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，简称 PSI）是衡量两个样本分布之间差异程度的统计量。在信用评分模型领域，PSI 用于量化模型评分在 开发样本（预期分布） 与 实际应用样本（实际分布） 之间的偏移程度。PSI 值越小，说明模型评分分布越稳定，模型在时间维度上的泛化能力越强。
PSI 的计算基于信息论中的 KL 散度（Kullback-Leibler divergence） 思想，其数学表达式为：
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，i 表示将评分划分为的等宽或等频分箱序号，实际占比_i 为当前监控样本在第 i 个分箱中的样本比例，预期占比_i 为建模开发样本在第 i 个分箱中的样本比例。
💡 直观理解： PSI 可以看作"两个分布之间的差异距离"。如果模型在开发时和上线后，每个分数段的人群比例几乎不变，PSI 趋近于 0；如果人群大量从低分段"漂移"到高分段（或反之），PSI 就会显著增大。
1.2 PSI 在信用评分模型中的核心作用
信用评分模型通常用于评估借款人的违约概率（PD），其输出分数直接决定授信额度、利率定价和审批决策。PSI 在模型全生命周期管理中扮演着 "预警雷达" 的角色，具体作用体现在以下三个层面：
| 作用层面 | 具体描述 | 业务影响 |
|---|---|---|
| 模型性能监控 | 持续追踪模型评分分布是否发生结构性偏移 | 提前发现模型失效风险，避免大规模坏账 |
| 客群结构变化识别 | 捕捉宏观经济、政策调整或获客渠道变化导致的客群迁移 | 辅助调整风控策略，优化客群准入标准 |
| 模型迭代触发 | 当 PSI 超过阈值时，触发模型重新开发或校准流程 | 确保模型始终适应当前客群，维持区分能力 |
⚠️ 常见误区： PSI 只衡量评分分布的变化，不直接衡量模型排序能力（如 AUC/KS）的下降。一个模型可能 PSI 很小但区分能力已经退化，因此 PSI 需要与 KS、AUC、Lift 等指标配合使用，形成完整的监控体系。
1.3 模型监控与业务决策的关系
信用评分模型的监控不是单纯的"技术活"，而是连接 数据科学 与 业务决策 的桥梁。PSI 作为监控体系的核心指标，其告警结果直接影响以下业务决策：
- 审批策略调整： 当 PSI 显示评分分布向低分段偏移时，可能意味着新客群风险上升，需要收紧审批阈值或提高定价。
- 贷后管理强化： 高分段客群占比下降时，存量优质客户可能流失，需启动挽留策略或调整催收优先级。
- 模型版本切换： PSI 持续超过 0.25（行业常用阈值）且伴随区分能力下降，应启动模型重开发流程。
- 外部环境响应： 结合宏观指标（如失业率、GDP 增速）解释 PSI 变化原因，制定前瞻性风控预案。
下图展示了 PSI 在模型监控与业务决策闭环中的位置：
1.4 PSI 阈值与业务解读
行业实践中，PSI 的阈值通常根据业务容忍度和模型重要性进行分级设定。以下为通用的 PSI 阈值参考标准：
| PSI 范围 | 稳定性等级 | 业务建议 |
|---|---|---|
| 0.00 ~ 0.10 | 稳定 | 无需干预，模型表现正常 |
| 0.10 ~ 0.25 | 轻度偏移 | 需关注并分析偏移原因，加强监控频率 |
| 0.25 ~ 0.50 | 中度偏移 | 触发告警，启动模型校准或局部调整 |
| > 0.50 | 严重偏移 | 立即停用模型，启动重开发流程 |
📌 关键认知： PSI 不是"越大越坏"的绝对指标，需要结合业务场景解读。例如，在信贷紧缩政策实施后，PSI 升高可能反映风控策略收紧的预期效果，而非模型失效。因此，PSI 告警必须配合 原因分析 和 业务上下文 才能做出正确决策。
下图展示了 PSI 在不同偏移程度下的分布对比：