3. 坏账率定义与计算：坏账率公式、滚动坏账率、即时坏账率

坏账率是量化风控中最核心的损失指标之一。在高频行情场景下，由于交易频率高、持仓周期短、杠杆倍数大，传统月度/季度坏账率无法及时反映风险变化。本章从基础公式出发，逐步引入滚动坏账率与即时坏账率，帮助你在高频环境中建立实时风险哨兵。

3.1 坏账率基础公式

坏账率（Bad Debt Rate, BDR）定义为：在给定时间窗口内，确认无法收回的损失金额占该窗口内应回收总额的比例。

# 基础坏账率计算示例
def basic_bad_debt_rate(loss_amount, total_receivable):
    """
    loss_amount: 坏账损失金额
    total_receivable: 应回收总额
    """
    if total_receivable == 0:
        return 0.0
    return round(loss_amount / total_receivable * 100, 4)

# 示例：某月坏账损失 50 万，应回收总额 5000 万
print(basic_bad_debt_rate(500000, 50000000))  # 输出: 1.0

3.2 滚动坏账率（Rolling Bad Debt Rate）

滚动坏账率通过固定时间窗口（如30天、7天）不断向前滑动计算，解决静态指标滞后性问题。每个计算周期只取最近N天的数据，窗口每过一天就向前滚动一次。

# 滚动坏账率计算（7天窗口）
def rolling_bad_debt_rate(loss_series, receivable_series, window=7):
    """
    loss_series: 每日坏账损失列表
    receivable_series: 每日应回收总额列表
    window: 滚动窗口天数
    """
    rolling_rates = []
    for i in range(len(loss_series)):
        start = max(0, i - window + 1)
        window_loss = sum(loss_series[start:i+1])
        window_recv = sum(receivable_series[start:i+1])
        rate = window_loss / window_recv * 100 if window_recv > 0 else 0.0
        rolling_rates.append(round(rate, 4))
    return rolling_rates

# 示例：最近7天损失[2,3,1,4,2,3,5]万，应回收[200,210,190,220,205,215,230]万
losses = [2,3,1,4,2,3,5]
recvs  = [200,210,190,220,205,215,230]
rates = rolling_bad_debt_rate(losses, recvs, window=7)
print(rates[-1])  # 输出最后一个滚动值

3.3 即时坏账率（Instant Bad Debt Rate）

即时坏账率是滚动坏账率的极端加速版本，专为高频行情设计。它使用当前持仓的未实现损失替代历史核销损失，实时反映如果立即平仓可能产生的坏账比例。

# 即时坏账率计算
def instant_bad_debt_rate(current_positions, market_prices, threshold_ratio=0.8):
    """
    current_positions: 当前持仓列表，每项为 { 'cost': 成本价, 'quantity': 数量 }
    market_prices: 当前市场价字典 { 'symbol': price }
    threshold_ratio: 坏账认定阈值（亏损超过成本价的80%视为坏账）
    """
    instant_loss = 0.0
    total_exposure = 0.0

    for pos in current_positions:
        symbol = pos['symbol']
        cost = pos['cost']
        qty = pos['quantity']
        price = market_prices.get(symbol, cost)

        exposure = cost * qty
        total_exposure += exposure

        # 未实现亏损比例
        loss_ratio = (cost - price) / cost
        if loss_ratio >= threshold_ratio:
            instant_loss += (cost - price) * qty

    if total_exposure == 0:
        return 0.0
    return round(instant_loss / total_exposure * 100, 4)

# 示例：持仓3个品种，当前市价大幅下跌
positions = [
    {'symbol': 'BTC', 'cost': 50000, 'quantity': 2},
    {'symbol': 'ETH', 'cost': 3000,  'quantity': 10},
    {'symbol': 'SOL', 'cost': 150,   'quantity': 100}
]
prices = {'BTC': 48000, 'ETH': 2500, 'SOL': 30}
print(instant_bad_debt_rate(positions, prices, threshold_ratio=0.8))
# SOL亏损80%，触发坏账认定

3.4 高频场景下的选择策略

• 基础坏账率：用于月度/季度监管报告和财务核算，不参与实时风控决策。
• 滚动坏账率：用于每日风控晨会、周报分析，适合T+1结算的常规高频交易。
• 即时坏账率：用于实时哨兵预警、自动平仓触发，适合做市商、日内高频、杠杆交易。