1. PSI 概念与 KYC 场景
1.1 群体稳定性指标（PSI）的定义
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。在金融风控领域，PSI 用于量化模型评分或特征分布在时间维度上的变化幅度，是监控模型稳定性的核心指标。
PSI 的核心思想是：如果模型在开发样本（预期分布）与当前生产样本（实际分布）上的输出分布保持一致，则模型表现稳定；反之，若分布发生显著偏移，则模型可能已失效，需要触发告警与干预。
关键理解： PSI 不是衡量模型预测准确率的指标，而是衡量模型输入或输出分布是否发生结构性变化的指标。即使模型准确率暂时未下降，PSI 漂移也可能预示未来风险的积累。
1.2 数学公式与计算步骤
PSI 的计算基于信息论中的 KL 散度（Kullback-Leibler Divergence）变体，公式如下：
PSI = Σ (P_i - Q_i) × ln(P_i / Q_i)其中：
- P_i：第 i 个分箱中实际分布（当前生产数据）的样本占比
- Q_i：第 i 个分箱中预期分布（开发样本或基准期数据）的样本占比
- ln(P_i / Q_i)：自然对数，衡量两个占比的相对差异
标准计算流程包含以下 5 个步骤：
- 分箱处理：将模型评分或特征值划分为 10~20 个等宽或等频区间
- 计算预期占比：统计每个区间在基准样本中的样本数占比 Q_i
- 计算实际占比：统计每个区间在当前监控样本中的样本数占比 P_i
- 计算区间贡献：对每个区间计算 (P_i - Q_i) × ln(P_i / Q_i)
- 汇总 PSI：将所有区间的贡献值求和，得到最终 PSI 值
| PSI 值范围 | 稳定性等级 | 建议行动 |
|---|---|---|
| < 0.10 | 稳定 | 无需干预，持续监控 |
| 0.10 ~ 0.25 | 轻度漂移 | 发出预警，排查原因 |
| > 0.25 | 严重漂移 | 触发告警，立即干预 |
行业经验： 0.10 和 0.25 是金融风控领域通用的 PSI 阈值，但实际应用中可根据模型重要性、业务容忍度进行微调。高价值客群模型建议采用更严格的阈值（如 0.05/0.15）。
1.3 PSI 在 KYC 模型中的核心作用
KYC（了解你的客户）模型是金融机构用于客户身份验证、风险评级和反洗钱筛查的核心工具。PSI 在 KYC 场景中承担以下 4 项关键职能：
- 客户画像漂移检测：KYC 模型依赖客户特征（如年龄、收入、职业、地域、交易行为）进行风险评分。当宏观经济、监管政策或客群结构发生变化时，特征分布会偏移，PSI 可第一时间捕捉这种变化。
- 模型时效性评估：KYC 模型通常每 6~12 个月需要重新开发或校准。PSI 持续监控可判断模型是否仍适应当前客群，为模型迭代提供量化依据。
- 反洗钱规则有效性验证：在反洗钱场景中，PSI 可用于监控交易特征分布是否异常，辅助识别新型洗钱模式或规则失效。
- 监管合规报告：金融监管机构（如央行、银保监会）要求模型具备可解释性和稳定性监控记录。PSI 报告是模型审计和合规检查的标准材料。
常见误区： PSI 值低并不代表模型预测准确率高。一个 PSI 稳定的模型可能本身已经过时或存在偏差，因此 PSI 监控必须与模型性能指标（如 AUC、KS、准确率）联合使用，形成完整的模型健康度评估体系。