1. 课程导论：PSI漂移告警在反洗钱可疑交易监测中的重要性，课程目标与学习路径
1.1 为什么PSI漂移告警是反洗钱监测的“预警雷达”
在反洗钱（AML）可疑交易监测体系中，机器学习模型通常基于历史交易特征（如交易金额、频率、对手方数量、IP地址分布等）构建评分卡或分类器。然而，随着洗钱手法迭代、客户行为季节性变化、业务渠道迁移或宏观经济波动，模型输入特征的分布会逐渐偏离训练基线。这种分布偏移若不被及时发现，将导致模型预测能力急剧下降——轻则漏报可疑交易，重则引发监管处罚。
群体稳定性指标（Population Stability Index, PSI）正是量化这种分布偏移的核心工具。当PSI超过预设阈值（通常为0.25）时，系统触发漂移告警，提示风控团队必须介入诊断。本课程将围绕PSI漂移告警的完整处理流程，从告警触发、根因分析到模型修正与再验证，提供一套可落地的实战方法论。
关键认知： PSI漂移告警不是“模型故障”，而是模型健康管理的早期信号。忽视告警等于在风险盲区中运行监测系统。
1.2 PSI漂移告警在可疑交易监测中的三大核心价值
| 价值维度 | 具体说明 | 业务影响 |
|---|---|---|
| 模型性能预警 | 实时监测特征分布偏移，在模型AUC/KS显著下降前发出告警 | 避免漏报率上升，降低监管合规风险 |
| 洗钱手法识别 | 通过漂移特征定位新型洗钱模式（如拆分交易、虚拟货币混币） | 辅助分析师快速更新可疑交易规则 |
| 模型生命周期管理 | 量化模型退化程度，为模型重训、特征工程迭代提供数据依据 | 降低模型维护成本，提升监测系统鲁棒性 |
1.3 PSI漂移告警处理的核心流程（SVG流程图）
1.4 课程目标与学习路径
本课程面向金融风控分析师、反洗钱模型开发工程师及合规科技从业者，旨在帮助学员建立从告警触发到模型修正的完整闭环能力。课程采用“理论+案例+代码”三合一模式，所有案例均基于真实业务场景脱敏数据。
课程四大核心目标
- 理解PSI数学原理与阈值设定逻辑：掌握PSI计算公式、分箱策略及行业最佳实践阈值。
- 掌握漂移告警的根因分析技术：学会使用特征级PSI分解、分布对比图、统计检验等方法定位漂源。
- 具备模型修正与再验证能力：能够独立完成模型重训、特征工程调整及性能回测。
- 建立自动化监控体系思维：了解如何将PSI监控嵌入反洗钱系统，实现告警闭环管理。
学习路径与章节结构
| 阶段 | 章节范围 | 核心内容 | 产出物 |
|---|---|---|---|
| 基础篇 | 第1-5章 | PSI原理、漂移告警触发机制、数据准备与特征工程 | PSI计算脚本、特征分布可视化模板 |
| 实战篇 | 第6-15章 | 根因分析案例（金额漂移、渠道漂移、对手方漂移）、模型性能影响评估 | 根因分析报告、漂移定位代码 |
| 进阶篇 | 第16-25章 | 模型修正策略（增量学习、特征替换、阈值调整）、再验证流程 | 模型修正方案、再验证脚本 |
| 体系篇 | 第26-30章 | 自动化监控平台设计、监管合规对接、案例复盘与最佳实践 | 监控系统架构图、合规文档模板 |
1.5 课程学习路径与知识体系（SVG架构图）
学习建议： 建议学员按照基础→实战→进阶→体系的顺序学习，每章结束后完成配套练习。实战篇和进阶篇的案例代码均提供Python实现，建议在Jupyter Notebook中逐行运行并观察输出。
1.6 课程配套资源与工具
- 数据集：脱敏后的银行交易流水数据（含客户ID、交易金额、交易时间、渠道类型、对手方信息等20+字段）
- 代码仓库：包含PSI计算函数、漂移检测脚本、根因分析工具包、模型修正模板
- 模板文档：漂移告警处理报告模板、模型再验证检查清单、监管合规说明模板
注意事项： 课程中使用的所有数据均已脱敏处理，严禁将案例数据用于实际业务系统。PSI阈值（0.25）为行业通用参考值，实际部署时需根据模型敏感度和业务容忍度进行调整。