景。

4.3.2 机器学习异常检测信号

• 孤立森林（Isolation Forest）：无监督方法，适合高维特征空间的异常样本检测。可用于检测“特征分布整体偏移”。
• 自动编码器重构误差：训练正常数据分布，当批次数据重构误差增大时触发告警。适合复杂非线性关系的偏移检测。
• PSI（群体稳定性指标）：衡量两个时间段内特征分布差异的标准化指标。PSI > 0.25 通常视为需要回退的强信号。

4.4 人工干预标志：兜底机制与权限分级

人工干预标志是回退触发条件中的“最高优先级信号”。当自动监控系统因数据缺失、模型失效或极端市场事件而无法正常工作时，人工干预标志可以绕过所有自动逻辑，直接触发或阻止回退。

4.4.1 人工干预标志的类型

• 强制回退标志：风控委员会或首席风险官确认风险事件后，手动置位。系统收到该标志后立即执行回退，不受任何阈值或时间窗口限制。
• 强制不回退标志：当自动系统误报时，授权人员可临时抑制回退。需设置有效期（如24小时），过期自动失效。
• 观察期标志：标记某个批次或策略进入“观察模式”，只告警不执行自动回退，等待人工确认后再决策。

4.4.2 人工干预的权限分级

4.5 触发条件的综合决策矩阵

在实际生产环境中，四个触发条件并非独立工作，而是通过决策矩阵组合判断。以下矩阵展示了不同信号组合下的推荐动作：