1. 课程导论：Tick数据坏账率哨兵模型的定义、核心目标与回放验证的整体价值

1.1 什么是Tick数据坏账率哨兵模型？

在金融风控领域，Tick数据坏账率哨兵模型是一种基于高频逐笔成交数据（Tick级）构建的实时风险监控模型。它通过捕捉市场微观结构中的异常信号，在极短时间内（通常为毫秒至秒级）对交易对手的违约概率或资产坏账率进行动态预警。

该模型的核心特征可归纳为以下三点：

• 高频输入：直接使用交易所逐笔成交的Tick数据（包含价格、成交量、买卖方向、时间戳等字段），而非传统的日频或分钟频数据。
• 哨兵机制：模型以“哨兵”形式持续运行，不依赖人工干预，自动识别坏账率突增的早期信号。
• 坏账率预测：输出为实时坏账率估计值或风险等级，用于触发风控动作（如限制交易、追加保证金、暂停授信）。

1.2 核心目标：从“事后统计”到“事前预警”

哨兵模型的设计目标并非取代传统的信用评分或坏账统计，而是填补高频交易场景下的实时风控空白。其核心目标包括：

1. 实时性：在Tick数据到达后的100毫秒内完成坏账率估算，支持自动化风控决策。
2. 敏感性：捕捉市场微观结构中的异常波动（如大单砸盘、流动性枯竭、买卖价差急剧扩大），这些往往是坏账率飙升的前兆。
3. 鲁棒性：在数据缺失、网络延迟、极端行情等条件下仍能稳定输出风险信号，避免误报或漏报。
4. 可解释性：输出结果需附带关键特征贡献度，便于风控人员追溯预警原因。

1.3 回放验证的整体价值

回放验证（Backtesting with Tick Data）是哨兵模型上线前最关键的验证环节。它使用历史Tick数据“重放”市场行情，模拟模型在真实交易环境中的表现。其价值体现在以下四个维度：

1.4 哨兵模型回放验证整体架构

下图展示了哨兵模型回放验证的核心流程与组件关系：

1.5 本课程的学习路径

本课程将围绕哨兵模型回放验证的完整生命周期展开，涵盖以下核心模块：

• 数据准备：Tick数据的采集、清洗、存储与特征工程。
• 模型构建：哨兵模型的核心算法与阈值设定策略。
• 回放引擎：高性能回放系统的设计与实现。
• 验证指标：准确率、召回率、延迟、鲁棒性等关键指标的计算与解读。
• 实战案例：基于真实Tick数据的完整回放验证流程演示。