1. 课程导论：组合风险归因与 PSI 监控的背景、目标与整体课程大纲

1.1 为什么需要组合风险归因与 PSI 监控？

在量化风控与金融科技领域，风险模型的生命周期管理正面临三大核心挑战：

• 模型失效风险：市场环境、客群行为、数据分布随时间漂移，导致模型预测能力衰减。
• 组合归因盲区：多资产、多策略、多因子的组合风险无法通过单一模型指标衡量，需要分层拆解。
• 监控实时性不足：传统离线报表无法满足高频交易或实时授信场景下的风险预警需求。

本课程聚焦于 Spark 大数据引擎 如何解决上述问题，通过组合风险归因与 PSI（Population Stability Index，群体稳定性指标）监控，构建可扩展、可解释、可预警的风险模型监控体系。

1.2 课程目标

完成本课程后，学员将具备以下能力：

1. 理解组合风险归因理论：掌握因子贡献度、边际风险、成分风险等核心概念。
2. 掌握 PSI 计算与解读：从分箱逻辑到分布差异度量，能独立计算并诊断模型稳定性。
3. 构建 Spark 监控流水线：使用 DataFrame API、窗口函数、UDF 实现大规模 PSI 批量计算。
4. 设计归因监控看板：结合 Spark + 可视化工具，输出可交互的风险归因报告。
5. 落地生产级监控策略：包括阈值设定、告警规则、回滚机制与模型迭代流程。

1.3 课程大纲总览

1.4 组合风险归因与 PSI 监控整体架构

下图展示了本课程所构建的监控体系核心架构，从数据源到归因计算再到告警输出，全部基于 Spark 实现。

1.5 课程特色与学习路径

课程特色包括：

• 全 Spark 原生实现：不依赖第三方 ML 库，所有归因与 PSI 计算均使用 Spark SQL 与 DataFrame API。
• 生产级代码规范：提供完整的 Spark 作业模板、配置管理、单元测试与 CI/CD 集成示例。
• 真实金融场景案例：基于信贷评分卡、基金组合、量化策略等实际业务数据展开。
• 可交互监控看板：结合 Spark + 轻量级可视化工具，输出可部署的监控页面。

1.6 预备知识要求

1.7 本章小结