量化回测坏账率哨兵PSI漂移告警教程 - 第4节
4.1 群体稳定性指标（PSI）定义
群体稳定性指标（Population Stability Index，简称 PSI）是量化风控中衡量两个样本分布差异的核心统计量。在信贷场景中，它主要用于监控模型评分、用户特征或坏账率在时间维度上的分布是否发生显著偏移。
PSI 的核心思想是：如果模型在开发样本（预期分布）和当前样本（实际分布）上的表现一致，那么两个样本的分数或特征分布应该高度相似；反之，若分布差异过大，则说明模型稳定性下降，可能产生预测偏差。
PSI 在坏账率哨兵中的角色： 当 PSI 超过阈值时，意味着当前批次的用户风险结构与建模时不同，模型对坏账率的预测可能失效，需要触发告警并重新校准。
4.2 PSI 的数学公式
PSI 的计算基于分箱（Binning）后的分布对比。假设将模型评分或特征值划分为 k 个区间（箱），每个区间在预期分布中的占比为 Pi，在实际分布中的占比为 Qi，则 PSI 公式为：
PSI = Σ ( (Q_i - P_i) * ln(Q_i / P_i) ) (i = 1, 2, ..., k)其中：
- Pi：第 i 个箱在预期分布（通常为建模样本或基准期）中的占比。
- Qi：第 i 个箱在实际分布（当前监控期）中的占比。
- ln(Qi / Pi)：自然对数，用于放大差异。
- Σ：对所有箱求和，得到整体偏移量。
计算注意事项： 当某个箱的 Pi 或 Qi 为 0 时，为避免 ln(0) 无定义，通常对占比做微小平滑处理（如加 0.0001）或合并空箱。
4.3 PSI 的直观理解
PSI 可以理解为“两个分布之间的加权距离”。从信息论角度看，它近似于相对熵（KL 散度）的对称化形式。直观上，PSI 越大，两个分布差异越大；PSI 越小，分布越一致。
在风控实践中，通常使用以下经验阈值判断稳定性：
| PSI 值范围 | 稳定性判断 | 建议动作 |
|---|---|---|
| PSI < 0.1 | 高度稳定 | 无需干预，继续监控 |
| 0.1 ≤ PSI < 0.25 | 轻度漂移 | 关注趋势，排查原因 |
| PSI ≥ 0.25 | 严重漂移 | 立即告警，模型需重新校准 |
下面通过一个具体案例帮助理解：
案例： 某信贷模型将用户评分分为 5 个等级（箱）。基准期各等级占比为 [20%, 30%, 25%, 15%, 10%]，当前期占比变为 [10%, 20%, 30%, 25%, 15%]。计算 PSI 后得到 0.18，属于轻度漂移，说明用户评分分布正在向高风险等级偏移，需要进一步分析原因。
4.4 PSI 计算流程与分布对比可视化
下图展示了 PSI 计算的完整流程，从分箱到求和，以及分布对比的直观效果：
4.5 PSI 与坏账率漂移的关系
在坏账率哨兵系统中，PSI 并非直接计算坏账率本身，而是监控模型评分或关键特征（如收入、负债率）的分布变化。当这些特征的 PSI 超过阈值时，往往预示着坏账率即将发生漂移。两者关系如下：
- 特征 PSI 先行： 用户特征分布变化通常早于坏账率变化 1-3 个月，可作为早期预警信号。
- 模型评分 PSI 同步： 模型评分分布变化与坏账率变化高度相关，是直接监控对象。
- 坏账率 PSI 滞后： 直接计算坏账率的 PSI 虽然直观，但存在滞后性，不利于提前干预。
常见误区： 不要等到坏账率 PSI 已经很高时才告警。应优先监控模型评分和关键特征的 PSI，实现前置预警。
下表总结了 PSI 在不同监控对象上的应用特点：
| 监控对象 | 预警时效 | 与坏账率相关性 | 推荐阈值 |
|---|---|---|---|
| 模型评分 | 同步 | 高 | 0.1 |
| 关键特征（如收入） | 提前 1-3 个月 | 中高 | 0.1-0.15 |
| 坏账率 | 滞后 | 直接 | 0.25 |
4.6 PSI 的局限性
尽管 PSI 是风控稳定性监控的标配工具，但它并非万能。理解其局限性有助于更合理地使用：
- 对分箱方式敏感： 不同分箱策略（等宽、等频、自定义）会导致 PSI 值不同，需统一标准。
- 无法区分偏移方向： PSI 只反映分布差异大小，不指示是向高风险还是低风险偏移，需结合业务分析。
- 对样本量敏感： 样本量过小时，PSI 可能不稳定；样本量过大时，微小差异也会被放大。
- 阈值经验性较强： 0.1 和 0.25 是行业经验值，实际应用中需根据业务场景调整。
最佳实践： 建议同时监控 PSI 和特征均值/标准差的变化趋势，结合业务逻辑综合判断，避免单一指标误判。