1. PSI 指标概述：群体稳定性指标的定义、起源与核心价值
1.1 什么是 PSI？
PSI（Population Stability Index，群体稳定性指标）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，它主要用于监控模型评分或关键特征在时间维度上的分布偏移，从而判断模型是否仍适用于当前客群。
核心定义：PSI 通过比较预期分布（如建模样本）与实际分布（如线上评分样本）在每个分箱上的占比差异，量化整体分布的变化程度。PSI 值越大，说明分布偏移越严重，模型失效风险越高。
1.2 PSI 的起源与数学原理
PSI 最早由统计学家在群体比较研究中提出，后被引入信用评分领域，成为模型监控的标配指标。其计算公式基于信息论中的 交叉熵 思想：
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，i 代表第 i 个分箱（通常按评分或特征值等宽或等频划分）。
| 分箱序号 | 预期占比 (A) | 实际占比 (B) | (B - A) | ln(B / A) | 单项贡献 |
|---|---|---|---|---|---|
| 1 | 0.20 | 0.15 | -0.05 | -0.2877 | 0.0144 |
| 2 | 0.30 | 0.35 | 0.05 | 0.1542 | 0.0077 |
| 3 | 0.25 | 0.28 | 0.03 | 0.1133 | 0.0034 |
| 4 | 0.15 | 0.12 | -0.03 | -0.2231 | 0.0067 |
| 5 | 0.10 | 0.10 | 0.00 | 0.0000 | 0.0000 |
| PSI 合计 | 0.0322 | ||||
经验阈值：PSI < 0.1 表示分布稳定；0.1 ≤ PSI < 0.25 表示轻度偏移，需关注；PSI ≥ 0.25 表示严重偏移，建议立即排查并考虑模型迭代。
1.3 PSI 在风控中的核心价值
在授信决策引擎中，PSI 承担着 模型健康度“晴雨表” 的角色。其核心价值体现在以下四个方面：
- 早期预警：在模型效果明显下降之前，PSI 能提前捕捉到客群分布的变化，为策略调整争取时间。
- 归因分析：通过计算每个特征的 PSI，可以快速定位导致模型偏移的关键变量（如收入、负债比等）。
- 决策支持：当 PSI 超过阈值时，触发决策引擎的“降级”或“拒绝”策略，避免模型失效带来的风险敞口。
- 合规与审计：监管机构要求模型使用期间保持稳定，PSI 是证明模型持续有效的量化证据。
1.4 PSI 在授信决策引擎中的位置
下图展示了 PSI 监控模块在典型授信决策引擎中的嵌入位置与数据流向：
1.5 PSI 与其他稳定性指标的对比
| 指标名称 | 对比对象 | 适用场景 | 优点 | 局限 |
|---|---|---|---|---|
| PSI | 两个分布的整体差异 | 模型评分、特征分布监控 | 综合性强，阈值通用 | 对分箱方式敏感 |
| CSI | 特征级别的分布差异 | 特征归因分析 | 可定位具体变量 | 需配合 PSI 使用 |
| KS | 好坏样本的区分度 | 模型区分能力评估 | 直观反映排序能力 | 不直接衡量稳定性 |
| IV | 特征对好坏的预测力 | 特征筛选 | 量化预测强度 | 与稳定性无关 |
常见误区：PSI 低并不代表模型效果一定好，它只说明分布未发生显著偏移。模型本身可能从一开始就区分能力不足，因此 PSI 需与 KS、AUC 等效果指标配合使用，才能全面评估模型健康度。