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。在信用评分卡领域，PSI 用于量化模型评分在 开发样本 与 实际应用样本 之间的分布偏移程度，是模型监控中最核心的量化指标之一。
PSI 的计算基于信息论中的 KL 散度（Kullback-Leibler divergence）对称化形式，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：
- 预期占比（Expected）：模型开发时各分数段的样本比例（基准分布）
- 实际占比（Actual）：模型上线后各分数段的样本比例（当前分布）
- i：分数段编号，通常将评分区间等分为 10 段
💡 直观理解： PSI 值越大，说明当前样本的评分分布与开发时越不一致，模型可能发生了"漂移"（drift），需要引起警惕。
1.2 为什么 PSI 在信用评分卡中至关重要
信用评分卡是金融机构风险管理的核心工具，直接影响信贷审批、额度授予、利率定价等关键决策。如果模型发生分布偏移而未被及时发现，将导致以下严重后果：
| 风险维度 | 具体影响 | 后果严重性 |
|---|---|---|
| 审批决策 | 评分偏移导致拒绝率异常升高或降低 | 直接损失优质客户或增加坏账 |
| 风险排序 | 模型区分能力下降，好坏客户混淆 | 风险定价失效，组合质量恶化 |
| 合规审计 | 模型偏离开发时验证的公平性标准 | 监管处罚、声誉损失 |
| 业务策略 | 基于旧模型制定的策略不再适用 | 策略效果打折，资源错配 |
⚠️ 关键认知： 信用评分卡不是"一次开发、永久使用"的静态工具。宏观经济、客群结构、政策环境的变化都会导致评分分布偏移。PSI 是捕捉这些变化的"预警雷达"。
1.3 模型监控的生命周期
PSI 监控贯穿模型从开发到退出的完整生命周期。以下按阶段说明 PSI 的应用场景：
- 开发阶段（基准建立）
- 使用开发样本计算各分数段的预期占比
- 确定 PSI 监控阈值（通常 0.1 为警告线，0.25 为行动线）
- 建立监控报告模板和自动化流程
- 上线初期（基准验证）
- 上线后第 1 个月：每周计算 PSI，验证基准稳定性
- 与开发样本对比，确认无系统性偏差
- 若 PSI > 0.1，需排查数据管道或评分引擎问题
- 常规监控（持续跟踪）
- 月度 PSI 计算：对比当月样本 vs 开发样本
- 季度 PSI 趋势分析：观察 PSI 随时间的变化曲线
- 分群 PSI 监控：按产品、渠道、地区等维度细分
- 预警与干预（触发行动）
- PSI > 0.25：触发模型重开发或校准流程
- PSI 持续上升趋势：即使未达阈值也需排查原因
- 结合其他指标（如 KS、AUC）综合判断模型状态
- 模型退出（退役决策）
- PSI 长期超标且无法通过调整修复
- 新模型开发完成并通过验证
- 制定新旧模型切换的过渡策略
1.4 PSI 的行业标准与阈值解读
在信用评分卡实践中，PSI 的解读已形成行业通用标准。以下为常用的阈值判断规则：
| PSI 值范围 | 稳定性等级 | 建议行动 |
|---|---|---|
| PSI < 0.10 | 稳定（Stable） | 无需干预，维持常规监控频率 |
| 0.10 ≤ PSI < 0.25 | 需关注（Attention） | 排查原因，增加监控频率，准备应对方案 |
| PSI ≥ 0.25 | 需干预（Action） | 立即启动模型审查，考虑校准或重开发 |
📌 实战要点：
- 阈值不是绝对的，需结合业务场景调整。例如：高风险产品可收紧至 0.15 即触发预警
- PSI 趋势比单次值更重要：连续 3 个月上升即使未达 0.25 也应深入分析
- 分群 PSI 监控能发现局部偏移：整体 PSI 正常但某个渠道 PSI 超标的情况并不少见
- PSI 需与模型区分度指标（KS、AUC）配合使用，避免误判
1.5 PSI 与其他稳定性指标的对比
模型监控中除 PSI 外，还有其他稳定性指标。了解它们的差异有助于构建完整的监控体系：
| 指标 | 衡量对象 | 计算复杂度 | 主要用途 |
|---|---|---|---|
| PSI | 评分分布的整体偏移 | 低（分段统计） | 模型输出稳定性监控 |
| CSI | 特征分布的偏移 | 中（需特征分段） | 定位导致 PSI 偏移的特征 |
| KS | 好坏样本的区分能力 | 中（需好坏标签） | 模型区分度监控 |
| Gini / AUC | 模型排序能力 | 中（需好坏标签） | 模型性能趋势监控 |
💡 最佳实践： 将 PSI 作为"第一道防线"——它计算简单、无需好坏标签、可高频运行。当 PSI 触发预警后，再使用 CSI 定位具体特征，结合 KS/AUC 评估模型性能是否真正下降，形成"预警→定位→评估"的完整监控链路。