1. 课程导论：坏账率哨兵模型的定义、回放验证的重要性、Tick 数据在风控中的角色

1.1 坏账率哨兵模型：定义与核心使命

在量化金融风控体系中，坏账率哨兵模型是一种专门用于实时监测与预警资产组合信用质量恶化的统计模型。它并非传统的信用评分卡，而是一个“站在高处放哨”的监控器，持续扫描高频交易数据，在坏账率出现异常抬升的早期阶段发出警报。

1.2 回放验证：为什么是哨兵模型的“试金石”？

回放验证（Backtesting with Tick Data Replay）是指将历史 Tick 数据按时间顺序“重新播放”给哨兵模型，模拟其在真实市场环境中的运行表现。其重要性体现在以下三个层面：

1. 避免过拟合：静态回测容易“看到未来”，而 Tick 级回放严格遵循时间顺序，杜绝信息泄露。
2. 检验实时性：哨兵模型必须在毫秒级做出判断，回放验证能暴露延迟、计算瓶颈等工程问题。
3. 评估鲁棒性：通过回放不同市场状态（正常、高波动、危机），验证模型是否误报或漏报。

1.3 Tick 数据在风控中的角色：从“噪音”到“信号”

Tick 数据是逐笔成交或逐笔报价的原始记录，包含时间戳、价格、成交量、买卖方向等字段。在传统风控中，Tick 数据常被视为高频噪音；但在哨兵模型中，它承载着关键的微观结构信息：

• 流动性突变：Tick 级买卖价差突然扩大，往往是坏账率上升的前兆。
• 成交密度异常：单位时间内成交笔数骤降或骤升，反映市场恐慌或流动性枯竭。
• 价格微观模式：连续 Tick 价格的自相关结构变化，可提前捕捉信用事件。

1.4 三者关系：哨兵模型、回放验证与 Tick 数据的协同

哨兵模型、回放验证与 Tick 数据构成了一个闭环的实时风控体系。下表总结了它们之间的协同关系：

1.5 本教程的学习路径

本教程将按照以下结构逐步深入：

1. 数据准备：Tick 数据的采集、清洗与存储。
2. 特征工程：从 Tick 数据中提取微观结构特征。
3. 模型构建：设计坏账率哨兵模型的核心算法。
4. 回放验证：搭建回放引擎，执行严格的时序验证。
5. 部署与监控：将模型部署到生产环境，并持续监控。