3、坏账率定义：Tick级场景下的定义、计算口径与日频区别
在Tick级高频风控场景中，坏账率的定义与计算口径必须从“日频汇总”下沉到“瞬时快照”与“累积窗口”两个维度。传统日频坏账率以自然日为统计窗口，掩盖了日内极端波动与流动性枯竭的瞬时风险；而Tick级坏账率要求以每笔Tick数据为最小观测单元，实时刻画资产质量恶化过程。
3.1 核心定义：Tick级坏账率
Tick级坏账率是指在单个Tick时间戳下，当前持仓或敞口中被判定为“坏账”的资产价值占总敞口价值的比例。其核心特征包括：
- 瞬时性：每个Tick独立计算，不依赖历史窗口平滑；
- 事件驱动：仅当Tick数据到达时触发计算，无Tick则不更新；
- 微观口径：坏账判定标准基于Tick级价格、成交量、买卖盘深度等微观指标。
关键原则： Tick级坏账率不是日频坏账率的“高频采样”，而是重新定义了坏账的触发条件——当Tick价格跌破特定阈值、或买卖价差超过流动性容忍度、或连续Tick无成交时，即可瞬时标记为坏账。
3.2 计算口径：瞬时坏账 vs 累积坏账
根据风控目标不同，Tick级坏账率分为两种计算口径：
| 口径类型 | 定义 | 计算公式 | 适用场景 |
|---|---|---|---|
| 瞬时坏账率 | 单个Tick时刻，当前持仓中已被标记为坏账的资产占比 | InstantBadRate(t) = BadValue(t) / TotalExposure(t) |
实时止损、闪电崩盘监测、流动性枯竭预警 |
| 累积坏账率 | 从当日开盘或指定起始Tick至当前Tick，累计坏账总价值与累计总敞口的比值 | CumBadRate(t) = ΣBadValue(i) / ΣTotalExposure(i)，i从起始Tick到当前Tick |
日内风控考核、策略回测评估、坏账趋势分析 |
实践建议： 哨兵模型通常同时监控两种口径——瞬时坏账率用于触发熔断或人工干预，累积坏账率用于评估模型全天表现。两者结合可避免“瞬时误报”与“累积滞后”的单一缺陷。
3.3 与日频坏账率的区别
日频坏账率以“日”为最小时间粒度，Tick级坏账率以“Tick”为最小粒度。两者在统计窗口、计算逻辑、风险敏感度上存在本质差异：
| 对比维度 | 日频坏账率 | Tick级瞬时坏账率 | Tick级累积坏账率 |
|---|---|---|---|
| 时间粒度 | 1天（固定窗口） | 单个Tick（事件驱动） | 从起始Tick到当前Tick（滑动累积） |
| 坏账判定依据 | 日终收盘价、日终持仓、日终财务指标 | Tick价格、Tick成交量、Tick买卖盘深度 | 同瞬时，但累积历史判定结果 |
| 风险敏感度 | 低（日内波动被平滑） | 极高（捕捉每个Tick的突变） | 中高（累积效应放大趋势） |
| 计算频率 | 每日1次 | 每Tick1次（可能数千次/日） | 每Tick1次（需维护累积状态） |
| 数据存储量 | 低（1条/日/资产） | 高（每条Tick均需记录） | 高（需存储累积中间变量） |
| 典型应用 | 月度/季度风控报告、监管报送 | 实时熔断、闪电崩盘预警 | 日内策略归因、坏账趋势分析 |
常见误区： 不要将日频坏账率简单除以交易日Tick数来“模拟”Tick级坏账率。日频坏账率基于日终静态快照，而Tick级坏账率基于日内动态事件，两者统计口径完全不同。直接降频会导致风险严重低估。
3.4 计算口径对比流程图
下图展示了瞬时坏账率与累积坏账率在Tick时间轴上的计算逻辑差异：
3.5 坏账判定逻辑架构
下图展示了Tick级坏账率从原始Tick数据到最终坏账率输出的完整判定链路：
3.6 代码示例：Tick级坏账率计算核心逻辑
以下Python代码展示了瞬时坏账率与累积坏账率在Tick流处理中的核心计算逻辑：
class TickBadRateCalculator:
"""Tick级坏账率计算器（哨兵模型核心组件）"""
def __init__(self, price_threshold: float, liquidity_threshold: float):
self.price_threshold = price_threshold # 价格坏账阈值
self.liquidity_threshold = liquidity_threshold # 流动性坏账阈值
self.cum_bad_value = 0.0 # 累积坏账价值
self.cum_total_exposure = 0.0 # 累积总敞口
self.tick_count = 0
def is_bad_tick(self, tick_price: float, bid_ask_spread: float,
volume: float) -> bool:
"""判断单个Tick是否为坏账Tick"""
# 条件1：价格跌破阈值
if tick_price < self.price_threshold:
return True
# 条件2：买卖价差超过流动性容忍度
if bid_ask_spread > self.liquidity_threshold:
return True
# 条件3：成交量异常萎缩（连续低成交由外部状态机维护）
if volume == 0:
return True
return False
def process_tick(self, tick_price: float, bid_ask_spread: float,
volume: float, position_value: float) -> dict:
"""处理单个Tick，返回瞬时与累积坏账率"""
self.tick_count += 1
is_bad = self.is_bad_tick(tick_price, bid_ask_spread, volume)
# 瞬时坏账率：当前Tick的坏账判定
bad_value_tick = position_value if is_bad else 0.0
instant_bad_rate = bad_value_tick / position_value if position_value > 0 else 0.0
# 累积坏账率：更新累积状态
self.cum_bad_value += bad_value_tick
self.cum_total_exposure += position_value
cum_bad_rate = (self.cum_bad_value / self.cum_total_exposure
if self.cum_total_exposure > 0 else 0.0)
return {
'tick_id': self.tick_count,
'is_bad_tick': is_bad,
'instant_bad_rate': round(instant_bad_rate, 6),
'cum_bad_rate': round(cum_bad_rate, 6),
'cum_bad_value': round(self.cum_bad_value, 2),
'cum_total_exposure': round(self.cum_total_exposure, 2)
}
工程注意： 实际生产环境中，Tick级坏账率计算需注意：
(1) 使用滑动窗口而非全量累积，避免数值溢出；
(2) 瞬时坏账率分母为0时（空仓），应返回0而非报错；
(3) 累积坏账率建议同时记录Tick时间戳，便于回放时对齐。
(1) 使用滑动窗口而非全量累积，避免数值溢出；
(2) 瞬时坏账率分母为0时（空仓），应返回0而非报错；
(3) 累积坏账率建议同时记录Tick时间戳，便于回放时对齐。