1. 课程导论：高频行情坏账率PSI漂移监控的背景、目标与课程大纲概览
1.1 为什么高频行情下坏账率监控如此重要？
在量化交易与智能风控领域，高频行情数据（Tick级/毫秒级）是模型实时决策的生命线。然而，市场微观结构的变化、交易规则的调整、参与者行为的迁移，都会导致模型输入分布发生偏移。这种偏移一旦传导至风控模型，最直接的后果就是坏账率（Bad Rate）的异常攀升。
传统的日频或周频监控存在严重的滞后性，无法捕捉秒级或分钟级的突变。当坏账率在短时间内从2%飙升至8%时，往往已经造成了不可挽回的损失。因此，建立一套基于群体稳定性指标（PSI, Population Stability Index）的高频漂移监控体系，成为量化风控团队的核心诉求。
核心痛点： 高频行情下的数据分布漂移具有“快、隐蔽、传染性强”的特点。快指突变在数秒内完成；隐蔽指均值未变但方差或偏度已变；传染性强指一个品种的漂移会通过相关性传染至整个组合。
1.2 课程目标：从监控到预警，从被动到主动
本课程旨在帮助学员掌握一套完整的、可落地的高频行情坏账率PSI漂移监控实操方法。通过本课程的学习，你将能够：
- 理解PSI的本质： 掌握PSI的计算原理、分箱策略及其在坏账率监控中的适用边界。
- 构建高频监控流水线： 使用Python与SQL搭建从行情接入、特征计算、PSI实时计算到预警推送的完整链路。
- 识别漂移类型： 区分均值漂移、方差漂移、尾部漂移，并针对不同类型制定差异化的处置策略。
- 设计预警阈值： 基于统计分布与业务容忍度，设定合理的PSI阈值，避免“狼来了”式的无效告警。
- 实现归因分析： 当PSI触发预警时，快速定位是哪个特征、哪个分箱、哪个品种导致了漂移。
| 监控维度 | 传统日频监控 | 高频PSI监控（本课程） |
|---|---|---|
| 计算粒度 | 日/周 | 分钟/秒 |
| 响应速度 | T+1 | 实时/准实时 |
| 漂移检测能力 | 滞后，易漏报 | 灵敏，可捕捉突变 |
| 数据量级 | GB级 | TB级（需流式计算） |
| 归因难度 | 高（需离线回溯） | 低（在线归因） |
1.3 课程大纲概览：从理论到实战的30章旅程
本课程共分为六大模块，共计30个章节，层层递进，覆盖从基础理论到生产级部署的全流程。
- 基础篇（第1-5章）： 概念澄清、PSI数学原理、高频行情数据特征、坏账率定义与计算口径。
- 工程篇（第6-12章）： Python环境搭建、SQL流式计算框架、实时特征工程、PSI计算引擎开发。
- 监控篇（第13-18章）： 阈值设定方法论、多品种并行监控、漂移类型识别、预警消息队列集成。
- 归因篇（第19-23章）： 特征级归因、分箱级归因、时序回溯、根因定位算法。
- 实战篇（第24-28章）： 模拟行情回测、A/B测试框架、生产环境部署、性能调优。
- 进阶篇（第29-30章）： 多模型联合监控、自适应阈值、未来趋势展望。
1.4 高频行情坏账率PSI漂移监控的核心流程
在进入具体章节之前，我们先从宏观上理解整个监控系统的数据流转与处理逻辑。下图展示了从原始行情到最终归因决策的完整链路。
1.5 你需要具备的前置知识
本课程定位为“实操指南”，但并非零基础入门。为了获得最佳学习效果，建议学员具备以下基础：
- Python基础： 熟悉Pandas、NumPy、Matplotlib等常用库。
- SQL基础： 能够编写窗口函数、聚合查询、子查询。
- 统计学基础： 了解概率分布、假设检验、分位数等概念。
- 风控基础： 了解坏账率、逾期率、通过率等基本风控指标。
学习建议： 每章都配有完整的代码示例与模拟数据集。建议在学习过程中“边看边练”，在本地或云环境中运行代码，观察PSI值的变化，加深对漂移现象的理解。