4、哨兵模型原理

哨兵模型（Sentinel Model）是Tick数据坏账率回放验证体系中的核心监控引擎。其设计思想源于“早期预警、动态阈值、自适应衰减”三大原则，旨在从高频、高噪声的Tick级数据流中，及时识别坏账率的异常抬升，避免风险累积至不可控水平。

4.1 设计思想

哨兵模型不追求对坏账率的精确预测，而是聚焦于“何时触发预警”这一关键问题。其核心设计思想包括：

• 轻量级监控：模型仅维护少量统计量（均值、标准差、计数），避免在Tick数据流中引入复杂计算。
• 自适应基线：通过滑动窗口动态计算当前市场环境下的“正常”坏账率水平，而非依赖固定阈值。
• 衰减记忆：引入衰减因子，使模型对近期数据赋予更高权重，对历史陈旧数据逐步遗忘，适应市场状态变化。
• 可解释触发：每次预警都附带触发原因（阈值突破、趋势加速、连续超限），便于后续归因分析。

4.2 阈值触发机制

阈值触发是哨兵模型产生预警信号的直接依据。模型采用双层阈值结构，兼顾灵敏性与稳定性：

阈值触发机制还包含连续超限计数器：若连续3个Tick均触发黄色预警，则自动升级为红色预警，防止短暂波动被忽略。

if current_bad_rate > (baseline_mean + 1.5 * baseline_std):
    yellow_count += 1
    if yellow_count >= 3:
        trigger_red_alert()
    else:
        trigger_yellow_alert()
elif current_bad_rate > (baseline_mean + 3.0 * baseline_std):
    trigger_red_alert()
    reset_yellow_count()
else:
    yellow_count = max(0, yellow_count - 1)  # 衰减计数

4.3 滑动窗口与衰减因子

滑动窗口定义了模型计算基线统计量所使用的数据范围。衰减因子则控制窗口内各Tick数据的权重分布。两者共同决定了模型对市场变化的响应速度。

4.3.1 滑动窗口设计

窗口采用固定长度 + 滚动更新模式：

• 窗口长度：默认100个Tick（约1.67分钟，按每秒3个Tick计），可根据资产流动性调整。
• 更新方式：每新到一个Tick，窗口向前滑动一步，移除最旧的一个Tick，加入最新的一个Tick。
• 冷启动：窗口未满时，使用全部可用数据计算基线，但预警阈值自动放宽（乘以1.2倍系数），避免初期误报。

4.3.2 衰减因子机制

衰减因子（Decay Factor, λ）赋予窗口内不同Tick以不同的权重，使模型更关注近期数据。权重计算公式为：

权重(t) = λ^(窗口长度 - t)  其中 t = 1, 2, ..., 窗口长度

典型λ值及其影响：

4.4 哨兵模型整体架构

下图展示了哨兵模型从数据输入到预警输出的完整流程，包含滑动窗口、衰减加权、基线计算、阈值比较和触发决策五个核心模块：

4.5 衰减因子对基线的影响

为了直观展示衰减因子如何改变窗口内各Tick的权重分布，下图对比了λ=0.95（缓慢衰减）与λ=0.70（快速衰减）两种配置下，窗口内100个Tick的权重曲线：

从图中可以清晰看到：λ=0.95的曲线下降平缓，窗口内较早的Tick仍保留较高权重，适合趋势稳定的场景；λ=0.70的曲线在约第30个Tick后权重已降至极低水平，模型几乎完全依赖最近30个Tick的数据，适合快速响应市场突变。