阶段8机器学习基础●●●●●

分布漂移与PSI监控：市场"变脸"的仪表盘

我的掌握程度：

q-712精讲

先掌握这个答案

两类漂移：①特征漂移（covariate shift）：输入分布变了——换手率因子的分布在小盘危机后整体右移（模型输入的脸变了）；②概念漂移（concept drift）：X与Y的关系变了——反转因子在机构化后失效（规律本身变了——更致命）。PSI计算：把特征分10箱，比较训练期与近期各箱占比——PSI=Σ(实际占比−预期占比)×ln(实际/预期)。读数：<0.1稳定；0.1-0.25漂移预警；>0.25显著漂移（必须行动）。三种处置：①特征级漂移→重估预处理参数（标准化参数刷新）或重训（月度例行吸收）；②弱漂移→样本加权（近期加权，q-720）；③概念漂移（因子IC同时恶化）→降权/下线该因子（q-944流程）——重训救不了"规律没了"。

先读结论，再核对下方使用边界；数字例题为教学情景，涉及实际行情与规则时请核对原始来源。

从理解到使用

用模拟盘先验证系统行为

先演练重复信号、网络超时、断线重连和部分成交，检查订单幂等与持仓对账。回测结果不验证交易通道、延迟与容量；启动、暂停和恢复都要有明确条件与记录。

本阶段实战方法 · 把验证流程当作模型的一部分

训练选股模型或使用另类数据时，先保证训练过程没有接触预测时不可得的信息。

定义每个样本的特征可得时间和标签覆盖区间，再按预测场景设计时间切分。
归一化、缺失填充、特征选择和调参只在训练集拟合；重叠标签要按实际区间purge。
用朴素基线和多段滚动样本外比较，报告成本、稳定性、漂移与全部实验次数。

使用边界

排行榜或验证集反复用于挑模型后也会过拟合；留一份最终测试集。
随机切分不是所有问题都禁止，但金融未来预测必须尊重时点和标签重叠，说明验证目标。

不懂的术语：换手率（Turnover Rate）VaR（在险价值）因子（Factor）反转（Reversal）IC（信息系数）换手率（组合层面 Turnover）特征（Feature）

背景 · 从一个困惑说起

q-701说金融数据非平稳——市场会"变脸"（注册制改变了小盘分布、危机改变了相关性）。模型是按"旧脸"训练的：脸变了它还按旧规律预测。PSI（群体稳定性指数）就是监测变脸的仪表盘。

由此产生的问题

分布漂移的两类（特征漂移/概念漂移）？PSI的计算与读数？漂移确认后的三种处置（重训/降权/下线）？

核心概念

为什么需要它

①实盘ML的"心电图"：上线不是终点——漂移监控是模型运维（MLOps）的核心仪表；区别"模型坏了"（漂移）与"市场坏了"（人人亏）——前者该行动后者该扛；②PSI的工程美：一个数字监控任何特征的分布变化——可解释、可报警、成本低（每月10分钟）；③与失效监控的配合：PSI（输入脸）+滚动IC（输出准）双仪表——输入变输出准=漂移无害；输入稳输出崩=概念漂移（最凶）。

实际应用场景

实施：对top20重要特征每月算PSI（vs训练期）；>0.25的特征列清单→处置决策表（重训/加权/剔除）——写进月度复盘（q-945）。

与之前知识的联系

q-720（样本加权）是处置②；q-944（停机）是处置③；q-771（滚动重训）是处置①的制度化；与q-618（模型失效监控）构成"模型健康双仪表"。

⚠ 常见误解

PSI高=模型失效：输入分布变了但规律可能仍稳（漂移无害）——要配合输出指标（IC）联判
重训万能：它治特征漂移（新分布适配）不治概念漂移（规律消失）——后者是因子下线问题不是调参问题
漂移监控很难很贵：PSI十分钟实现、每月十分钟运行——"难"的印象来自没开始做

🤖 AI导师

导师会先检查你的前置知识（非平稳性、样本加权），再用案例、公式和代码帮助理解。此功能需要先启用服务。