4、PSI在授信决策中的角色：PSI如何作为模型监控、策略监控与客群迁徙的预警信号

在授信决策引擎的日常运营中，模型失效、策略偏差与客群漂移是三大核心风险。PSI（群体稳定性指标）作为量化分布偏移的工具，贯穿了从模型上线到策略迭代的全生命周期。本章将系统阐述PSI在三个关键场景中的预警机制与落地方法。

4.1 模型监控：PSI作为模型稳定性的“体温计”

模型上线后，其评分分布会随宏观经济、客群结构或数据源质量的变化而发生偏移。PSI通过对比模型评分在“开发样本”与“实时样本”上的分布差异，量化模型失效风险。

4.2 策略监控：PSI作为策略效果的“风向标”

授信策略（如额度、利率、拒绝规则）的调整会改变通过客群的分布。PSI用于监控策略变更前后，关键指标（如申请评分、收入、负债率）的分布是否发生预期外的偏移。

4.3 客群迁徙：PSI作为客群结构变化的“探测器”

客群迁徙是指申请客群在时间维度上的结构性变化，例如从优质客群向次级客群漂移，或从年轻客群向年长客群迁移。PSI通过对比不同时间窗口的客群特征分布，量化迁徙程度。

4.4 三场景联动：PSI预警信号的分级响应机制

在实际运营中，模型监控、策略监控与客群迁徙并非孤立事件。一个PSI预警信号可能同时涉及多个场景。下表展示了典型的三场景联动响应机制：

4.5 代码示例：PSI预警信号的分级判断逻辑

以下Python代码展示了如何在授信决策引擎中实现PSI预警信号的分级判断：

def psi_alert_level(psi_value, context_type="model"):
    """
    根据PSI值返回预警等级和响应动作
    
    参数:
        psi_value: float, 计算得到的PSI值
        context_type: str, 监控场景类型 ("model"/"strategy"/"population")
    
    返回:
        dict: 包含预警等级、颜色、建议动作
    """
    if psi_value < 0.02:
        return {"level": "正常", "color": "green", "action": "持续监控"}
    
    elif psi_value < 0.05:
        return {"level": "蓝色预警", "color": "blue", 
                "action": f"记录{context_type}日志，标记偏移变量"}
    
    elif psi_value < 0.1:
        return {"level": "黄色预警", "color": "yellow",
                "action": f"启动{context_type}诊断，检查最近变更"}
    
    elif psi_value < 0.25:
        return {"level": "橙色预警", "color": "orange",
                "action": f"触发{context_type}重训/回滚，生成迁徙报告"}
    
    else:
        return {"level": "红色预警", "color": "red",
                "action": f"紧急{context_type}切换/冻结，启动客群重定向"}

# 示例调用
alert = psi_alert_level(0.12, context_type="model")
print(f"预警等级: {alert['level']}, 建议动作: {alert['action']}")
# 输出: 预警等级: 橙色预警, 建议动作: 触发model重训/回滚，生成迁徙报告