1. 课程导论：反洗钱PSI漂移告警的背景、课程目标与学习路径
1.1 为什么PSI漂移告警是反洗钱系统的“安全气囊”？
在反洗钱（AML）实时监控系统中，模型或规则引擎的输入特征分布一旦发生显著变化（即PSI漂移），将直接导致预警准确率崩塌、误报率飙升，甚至让整个风控体系失效。PSI（Population Stability Index，群体稳定性指标）正是量化这种分布偏移的核心工具。
核心痛点： 传统AML系统往往只关注“模型上线时的表现”，却忽略了生产环境中客户行为、交易模式、监管政策等动态变化带来的特征分布漂移。PSI漂移告警规则，就是为AML系统装上“实时体检仪”。
1.2 PSI漂移在AML场景中的典型触发场景
| 场景类型 | 具体表现 | PSI漂移影响 |
|---|---|---|
| 客群结构突变 | 新开卡客户年龄/收入分布骤变 | 评分卡失效，误报率上升30%+ |
| 交易渠道迁移 | 线下柜面交易向线上APP大规模转移 | 交易金额/频次特征分布偏移 |
| 监管规则更新 | 大额交易上报门槛调整 | 特征工程需重新校准 |
| 季节性/事件性波动 | 双十一、春节、疫情封控等 | 短期剧烈漂移，需区分信号与噪声 |
1.3 课程核心目标
本课程旨在帮助学员从零到一构建一套生产级PSI漂移告警规则体系，覆盖从理论到落地的完整链路：
- 理解PSI数学原理：掌握PSI计算公式、分箱策略、阈值设定逻辑。
- 设计告警规则：基于业务场景定义漂移检测窗口、告警级别、响应策略。
- 工程化实现：使用Python/PySpark实现PSI实时计算与告警触发。
- 案例实战：通过真实AML交易数据完成漂移检测与规则调优。
学习收益： 完成本课程后，你将能够独立设计并部署一套覆盖“特征监控→漂移检测→告警通知→模型重训”的闭环PSI告警系统。
1.4 学习路径与知识体系
课程采用“理论→方法→实战→优化”四阶段递进式结构，确保学员既能理解底层逻辑，又能动手落地：
1.5 课程适用人群与前置要求
| 角色 | 适用性 | 前置技能 |
|---|---|---|
| AML风控分析师 | ★★★★★ | 了解AML业务流程、基础统计学 |
| 数据科学家/算法工程师 | ★★★★★ | Python编程、机器学习基础 |
| 反洗钱合规官 | ★★★★☆ | 理解监管要求、模型验证概念 |
| 大数据平台工程师 | ★★★☆☆ | Spark/Flink基础、实时计算概念 |
⚠️ 重要提示： 本课程不涉及基础Python语法教学，学员需具备基本的编程能力。课程中所有代码均提供完整注释，但建议提前安装Python 3.8+及Jupyter Notebook环境。
1.6 课程章节速览
全课程共30章，分为四大模块，以下是核心章节概览：
- 模块一（第1-8章）： PSI理论基础与AML场景适配
- 模块二（第9-16章）： 告警规则设计方法论与参数调优
- 模块三（第17-24章）： 工程化实现与实时告警系统搭建
- 模块四（第25-30章）： 案例实战、性能优化与持续迭代