2. PSI基础概念：群体稳定性指标(PSI)的数学定义、计算公式、取值范围与业务含义
群体稳定性指标（Population Stability Index，PSI）是反洗钱监测模型中用于衡量模型评分或特征分布在时间维度上发生偏移程度的量化工具。在AML场景中，PSI用于监控交易行为评分、客户风险评分或特定监测指标是否在建模样本（基准期）与当前监测样本（监测期）之间出现显著变化，从而判断模型是否仍适用于当前业务环境。
2.1 数学定义与核心思想
PSI基于信息论中的相对熵（Kullback-Leibler散度）概念，衡量两个概率分布之间的差异程度。其核心思想是：将连续变量分箱后，比较每个箱体内基准期与监测期的样本占比变化，并对变化幅度进行加权求和。
数学定义公式：
PSI = Σ[(Actual_i - Expected_i) × ln(Actual_i / Expected_i)]其中：
- Expected_i：基准期（建模样本）在第i个分箱中的样本占比
- Actual_i：监测期（当前样本）在第i个分箱中的样本占比
- ln：自然对数
- Σ：对所有分箱求和
2.2 计算公式与分箱步骤
PSI的计算需要先将连续变量进行离散化处理（分箱），具体步骤如下：
- 确定基准分布：使用建模时的训练集或验证集，确定每个分箱的样本占比（Expected_i）。
- 确定监测分布：使用当前监测周期的样本，按照与基准期相同的分箱边界，计算每个分箱的样本占比（Actual_i）。
- 计算每个分箱的贡献值：对每个分箱计算 (Actual_i - Expected_i) × ln(Actual_i / Expected_i)。
- 求和：将所有分箱的贡献值相加，得到最终的PSI值。
分箱注意事项：
- 分箱数量通常建议在5-20个之间，过少会丢失信息，过多会导致噪声放大。
- 分箱边界在基准期确定后固定不变，监测期沿用相同边界。
- 若某个分箱在监测期占比为0，则取极小值（如0.0001）避免对数计算错误。
2.3 取值范围与业务含义
PSI的取值范围为[0, +∞)，数值越大表示分布偏移越严重。在反洗钱监测实践中，通常采用以下阈值标准进行告警判定：
| PSI取值范围 | 偏移程度 | 业务含义与建议措施 |
|---|---|---|
| PSI < 0.10 | 无显著偏移 | 模型稳定，无需干预。监测指标与建模时保持一致，模型输出可信。 |
| 0.10 ≤ PSI < 0.25 | 轻度偏移 | 需关注。建议检查近期业务变化、客群结构或外部环境，评估是否需要调整模型。 |
| PSI ≥ 0.25 | 严重偏移 | 立即告警。模型已不适用于当前数据分布，需暂停使用并启动模型重建或校准流程。 |
AML场景特殊说明：在反洗钱监测中，PSI阈值可结合业务风险偏好适当调整。对于高风险客户群体或监管重点关注领域，建议采用更严格的阈值（如PSI≥0.15即触发告警），以降低漏报风险。
2.4 PSI计算示例与SVG流程图
以下通过一个简化的AML评分分布示例，展示PSI的计算过程：
分箱区间 基准期占比(Expected) 监测期占比(Actual) 贡献值
[0, 20) 0.30 0.25 0.0082
[20, 40) 0.25 0.30 0.0091
[40, 60) 0.20 0.22 0.0019
[60, 80) 0.15 0.13 0.0027
[80, 100] 0.10 0.10 0.0000
--------------------------------------------------------------
PSI = 0.0082 + 0.0091 + 0.0019 + 0.0027 + 0.0000 = 0.0219该PSI值为0.0219，远小于0.10，表明监测期与基准期的评分分布高度一致，模型稳定。
2.5 PSI在AML监测中的业务解读
在反洗钱监测系统中，PSI告警信号的出现通常对应以下业务场景：
- 客户行为模式变化：如某类客户突然增加大额交易频率，导致评分分布右移。
- 产品策略调整：新推出的金融产品吸引了不同风险特征的客群，改变了整体评分分布。
- 外部环境冲击：监管政策变化、经济周期波动或突发事件导致交易行为系统性偏移。
- 数据质量问题：上游数据源变更、字段缺失或采集逻辑错误导致分布异常。
关键要点：PSI本身只指示分布是否发生变化，不直接说明变化原因。当PSI触发告警时，需结合业务分析、特征重要性排序和领域知识进行根因定位，避免盲目调整模型。