可复现文档为何是合规底座

在金融风控中，合规审查真正追问的并不是“有没有生成一张解释图”，而是“这张解释图能否被稳定地重现”。如果同一模型、同一批数据和同一套处理流程，在不同时间无法得到一致或可说明差异的结果，那么解释就只是一次性展示，不能构成可靠的审计证据。可复现文档因此不是技术附录，而是连接模型决策、业务判断与监管审查的合规底座。

可复现究竟要记录什么

一份合格的文档，至少要让另一位具备相应权限的人员理解：解释基于哪一版数据，数据经过了哪些预处理，特征如何计算，模型输出如何转化为风险判断，以及全局、局部和交互效应分析分别如何生成。以 SHAP 为例，全局解释用于呈现模型整体依赖的特征，局部解释用于说明某笔贷款申请或某笔可疑交易为何得到特定结果，交互效应则用于识别特征组合形成的风险。

文档的重点不是堆积图表，而是固定“输入—处理—输出”的关系。数据版本发生变化、特征计算逻辑调整、模型重新训练，或阈值与概率校准方式改变，都应留下明确记录。否则，即使保存了某个样本的 SHAP 值，也无法判断它究竟来自哪套数据和哪次运行。

为什么一次性报告不够

监管和业务争议往往关注边缘案例，例如被拒绝的申请或被标记为高风险的交易。此时，团队不仅要解释某个特征如何推动结果，还要证明解释过程没有被临时修改。可复现流程能够把具体样本的局部解释，与模型上线前建立的全局基线、特征逻辑检查和敏感样本测试对应起来，形成完整证据链。

这也能降低“解释正确但决策不可靠”的风险。未经校准的模型输出可能造成不稳定的阈值判断，进而使解释建立在错误的置信度上。因此，概率校准、阈值确定和解释生成不能彼此割裂，均应纳入文档记录。

对风控团队而言，最有效的做法不是等到审查时补材料，而是把文档化嵌入模型生命周期：上线前记录基线画像和检查结果，运行中保留版本与异常变化，争议发生时能够复现具体决策。只有当模型逻辑、数据处理和解释结果都能被重新验证，所谓“可解释”才真正具备合规意义。