3. PSI 漂移原因分析

PSI 指标上升只是模型失稳的“症状”，真正的病因需要从五个维度排查。本章逐一拆解每种漂移的触发机制、典型表现和诊断方法，帮助你在告警后快速定位根因。

3.1 五大漂移成因总览

3.2 客群结构变化

客群结构漂移是最常见的 PSI 上升原因，指模型评分时使用的申请或存量客户在人口属性、收入水平、职业分布、地域构成等维度上发生系统性偏移。

• 触发场景： 渠道策略调整（如从线下转向线上）、营销活动定向获客、新市场/新客群拓展。
• 诊断方法： 对比训练集与监控集的单变量分布（KS / 信息值 IV），重点关注年龄、收入、职业、地区四个核心变量。
• 应对策略： 轻量级——重新校准评分卡截断点；重量级——重建客群细分模型或引入分群评分卡。

3.3 宏观经济波动

宏观经济环境变化会同时影响所有客群的还款能力和信贷行为，导致评分分布整体平移或尾部拉伸。

• 触发场景： GDP 增速放缓、失业率上升、CPI 大幅波动、利率调整、行业性危机（如房地产、教培）。
• 诊断方法： 将 PSI 时间序列与宏观指标（失业率、PMI、社融数据）做交叉相关性分析；观察评分分布是否整体左移或右移。
• 应对策略： 宏观因子叠加——在评分卡输出层引入宏观调整系数；或使用压力测试场景下的动态截断。

3.4 政策法规调整

监管政策、行业法规、数据合规要求的变化可能直接改变评分卡使用的变量定义、计算逻辑或准入规则。

• 触发场景： 利率上限调整（如 36%→24%）、个人信息保护法实施、征信数据接口变更、反欺诈规则升级。
• 诊断方法： 检查 PSI 跳变时间点是否与政策生效日期吻合；逐变量排查是否因变量不可用、取值范围受限或计算口径变化导致分布偏移。
• 应对策略： 政策影响评估——在政策发布后立即进行模拟评分，预判 PSI 变化幅度；必要时启动紧急模型版本迭代。

3.5 数据采集方式变更

数据源切换、采集频率调整、字段映射错误、ETL 逻辑修改等操作层面的变化，会直接改变入模变量的原始分布。

• 触发场景： 数据仓库迁移、API 接口升级、第三方数据供应商更换、埋点方案改版。
• 诊断方法： 对比变更前后同一变量的原始值分布（不经过评分卡转换）；检查空值率、异常值比例、均值/中位数变化。
• 应对策略： 数据质量看板——建立变量级数据监控，对每个入模变量设置 ±5% 的容忍阈值；变更前执行回归测试。

3.6 模型自身衰减

模型衰减是评分卡随使用时间增长，区分能力和排序稳定性自然下降的现象，属于“慢性病”。

• 触发场景： 模型上线超过 12 个月、训练样本与当前客群分布差异累积、变量预测能力随时间递减。
• 诊断方法： 计算时间序列上的 KS 衰减曲线和 AUC 衰减曲线；观察 PSI 是否呈现缓慢、持续、单调上升趋势。
• 应对策略： 制定模型生命周期管理计划——轻量级：变量替换 + 系数重估；重量级：全量重建模型。

3.7 漂移成因诊断流程

以下 SVG 流程图展示了从 PSI 告警触发到根因定位的标准化诊断路径，帮助你按步骤排除各维度原因。

3.8 各成因的 PSI 贡献度拆解示例

实际诊断中，PSI 往往是多个因素叠加的结果。以下表格展示了一个典型的多因素漂移拆解案例：