1. PSI 概念与 AML 场景
1.1 群体稳定性指标（PSI）的定义
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。在反洗钱（AML）模型监控中，PSI 用于量化模型评分在 开发时样本 与 生产运行样本 之间的分布偏移程度。
PSI 的计算公式如下：
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_i：模型开发时（或基准期）第 i 个分数段的样本比例。
- 实际占比_i：生产监控期第 i 个分数段的样本比例。
- i：分数段索引，通常将评分等分为 10 组（十分位）。
PSI 值越大，说明两个分布之间的差异越显著，模型所依赖的群体特征发生了越大的变化。
经验阈值参考：
- PSI < 0.1：群体稳定，无需干预。
- 0.1 ≤ PSI < 0.25：轻度漂移，需进一步分析。
- PSI ≥ 0.25：显著漂移，必须触发告警并启动模型重训或调整。
1.2 PSI 在反洗钱模型中的重要性
反洗钱模型（如交易监控模型、客户风险评分模型）对群体稳定性高度敏感。AML 场景的特殊性决定了 PSI 监控具有以下关键价值：
| 维度 | 重要性说明 |
|---|---|
| 监管合规 | 监管机构要求 AML 模型持续有效，PSI 漂移是模型失效的直接证据。 |
| 风险识别连续性 | 客户行为、交易模式变化会导致评分分布偏移，PSI 可量化这种变化。 |
| 误报率控制 | 群体漂移会破坏模型阈值与风险等级的对应关系，导致误报率飙升。 |
| 模型生命周期管理 | PSI 是模型退役、重训、版本更新的核心决策指标。 |
AML 场景典型漂移动因： 新监管政策出台、客户群体结构突变（如疫情期间线上交易激增）、洗钱手法升级（如加密货币混币器普及）、数据采集口径变更。
1.3 PSI 与模型退化的关系
PSI 漂移是模型退化的 前兆信号，而非结果本身。两者之间的关系可以通过以下流程理解：
从上述流程可以看出，PSI 漂移处于模型退化的 上游位置。当 PSI 超过阈值时，模型评分分布已经发生实质性改变，但模型性能指标（如 AUC、K-S）可能尚未显著下降。这为风控团队提供了宝贵的 预警窗口期。
常见误区： 部分团队等到模型性能指标（如 AUC 下降 5%）才启动告警，此时模型退化已经发生，客户风险排序已出现偏差，可能导致可疑交易漏报。PSI 监控应作为 前置防线，而非事后验证。
1.4 PSI 与模型退化的时间序列关系
以下表格总结了 PSI 漂移程度与模型退化阶段之间的对应关系：
| PSI 范围 | 退化阶段 | 典型表现 | 建议动作 |
|---|---|---|---|
| < 0.10 | 稳定期 | 评分分布与开发期一致，模型表现正常 | 常规监控 |
| 0.10 – 0.25 | 预警期 | 评分分布出现轻微偏移，AUC 可能稳定 | 深入特征分析，准备阈值调优 |
| 0.25 – 0.40 | 退化期 | 评分分布明显偏移，AUC 开始下降，误报率上升 | 立即调优阈值，评估模型重训 |
| > 0.40 | 失效期 | 模型风险排序能力丧失，监管风险极高 | 模型下线或紧急重训 |