1. PSI 概念与业务背景
1.1 什么是群体稳定性指标（PSI）
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。在信用评分模型中，PSI 用于比较模型开发时的样本分布（预期分布）与当前实际业务中的样本分布（实际分布），从而判断模型评分分布是否发生了显著偏移。
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，i 表示评分区间的第 i 个分箱，实际占比_i 为当前样本在该区间的比例，预期占比_i 为开发样本在该区间的比例。
💡 直观理解： PSI 可以看作是两个分布之间的“距离”度量。如果两个分布完全一致，PSI = 0；差异越大，PSI 值越高。
1.2 PSI 在信用评分模型中的核心地位
信用评分模型通常用于预测借款人的违约概率，其输出分数直接决定授信决策、额度管理和利率定价。一旦模型评分分布发生漂移，将导致以下风险：
- 排序能力下降： 高分客户与低分客户的风险区分度减弱，模型无法有效识别好坏客户。
- 决策阈值失效： 原有的审批通过率、坏账率控制目标无法达成，业务策略需要重新校准。
- 监管合规风险： 金融监管机构要求模型在生命周期内保持稳定，PSI 超标可能触发模型重审或停用。
因此，PSI 被业界公认为模型监控的第一道防线，是衡量模型是否“过时”的核心指标。
1.3 PSI 与模型衰退的关系
模型衰退（Model Decay）是指模型在部署后，随着时间推移其预测性能逐渐下降的现象。PSI 与模型衰退之间存在紧密的因果关系：
| PSI 范围 | 漂移程度 | 模型衰退风险 | 建议行动 |
|---|---|---|---|
| < 0.10 | 无显著漂移 | 低 | 常规监控 |
| 0.10 – 0.25 | 轻度漂移 | 中 | 深入分析漂移原因，准备模型调整 |
| > 0.25 | 严重漂移 | 高 | 立即告警，启动模型重开发或校准 |
模型衰退的典型路径如下：
- 客群结构变化： 宏观经济、政策法规或获客渠道变化导致新客群特征与开发样本不一致。
- 评分分布偏移： 客群变化反映在模型评分上，PSI 开始上升。
- 性能指标恶化： KS、AUC 等区分度指标下降，模型预测准确率降低。
- 业务损失显现： 坏账率上升、通过率异常，直接造成经济损失。
⚠️ 关键认知： PSI 是模型衰退的先行指标。在 KS/AUC 明显下降之前，PSI 往往已经发出预警信号。因此，将 PSI 纳入日常监控体系，可以实现对模型衰退的早期发现和主动干预。
1.4 PSI 漂移的常见原因
- 宏观经济周期： 经济上行/下行导致客户还款能力整体变化。
- 政策法规调整： 监管要求变化影响客群准入标准。
- 业务策略变更： 营销渠道、审批规则、额度策略调整改变客群结构。
- 数据源变化： 征信数据、第三方数据接口更新或缺失。
- 特征失效： 部分特征变量与目标变量的关系随时间减弱。
1.5 为什么 PSI 是监控模型稳定性的核心指标
在众多模型监控指标中，PSI 之所以被赋予核心地位，原因如下：
| 指标 | 监控维度 | 对漂移的敏感度 | 预警时效 |
|---|---|---|---|
| PSI | 评分分布 | 高 | 早期 |
| KS | 区分度 | 中 | 中期 |
| AUC | 整体性能 | 中 | 中期 |
| 坏账率 | 业务结果 | 低 | 滞后 |
🔑 关键优势： PSI 不依赖目标变量（好坏标签），可以在实际标签尚未回传时提前发现分布变化，实现无标签监控。这一特性使其成为模型监控体系中不可替代的组成部分。