金融特征PSI缺失巡检实战教程 - 第1节

1.1 PSI 的定义与数学表达

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。在金融风控中，PSI 用于量化模型评分或特征分布在 开发时点（期望分布） 与 监控时点（实际分布） 之间的偏移程度。

PSI 的计算基于 分箱（Binning） 思想，将连续变量或概率值划分为 k 个区间，然后逐箱比较实际占比与期望占比的差异。其数学公式如下：

PSI = Σ (实际占比_i - 期望占比_i) × ln(实际占比_i / 期望占比_i)
其中 i = 1, 2, ..., k（分箱编号）

1.2 PSI 在风控模型监控中的核心价值

在信贷风控全生命周期中，模型依赖的特征分布一旦发生漂移，将直接导致评分失真、排序能力下降、坏账率失控。PSI 作为分布漂移的 量化仪表盘，具有以下不可替代的价值：

• 早期预警：在模型性能明显恶化之前，PSI 即可捕捉到特征分布的细微变化，为模型迭代争取时间窗口。
• 归因定位：通过计算每个特征的 PSI，快速定位导致模型失效的 根因特征，避免盲目调参。
• 合规审计：监管机构（如银保监会）要求金融机构定期报告模型稳定性，PSI 是标准化的量化证据。
• 阈值决策：基于 PSI 设定监控阈值（如 <0.1 稳定，0.1~0.25 需关注，>0.25 需重构），实现自动化运维。

1.3 特征分布漂移对模型性能的影响

特征分布漂移（Feature Distribution Drift）是指模型输入特征的统计分布在训练集与线上真实环境之间发生系统性变化。这种漂移通过以下机制侵蚀模型性能：

1. 评分偏移：特征取值整体升高或降低，导致模型输出分数系统性偏高或偏低，破坏分数与风险等级的对应关系。
2. 排序能力下降：特征与目标变量之间的关联强度发生变化，模型对好坏客户的区分能力（如 KS、AUC）显著衰减。
3. 决策边界失效：原本在训练集上最优的阈值（如拒绝线）不再适用于新分布，导致通过率与坏账率同时恶化。
4. 群体不均衡：某些分箱的样本占比骤增或骤减，模型在该群体上的预测置信度大幅降低。

1.4 PSI 与特征缺失的关联

特征缺失率的变化是分布漂移的一种特殊形式。当某个特征的缺失率在监控期显著上升时，PSI 会同步升高，因为缺失样本会被归入单独的分箱或与相邻箱合并。因此，PSI 缺失巡检 的核心思路是：

• 将缺失率作为特征分布的一部分纳入 PSI 计算。
• 当缺失率 PSI 超过阈值时，优先排查数据采集链路、上游系统变更或业务规则调整。
• 缺失率漂移往往比数值漂移更容易修复（如补全数据源、修复 ETL 脚本），是模型稳定性维护的 低成本切入点。