1. 课程导论：PSI指标在风控中的核心价值，哨兵漂移预警的概念，以及本课程的学习目标与案例背景
1.1 为什么风控模型需要“哨兵”
在信贷风控的生命周期中，模型上线只是起点。随着宏观经济、客群结构、业务策略的变化，模型预测能力会逐渐衰减。这种衰减如果未被及时发现，将直接导致坏账率攀升、审批策略失效。传统风控依赖月度或季度报表进行事后复盘，但这种方式存在两个致命缺陷：滞后性（发现问题时损失已发生）和模糊性（无法定位是客群漂移还是模型失效）。
因此，我们需要一个实时、量化、可回溯的预警机制——这就是“哨兵漂移预警”体系的核心诉求。
💡 核心洞察： PSI（Population Stability Index，群体稳定性指标）是量化“客群漂移”最成熟、最直观的统计工具。本课程将证明：PSI 不仅是监控指标，更是回测坏账率、定位漂移根因、驱动策略调优的“哨兵”。
1.2 PSI指标在风控中的核心价值
PSI 衡量的是两个样本分布之间的差异程度。在风控场景中，通常对比建模样本（基准分布）与线上实时样本（当前分布）在模型评分或关键特征上的分布偏移。其计算公式为：
PSI = Σ ( (P_i - Q_i) * ln(P_i / Q_i) )
其中：
- P_i = 基准分布中第 i 个分箱的占比
- Q_i = 当前分布中第 i 个分箱的占比
- 分箱通常按模型评分或特征等频/等距划分（常用 10 箱）PSI 在风控中的三大核心价值：
| 价值维度 | 具体说明 | 业务影响 |
|---|---|---|
| 早期预警 | PSI > 0.1 即提示分布发生显著变化，比坏账率上升提前 1-3 个月 | 争取策略调整窗口期，减少损失 |
| 归因定位 | 可拆解到每个分箱的贡献度，快速定位是高分客群流失还是低分客群涌入 | 精准制定客群分层策略 |
| 回测验证 | 将 PSI 与历史坏账率对齐，建立“漂移-坏账”映射关系，量化漂移对资产质量的影响 | 为模型迭代提供数据支撑 |
📊 行业经验阈值：
- PSI < 0.1：分布稳定，无需干预
- 0.1 ≤ PSI < 0.25：轻度漂移，需加强监控
- PSI ≥ 0.25：严重漂移，必须立即排查并启动策略调整
1.3 哨兵漂移预警的概念
“哨兵漂移预警”是一套自动化、多层级、可解释的监控体系。它并非单一指标，而是由 PSI 指标驱动、结合业务规则与机器学习模型的综合预警系统。其核心架构如下：
该体系的核心逻辑是：数据驱动 → 量化计算 → 阈值预警 → 闭环行动。PSI 作为计算层的核心指标，将原始数据转化为可决策的预警信号。
1.4 本课程学习目标
通过本课程，你将掌握以下核心能力：
- PSI 指标深度理解：从数学原理到业务含义，掌握 PSI 的完整计算与解读方法。
- 哨兵预警系统搭建：使用 Python 实现自动化 PSI 监控流水线，包括分箱、计算、阈值判断、告警触发。
- 坏账率回测对齐：将 PSI 漂移与历史坏账率进行时间序列对齐，建立“漂移-损失”量化模型。
- 案例实战：基于真实风控场景数据，完成从数据预处理、PSI 计算、预警触发到策略建议的完整闭环。
- 工程化部署：学习如何将 PSI 监控模块嵌入现有风控系统，实现每日自动巡检。
⚠️ 学习前提： 本课程要求学员具备基础的 Python 编程能力（pandas、numpy）、基本的统计学知识（分布、分箱）以及信贷风控业务常识。课程代码将在 Jupyter Notebook 中演示，并提供完整脚本。
1.5 案例背景：某消费金融平台的坏账率异常波动
本课程将围绕一个真实业务场景展开：
案例设定： 某头部消费金融平台，主营 3-12 期小额消费贷。2024 年 Q1 起，M3+ 坏账率从 2.1% 逐步攀升至 3.8%，但业务团队无法快速定位根因。初步排查发现：
- 模型 AUC 保持稳定（0.72 → 0.70）
- 通过率未发生明显变化
- 但客群评分分布出现持续右移（高分客群占比下降）
我们怀疑是客群漂移导致模型失效。本课程将使用 PSI 指标作为“哨兵”，通过以下步骤还原问题并给出解决方案：
| 步骤 | 任务 | 工具/方法 |
|---|---|---|
| 1 | 加载历史评分数据与坏账标签 | pandas, SQL |
| 2 | 计算月度 PSI 并绘制趋势图 | numpy, matplotlib |
| 3 | 分解 PSI 分箱贡献度，定位漂移区间 | 自定义函数 |
| 4 | 将 PSI 与坏账率进行时间序列对齐 | pandas.rolling, scipy |
| 5 | 设定预警阈值并触发告警 | 规则引擎 |
| 6 | 输出策略调整建议 | 业务规则 + 可视化报告 |
通过本案例，你将亲眼见证 PSI 如何从“一个数字”变成“一套预警系统”，并最终帮助业务团队在坏账率失控前完成策略调优。
📌 课程交付物： 完整的 Python 脚本（PSI 计算 + 哨兵预警 + 回测对齐）、可复用的 Jupyter Notebook、以及一套可直接部署的 PSI 监控模板。