可疑交易PSI漂移告警响应实战资料 - 第1节
1.1 PSI 的定义与计算公式
群体稳定性指标（Population Stability Index，PSI） 是衡量两个样本分布之间差异程度的统计量。在金融风控领域，PSI 用于量化模型评分或特征分布在时间维度上的变化幅度，是监控模型稳定性的核心工具。
1.1.1 数学定义
PSI 基于信息论中的 KL 散度（Kullback-Leibler divergence） 演变而来，其计算公式为：
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（Expected %）：基准分布（如模型开发时的训练集）中各分箱的样本比例。
- 实际占比（Actual %）：当前监测周期（如月度、周度）中各分箱的样本比例。
- i：分箱序号，通常将评分或特征等分为 10 箱（Decile）。
1.1.2 计算步骤
- 分箱处理：将基准分布和实际分布按相同规则划分为 k 个区间（常用 10 等分）。
- 计算占比：分别统计每个区间内样本数占总样本数的百分比。
- 逐箱计算：对每个区间计算 (实际占比 - 预期占比) × ln(实际占比 / 预期占比)。
- 求和：将所有区间的计算结果相加，得到 PSI 值。
1.1.3 PSI 阈值判定标准
| PSI 范围 | 稳定性等级 | 建议动作 |
|---|---|---|
| PSI < 0.1 | 稳定 | 无需干预，模型表现正常 |
| 0.1 ≤ PSI < 0.25 | 轻度漂移 | 需关注，排查特征分布变化原因 |
| PSI ≥ 0.25 | 严重漂移 | 立即告警，启动模型重训或特征重构 |
实务提示： 在反洗钱可疑交易监测中，PSI 阈值可根据业务敏感度微调。对于高风险场景（如跨境交易、大额现金交易），建议将告警阈值下调至 0.15，以提前捕捉分布漂移信号。
1.2 PSI 在金融风控中的核心价值
PSI 在反洗钱与可疑交易监测中扮演着 “模型健康度晴雨表” 的角色。其核心价值体现在以下三个维度：
1.2.1 模型稳定性监控
- 早期预警：在模型性能明显下降之前，PSI 漂移可提前 1-2 个监测周期发出信号。
- 量化评估：将分布变化转化为可比较的数值，避免主观判断偏差。
- 自动化触发：可嵌入实时监控流水线，当 PSI 超过阈值时自动生成告警工单。
1.2.2 反洗钱场景的特殊价值
| 反洗钱场景 | PSI 监控对象 | 漂移含义 |
|---|---|---|
| 交易金额分布 | 单笔交易金额特征 | 洗钱手法升级，金额区间偏移 |
| 交易频次分布 | 客户日/周交易笔数 | 账户异常活跃度变化 |
| 地理区域分布 | 交易对手所在国家/地区 | 跨境洗钱通道转移 |
| 交易时间分布 | 交易发生的小时/星期 | 规避监测的时间模式变化 |
1.2.3 模型治理与合规审计
监管机构（如央行反洗钱局、FATF）对金融机构的模型监控能力提出明确要求。PSI 作为标准化的稳定性指标，在模型审计报告中具有以下作用：
- 可追溯性：每次 PSI 计算记录均可回溯至原始分布数据，满足监管留痕要求。
- 可解释性：PSI 分解到各分箱后，可定位具体哪个区间发生了漂移，便于向监管解释原因。
- 可比性：不同模型、不同特征之间的 PSI 值可直接对比，统一评估标准。
常见误区： PSI 仅衡量分布差异，不直接反映模型预测能力。PSI 稳定不代表模型准确率高，需结合 KS、AUC 等性能指标综合评估。在可疑交易监测中，PSI 漂移可能源于正常业务变化（如节假日交易模式），需人工复核确认。