2. PSI 指标入门：定义、计算与监控意义

PSI（Population Stability Index，群体稳定性指标）是风控模型监控中最核心的量化工具之一。它衡量的是模型评分（或某个关键特征）在时间维度上的分布偏移程度。当模型上线后，如果入模特征或评分分布发生显著变化，模型预测能力就会衰减，PSI 正是捕捉这种衰减的“哨兵”。

2.1 PSI 的定义与业务含义

PSI 本质上衡量的是两个概率分布之间的差异——通常将模型开发时的样本分布作为基准分布（Expected），将当前监控期的样本分布作为实际分布（Actual）。PSI 值越大，说明当前分布与基准分布偏离越严重，模型失效风险越高。

2.2 PSI 计算公式与分箱逻辑

PSI 的计算基于分箱（Binning），通常将评分或特征值划分为 10 个等宽或等频区间。公式如下：

PSI = Σ (Actual_i - Expected_i) × ln(Actual_i / Expected_i)

其中：
- Actual_i   = 第 i 个分箱中当前样本占比（%）
- Expected_i = 第 i 个分箱中基准样本占比（%）
- i = 1, 2, ..., N（N 为分箱总数，通常 N=10）

计算步骤：

1. 分箱：将基准样本按评分从低到高排序，等频或等宽分为 10 箱。
2. 计算基准占比：统计每箱中基准样本数量占总基准样本数的百分比（Expected_i）。
3. 计算实际占比：用同样的分箱切分点，统计当前样本落在每箱中的百分比（Actual_i）。
4. 逐箱计算：对每箱计算 (Actual_i - Expected_i) × ln(Actual_i / Expected_i)。
5. 求和：将所有箱的贡献值相加，得到最终 PSI。

2.3 PSI 阈值与行动指南

行业通用的 PSI 阈值标准如下表所示。不同机构可根据模型重要性和风险偏好微调，但下表是广泛接受的参考基准。

2.4 PSI 在模型监控中的意义

PSI 不是孤立指标，它与模型监控体系中的其他指标（如 KS、AUC、Lift 等）共同构成“模型健康仪表盘”。PSI 的独特价值体现在以下三个层面：

• 早期预警：在模型区分力（KS/AUC）明显下降之前，PSI 往往率先发出信号，因为分布偏移是区分力衰减的“前因”。
• 归因定位：当模型整体 PSI 超标时，可以进一步计算每个入模特征的 特征 PSI，快速定位是哪个特征发生了漂移，从而指导特征工程或数据清洗。
• 合规审计：监管机构（如央行、银保监会）要求金融机构定期报告模型稳定性。PSI 是模型监控报告中必须包含的量化指标，用于证明模型在持续运行期间未发生显著退化。

2.5 PSI 计算流程与监控架构

下图展示了从数据输入到 PSI 输出、再到告警与归因的完整流程，帮助理解 PSI 在模型监控系统中的位置。

2.6 PSI 与 KS 的对比

PSI 和 KS 是模型监控中最重要的两个指标，但它们的关注点不同。下表帮助区分两者的角色：