风控网关特征缺失巡检与PSI应用 - 第1节

1.1 风控网关：信贷与支付系统的流量中枢

在信贷审批、交易支付等实时金融场景中，风控网关扮演着“流量调度与安全过滤”的核心角色。它位于业务前端与核心账务系统之间，所有用户请求在进入业务逻辑处理前，必须经过风控网关的特征计算、规则匹配与模型评分。

风控网关的典型处理流程包含以下关键环节：

1. 请求接入：接收来自 App、H5、API 的业务请求（如借款申请、支付下单）。
2. 特征计算：基于请求参数与用户画像，实时计算数百个风控特征（如设备指纹、多头借贷指数、交易频次）。
3. 规则/模型执行：将特征输入决策引擎，匹配规则集或调用机器学习模型，输出风险等级。
4. 结果反馈：返回“通过/拒绝/人工审核”决策，并记录全量日志用于事后分析。

以下示意图展示了风控网关在信贷系统中的位置与内部模块：

1.2 特征缺失与分布偏移：两大核心风险

风控网关在运行过程中，特征质量与数据分布稳定性直接决定决策准确性。以下两类问题是最常见的“隐形杀手”：

1.2.1 特征缺失风险

特征缺失指在实时计算时，因上游数据源超时、字段为空、解析失败等原因，导致特征值无法正常生成。缺失特征进入模型后，通常被填充为默认值（如 0 或 -1），这会带来以下后果：

1.2.2 分布偏移（PSI）风险

群体稳定性指标（Population Stability Index，PSI）用于衡量特征在时间维度上的分布变化。当特征分布发生显著偏移时，即使特征值完整，模型决策也会出现系统性偏差。

PSI 的计算公式如下：

PSI = Σ ( (实际占比_i - 预期占比_i) * ln(实际占比_i / 预期占比_i) )

PSI 的行业通用判定标准：

1.3 课程学习路径与目标

本课程围绕“特征缺失巡检”与“PSI 应用”两大主线，构建从理论到工程落地的完整知识体系。整体学习路径分为四个阶段：

1. 基础篇（第 1~5 章）：理解风控网关架构、特征工程基础、缺失与偏移的数学原理。
2. 巡检篇（第 6~15 章）：掌握特征缺失的实时检测、离线回溯、告警与自动修复技术。
3. 监控篇（第 16~25 章）：深入 PSI 计算、分箱策略、分布偏移根因定位与可视化。
4. 实战篇（第 26~30 章）：基于真实信贷数据集，搭建完整的特征质量监控平台。

以下示意图展示课程的知识体系结构：

通过本课程的学习，你将达成以下目标：

• 掌握特征缺失巡检的完整方法论：从实时检测、离线回溯到告警与自动修复，形成闭环。
• 精通 PSI 计算与分布偏移分析：能够独立设计分箱策略、定位偏移根因、输出监控报告。
• 具备工程落地能力：基于 Python 与 SQL 实现特征质量监控平台，并集成至现有风控网关。
• 建立数据治理思维：从被动响应转向主动预防，降低因特征质量问题导致的业务损失。