1. 课程导论：组合风险归因与 PSI 稳定性巡检的背景、重要性及课程目标
1.1 为什么需要组合风险归因与 PSI 稳定性巡检？
在量化风控与金融资产管理的实际业务中，模型或策略上线后并非一劳永逸。随着宏观经济环境变化、客群结构迁移、数据分布漂移，模型的表现会持续衰减。如果不能及时识别风险来源与稳定性变化，轻则导致策略失效，重则引发大规模信用损失或监管处罚。
本课程聚焦两大核心能力：组合风险归因（Portfolio Risk Attribution）与 PSI 稳定性巡检（Population Stability Index Monitoring）。前者解决“风险从哪里来”的问题，后者解决“模型是否还可靠”的问题。
业务痛点示例： 某消费金融平台在 2023 年 Q4 发现整体逾期率上升 30%，但无法快速定位是评分卡失效、客群准入变化、还是外部经济下行导致。缺乏组合风险归因与 PSI 巡检工具，团队花费 3 周人工排查，错过最佳策略调整窗口。
1.2 组合风险归因：拆解风险的“显微镜”
组合风险归因通过数学分解，将整体风险指标（如违约率、损失率、风险贡献）拆解到不同维度：
- 因子归因： 宏观因子（利率、GDP）、行业因子、区域因子对组合风险的贡献度。
- 资产归因： 单笔资产或资产池对组合风险的边际贡献。
- 策略归因： 不同风控策略（准入、额度、定价）对风险变化的贡献。
| 归因类型 | 核心问题 | 常用方法 | 输出指标 |
|---|---|---|---|
| 因子归因 | 外部环境变化如何影响组合风险？ | 宏观压力测试、因子模型 | 因子贡献度、因子暴露 |
| 资产归因 | 哪些资产或客群是风险主要来源？ | 边际风险贡献、夏普比率分解 | 成分 VaR、增量 VaR |
| 策略归因 | 风控策略调整带来了多少风险变化？ | 差分分解、Oaxaca-Blinder 分解 | 策略效应、结构效应 |
关键认知： 组合风险归因不是一次性的分析，而是需要嵌入到日常监控流程中。当风险指标出现异常波动时，归因工具能帮助分析师在 10 分钟内定位到具体因子或资产子集，而非盲目排查。
1.3 PSI 稳定性巡检：模型健康的“体温计”
PSI（Population Stability Index）是衡量模型评分分布或特征分布在不同时间窗口之间偏移程度的指标。当 PSI 超过阈值时，意味着模型赖以生存的数据分布已经发生显著变化，模型预测能力可能大幅下降。
PSI 稳定性巡检的核心价值在于：
- 早期预警： 在模型效果明显恶化之前（通常提前 1-3 个月）发出警报。
- 归因定位： 结合分箱贡献度，快速定位哪些分数段或特征区间发生了漂移。
- 决策支持： 为模型迭代、客群调整、策略优化提供量化依据。
| PSI 区间 | 稳定性等级 | 建议行动 |
|---|---|---|
| PSI < 0.1 | 稳定 | 无需干预，持续监控 |
| 0.1 ≤ PSI < 0.25 | 轻度漂移 | 深入分析漂移原因，准备备选方案 |
| PSI ≥ 0.25 | 显著漂移 | 立即触发模型评审，考虑模型重建或策略调整 |
常见误区： 很多团队只监控模型整体的 PSI，忽略了分特征、分客群的 PSI 巡检。整体 PSI 可能处于“轻度漂移”区间，但某个关键特征（如收入、负债率）的 PSI 已经超过 0.3，导致模型在该特征维度上完全失效。本课程将教授多维度 PSI 巡检方法。
1.4 课程目标与学习路径
通过本课程，你将掌握以下核心能力：
- 理解归因与巡检的理论基础： 风险分解原理、PSI 数学定义、统计检验方法。
- 掌握 Python 实现： 从零构建组合风险归因引擎与 PSI 自动化巡检脚本。
- 实战案例演练： 基于真实信贷数据完成归因分析报告与稳定性监控看板。
- 建立监控体系： 设计可落地的组合风险与模型稳定性巡检框架。
| 模块 | 核心内容 | 实战产出 |
|---|---|---|
| 模块 1：基础 | 风险归因数学原理、PSI 公式推导 | 归因与 PSI 计算函数库 |
| 模块 2：归因实战 | 因子归因、资产归因、策略归因代码实现 | 组合风险归因报告模板 |
| 模块 3：巡检实战 | PSI 多维度巡检、阈值设定、预警机制 | PSI 自动化巡检脚本 + 看板 |
| 模块 4：综合案例 | 端到端归因与巡检系统搭建 | 可复用的监控框架 |
学习建议： 本课程适合有一定 Python 基础和风控背景的学员。建议在学习过程中同步打开 Jupyter Notebook 运行代码示例，将理论与实操紧密结合。每章末尾的练习题将帮助你巩固核心概念。