反洗钱PSI漂移监测Flink应用实战 - 第1节
1.1 反洗钱监管背景
反洗钱（Anti-Money Laundering, AML）是金融机构与监管机构共同对抗非法资金流动的核心防线。近年来，全球监管框架持续收紧，对模型风险管理的关注度显著提升。
| 监管维度 | 关键要求 | 对模型监控的影响 |
|---|---|---|
| FATF 建议 | 风险为本方法、有效性评估 | 模型需持续验证其区分风险的能力 |
| 国内监管（人行） | 《金融机构反洗钱监督管理办法》修订 | 要求建立模型生命周期管理机制 |
| 模型风险管理 | SR 11-7 / 模型验证指引 | 强调模型漂移监测与再训练触发条件 |
监管趋势： 从“事后报告”转向“事中实时监测”，模型稳定性成为合规审计的必查项。
1.2 PSI（群体稳定性指标）定义
PSI（Population Stability Index）衡量两个样本群体在特征分布上的差异程度，是模型监控中最常用的分布漂移度量指标。
计算公式
PSI = Σ (实际占比_i - 预期占比_i) * ln(实际占比_i / 预期占比_i)其中：
- 预期占比：模型开发时训练集或验证集的分数/特征分箱占比
- 实际占比：当前生产环境监测周期内的分数/特征分箱占比
- 分箱：通常等频分箱（10箱或20箱），确保每箱有足够样本
PSI 阈值与业务含义
| PSI 范围 | 漂移程度 | 建议动作 |
|---|---|---|
| < 0.1 | 无显著漂移 | 继续监测 |
| 0.1 – 0.25 | 轻度漂移 | 排查特征变化，准备模型调整 |
| > 0.25 | 严重漂移 | 立即触发模型重训或回退 |
实战提示： 反洗钱场景中，PSI 超过 0.2 时往往伴随客户行为模式突变，需结合交易特征做根因分析。
1.3 PSI 在模型监控中的核心价值
PSI 不仅是统计指标，更是连接模型开发与生产运维的桥梁。其核心价值体现在三个层面：
- 早期预警：在模型性能（如 AUC、KS）下降之前，PSI 即可捕捉到输入分布的变化，为干预争取时间。
- 归因定位：通过计算每个特征的 PSI，快速定位导致漂移的关键变量，缩小排查范围。
- 合规证据：监管审计要求提供模型持续有效的客观证据，PSI 时间序列图是最直接的合规材料。
常见误区： PSI 只反映分布差异，不直接代表模型失效。需结合业务逻辑判断漂移是否属于季节性正常波动。
1.4 本章小结
- 反洗钱监管对模型稳定性提出刚性要求，PSI 是合规审计的核心指标。
- PSI 通过分箱对比衡量分布漂移，阈值 0.1/0.25 是行业通用标准。
- PSI 的价值体现在早期预警、归因定位和合规证据三个层次。
- Flink 实时计算能力使 PSI 监测从离线 T+1 升级为分钟级甚至秒级。