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。在信贷风控中，PSI 用于量化评分卡模型在开发样本（预期分布）与当前实际样本（实际分布）之间的分数偏移程度。
PSI 的计算基于对分数区间（通常为 10–20 等分）的分布比较，其核心公式为：
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
- 实际占比（Actual %）：当前监控周期内各分数段的样本比例
- i：分数段序号（1 到 N）
💡 直观理解：PSI 越小，说明当前评分分布与开发时越接近，模型稳定性越好；PSI 越大，说明分布偏移越严重，模型可能已失效。
1.2 PSI 在信贷评分卡中的重要性
信贷评分卡是金融机构进行客户信用评估、授信决策和风险定价的核心工具。评分卡模型通常基于历史数据开发，但现实环境中的客户群体、经济周期、政策法规等因素会随时间变化，导致模型预测能力下降。PSI 正是监测这种“模型退化”的关键指标。
PSI 的重要性体现在以下四个维度：
| 维度 | 说明 | 业务影响 |
|---|---|---|
| 风险识别 | 检测评分分布是否发生结构性偏移 | 提前发现模型失效风险，避免错误决策 |
| 合规要求 | 监管机构要求模型持续有效且可解释 | 满足模型审计与合规审查要求 |
| 决策质量 | 确保评分排序能力与区分度稳定 | 维持授信、定价、催收策略的有效性 |
| 成本控制 | 减少因模型漂移导致的坏账损失 | 降低风险成本，优化资本配置 |
1.3 PSI 漂移对风控决策的影响
当 PSI 超过阈值（通常 PSI > 0.25 视为严重漂移），评分卡模型已无法准确反映当前客群的信用风险，风控决策将面临以下连锁问题：
- 排序能力下降：原本的高分客户可能实际风险更高，低分客户反而表现更好，导致“好坏客户”混淆，模型区分度（如 KS、AUC）显著降低。
- 误判率上升：拒绝本应通过的优质客户（增加机会成本），或通过本应拒绝的高风险客户（增加坏账损失）。
- 策略失效：基于原评分卡设定的授信额度、利率定价、催收优先级等策略不再适用，可能引发系统性风险。
- 监管风险：模型未经及时校准而继续使用，可能违反《商业银行模型风险管理指引》等监管要求，面临处罚。
⚠️ 关键阈值：行业通用 PSI 判断标准：PSI < 0.10 表示无显著变化；0.10 ≤ PSI ≤ 0.25 需关注并分析原因；PSI > 0.25 表示严重漂移，必须立即干预。
1.4 PSI 漂移的常见原因
理解 PSI 漂移的根因，有助于制定有效的告警与应对策略。以下列出信贷场景中最常见的六类原因：
- 客群结构变化：获客渠道调整、市场下沉或上移、新客占比变化
- 宏观经济波动：经济周期、利率调整、失业率变化、行业景气度
- 政策与法规变动：信贷监管收紧、数据合规要求、利率上限调整
- 评分卡自身缺陷：特征失效、变量缺失、模型过拟合、开发样本代表性不足
- 数据质量问题：数据采集错误、缺失率变化、字段映射异常
- 业务策略调整：审批标准放松/收紧、产品设计变更、营销活动影响
1.5 PSI 与其他稳定性指标的对比
在模型监控中，除 PSI 外还有多种稳定性指标。下表对比了 PSI 与常用指标的区别与适用场景：
| 指标 | 全称 | 比较对象 | 适用场景 | 优点 | 局限 |
|---|---|---|---|---|---|
| PSI | 群体稳定性指标 | 评分/概率分布 | 评分卡、概率模型 | 对分布偏移敏感，行业标准 | 对分段方式敏感 |
| CSI | 特征稳定性指标 | 单个特征分布 | 特征级监控 | 定位具体漂移特征 | 无法反映模型整体 |
| KL 散度 | Kullback-Leibler 散度 | 概率分布 | 分布差异度量 | 信息论基础扎实 | 非对称，解释性弱 |
| JS 散度 | Jensen-Shannon 散度 | 概率分布 | 对称性要求场景 | 对称且有界 | 计算稍复杂 |
| χ² 检验 | 卡方检验 | 分类分布 | 假设检验 | 统计显著性明确 | 对样本量敏感 |
📌 实践建议：在信贷评分卡监控体系中，PSI 作为首要告警指标，CSI 用于根因定位，KL/JS 散度可作为辅助验证。三者结合使用，可构建完整的模型稳定性监控框架。
1.6 本章小结
- PSI 是衡量评分分布稳定性的核心指标，计算公式基于分段占比的对数比值。
- 在信贷风控中，PSI 直接影响风险识别、合规、决策质量和成本控制。
- PSI 漂移会导致排序能力下降、误判率上升、策略失效和监管风险。
- 常见漂移原因包括客群变化、宏观波动、政策调整、模型缺陷、数据质量和策略变更。
- PSI 与 CSI、KL/JS 散度、χ² 检验等指标配合使用，可构建完整的稳定性监控体系。