1. PSI 概念与背景
1.1 PSI 的定义
群体稳定性指标（Population Stability Index，PSI） 是一种衡量两个样本分布之间差异程度的统计量。在风控与模型监控场景中，PSI 用于量化模型评分（或某个特征）在 时间维度 上的分布偏移程度。
PSI 的计算基于对样本分箱后的分布差异求和，其数学公式如下：
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：
- 预期占比（Expected）：模型开发时（或基准期）的样本分布比例。
- 实际占比（Actual）：当前监控期（或验证期）的样本分布比例。
- i：分箱后的第 i 个区间。
PSI 值越大，说明两个分布之间的差异越显著，模型或特征越不稳定。
1.2 PSI 在风控与模型监控中的重要性
在信贷风控、反欺诈、用户评分等场景中，模型上线后并非一成不变。客群行为、宏观经济、政策法规的变化都会导致模型输入特征分布发生偏移。PSI 是监控这种偏移的核心指标，其重要性体现在以下方面：
| 应用场景 | PSI 的作用 | 典型阈值 |
|---|---|---|
| 模型上线后监控 | 判断模型评分分布是否与开发期一致 | PSI < 0.1：无显著偏移 0.1 ≤ PSI < 0.25：需关注 PSI ≥ 0.25：需紧急干预 |
| 特征稳定性巡检 | 识别单个特征是否发生分布漂移 | 特征 PSI > 0.1 时标记为不稳定特征 |
| 模型迭代与回退决策 | 量化模型失效程度，决定是否回退或重建 | 连续 2 个监控周期 PSI > 0.25 触发回退 |
关键认知： PSI 不是万能的，它只能检测分布变化，不能解释变化原因。当 PSI 触发告警时，需要结合特征重要性、业务逻辑进行根因分析。
1.3 PSI 与群体稳定性分析的关系
群体稳定性分析是一个更广泛的框架，PSI 是其核心量化工具。两者的关系可以概括为：
- 群体稳定性分析：指对模型或特征在不同时间、不同客群子集上的表现一致性进行系统性评估，包括分布检验、性能衰减分析、特征重要性变化等。
- PSI：是群体稳定性分析中最常用、最直观的量化指标，专门用于衡量分布偏移的程度。
下图展示了群体稳定性分析的整体框架以及 PSI 在其中所处的位置：
实践建议： 在搭建模型监控体系时，建议将 PSI 作为第一道防线。每周或每月计算一次模型评分和关键特征的 PSI，当 PSI 超过 0.1 时启动详细分析流程，超过 0.25 时立即触发模型回退或重新训练流程。
1.4 PSI 的典型应用场景对比
为了更清晰地理解 PSI 在不同场景下的使用方式，下表总结了三种常见应用场景的差异：
| 场景 | 计算对象 | 基准期 | 监控期 | 告警阈值 |
|---|---|---|---|---|
| 模型评分稳定性 | 模型输出的概率或分数 | 模型开发时的评分分布 | 当前生产环境的评分分布 | 0.1 / 0.25 |
| 特征分布漂移 | 单个特征（如年龄、收入） | 训练集的特征分布 | 线上实时特征分布 | 0.1 |
| 客群结构变化 | 客群标签或分群变量 | 历史稳定客群分布 | 当前进件客群分布 | 0.2 |
注意： PSI 阈值并非绝对标准。在业务波动较大的行业（如电商大促期间），可适当放宽阈值至 0.15~0.3；在监管要求严格的场景（如银行信贷），建议采用更严格的 0.1 阈值。