1. 催收触达PSI概述
1.1 PSI（群体稳定性指标）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关键特征在时间维度上的分布偏移程度，是监控模型稳定性的核心指标。
PSI 的计算基于信息论中的 KL散度（Kullback-Leibler divergence），其数学表达式为：
PSI = Σ (实际占比_i - 期望占比_i) × ln(实际占比_i / 期望占比_i)其中：
- 期望占比：模型开发时（或基准期）各分数段的样本比例
- 实际占比：当前监控期各分数段的样本比例
- i：分数段编号（通常分为10~20等份）
PSI 判定阈值（行业通用标准）：
- PSI < 0.10：分布无显著变化，模型稳定
- 0.10 ≤ PSI < 0.25：分布轻度偏移，需关注并排查原因
- PSI ≥ 0.25：分布严重偏移，模型失效风险高，需立即干预
1.2 催收场景中的重要性
在催收触达场景中，PSI 监控具有独特的业务价值。催收模型通常用于预测债务人还款概率、推荐最优触达策略或分配催收资源。当模型评分分布发生偏移时，可能意味着：
| 偏移类型 | 业务表现 | 潜在风险 |
|---|---|---|
| 评分整体右移 | 更多债务人被判定为"高还款意愿" | 催收力度不足，回款率下降 |
| 评分整体左移 | 更多债务人被判定为"低还款意愿" | 催收资源浪费，客户体验恶化 |
| 评分两极分化 | 中间段客户减少，极端评分增多 | 策略失效，催收资源配置失衡 |
| 评分集中偏移 | 特定分数段客户占比突变 | 外部环境变化或数据质量问题 |
催收场景的特殊性：催收模型面对的客群天然具有"自选择"特征——逾期客户的行为模式受宏观经济、政策法规、催收策略本身等多重因素影响，分布偏移频率远高于信贷审批模型。因此，PSI 监控在催收场景中需要更高的监控频率（建议每日或每周）和更敏感的预警阈值。
1.3 PSI 与模型稳定性的关系
模型稳定性是指模型在时间推移过程中，其预测能力、评分分布和决策边界保持一致的特性。PSI 与模型稳定性之间存在以下核心关系：
- PSI 是模型稳定性的量化指标：模型稳定性无法直接观测，PSI 提供了可量化的衡量标准
- PSI 偏移是模型失效的前兆：分布偏移通常先于模型性能衰减出现，具有预警作用
- PSI 监控是模型维护的起点：发现 PSI 异常后，需进一步分析特征稳定性、模型性能指标（如 KS、AUC）和业务指标
最佳实践：建议将 PSI 监控与模型性能监控（KS、AUC、Lift）和业务指标监控（回款率、接通率、投诉率）组成"三位一体"的监控体系，形成从"分布偏移→性能衰减→业务影响"的完整预警链路。
1.4 催收触达PSI监控的典型流程
- 确定基准分布：选取模型上线前3~6个月的评分分布作为基准
- 设定监控频率：催收场景建议每日计算PSI，至少每周一次
- 划分分数段：将模型评分等分为10~20个区间，确保每段样本量充足
- 计算PSI值：按公式逐段计算并求和
- 触发预警：PSI ≥ 0.10 时自动告警，PSI ≥ 0.25 时触发紧急会议
- 根因分析：结合特征PSI、业务指标、外部事件进行归因
- 模型维护决策：根据分析结果决定是否重训模型、调整阈值或更新特征
关键提醒：PSI 监控不是孤立的技术指标，必须与催收业务场景深度绑定。例如，当催收策略发生重大调整（如切换外呼系统、调整催收话术）时，即使模型本身未变，PSI 也可能出现暂时性偏移，此时需要区分"策略影响"和"模型失效"，避免误判。