📚 课程目录第2章 PSI指标基础

2. PSI指标基础：群体稳定性指标

群体稳定性指标（Population Stability Index，PSI）是信用评分模型监控中最核心的量化指标之一。它用于衡量模型评分分布在不同时间窗口（如建模样本 vs. 当前样本）之间的偏移程度，从而判断模型是否仍然适用于当前客群。

PSI通过比较两个样本群体在相同分数段上的占比差异，来量化分布的变化幅度。其核心思想是：如果模型评分分布保持稳定，则各分数段的样本占比不应发生显著变化；反之，若分布发生明显漂移，则说明模型可能已不再适应当前客群特征。

  关键概念： PSI 值越大，表示两个群体的分布差异越大，模型稳定性越差。通常将建模样本（或基准样本）称为“预期分布”，将当前监控样本称为“实际分布”。

PSI 的计算基于分箱（binning）思想，将评分范围划分为 k 个等宽或等频区间，然后逐区间计算预期占比与实际占比的差异。标准公式如下：

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：

计算要点： 当某个分数段的预期占比或实际占比为 0 时，为避免对数计算无定义，通常采用平滑处理（如加一个小常数 0.0001）或合并相邻区间。

在信用评分模型的实际应用中，PSI 值被划分为三个风险等级，用于指导模型监控和干预决策：

PSI 取值范围	稳定性等级	业务含义	建议行动
PSI < 0.1	稳定	模型评分分布无显著变化，模型表现正常	继续监控，无需干预
0.1 ≤ PSI < 0.25	轻度漂移	模型评分分布出现一定偏移，需关注原因	排查客群变化或外部环境因素，加强监控频率
PSI ≥ 0.25	严重漂移	模型评分分布发生显著偏移，模型可能失效	立即告警，启动模型复审或重新开发

上述阈值是行业通用经验值，实际应用中可根据业务风险偏好和模型重要性进行微调。例如，对于核心审批模型，可将轻度漂移阈值下调至 0.08。

下图展示了 PSI 计算的完整流程，从数据分箱到最终告警判断：

PSI 反映的是模型评分分布的整体偏移，而非单个客户评分的变化。理解这一点对正确使用 PSI 至关重要：

分布偏移 ≠ 模型失效：有时客群结构变化（如政策调整、经济周期）会导致评分分布整体移动，但模型排序能力（如 AUC）可能仍然良好。此时需结合其他指标综合判断。
PSI 对极端值敏感：如果某个分数段出现极端占比（如 0% 或 100%），PSI 值会被放大。建议在分箱时确保每个区间都有足够样本。
PSI 无法定位原因：PSI 只能告诉你“分布变了”，但不能告诉你“为什么变”。需要结合特征 PSI、变量分布图等工具进一步诊断。

常见误区： 不要仅凭 PSI 一个指标就决定是否停用模型。PSI 应作为“哨兵指标”，触发告警后需启动更深入的分析流程，包括特征漂移分析、模型性能评估（如 KS、AUC）和业务逻辑核查。

在实际监控中，除了计算模型评分的 PSI，还会计算每个输入特征的 PSI（称为特征PSI或变量PSI），用于定位漂移来源。下表对比了两者的差异：

特征 PSI 的阈值通常比模型评分 PSI 更严格，因为单个特征的微小漂移可能被模型内部的权重抵消，但累积起来仍可能影响整体稳定性。

假设我们将评分范围划分为 3 个区间，基准样本和当前样本的占比数据如下：

分数区间	预期占比（基准）	实际占比（当前）	差值	比值	ln(比值)	单项 PSI
300-500	0.30	0.25	-0.05	0.8333	-0.1823	0.0091
500-700	0.50	0.55	0.05	1.1000	0.0953	0.0048
700-900	0.20	0.20	0.00	1.0000	0.0000	0.0000
合计	1.00	1.00				0.0139

计算得到 PSI = 0.0139，远小于 0.1，说明该模型在当前监控周期内分布稳定，无需告警。