1. 课程导论：PSI（群体稳定性指标）在商户风险诊断中的核心价值与课程目标

1.1 为什么需要关注商户风险批次诊断？

在支付与信贷风控体系中，商户风险并非静态不变。随着市场环境、业务策略、用户结构的变化，商户群体的风险特征会持续漂移。如果风控模型或策略无法及时感知这种漂移，就会导致误判、漏判，甚至引发大规模资金损失。

传统的单点监控（如单个商户的逾期率、交易异常率）只能发现“已发生”的风险，无法提前预警“群体性”的结构变化。而PSI（Population Stability Index，群体稳定性指标）正是衡量两个批次之间分布差异的量化工具，能够帮助风控团队在风险恶化之前，识别出商户群体的结构性偏移。

1.2 PSI 的核心定义与计算逻辑

PSI 通过比较两个样本（通常为基准批次与当前批次）在相同分箱下的占比差异，量化分布偏移程度。其计算公式如下：

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

其中：

• Expected_i：基准批次在第 i 个分箱中的占比（如模型分数段、风险等级段）。
• Actual_i：当前批次在第 i 个分箱中的占比。
• ln：自然对数，用于放大差异。

1.3 PSI 在商户风险诊断中的核心价值

PSI 不是孤立指标，而是连接“数据监控”与“策略优化”的桥梁。其核心价值体现在以下四个维度：

1. 早期预警： 在商户逾期率、欺诈率等结果指标恶化之前，PSI 能提前捕捉到评分分布或特征分布的偏移，为风控团队争取干预时间。
2. 归因定位： 通过计算每个特征（如交易金额、活跃天数、设备指纹）的 PSI，可以快速定位导致群体偏移的关键变量，避免盲目调参。
3. 策略有效性验证： 策略调整后，通过对比调整前后的 PSI 变化，可以量化策略是否真正“拉回”了商户分布，还是造成了新的偏移。
4. 模型生命周期管理： 定期监控模型分数的 PSI，是判断模型是否需要重训或退出的核心依据，直接决定风控系统的迭代节奏。

1.4 PSI 驱动的策略优化闭环

本课程将围绕以下闭环结构展开，PSI 在其中扮演“诊断中枢”的角色：

1.5 课程目标与学习路径

通过本课程，你将掌握以下核心能力：

• 理解 PSI 的数学原理与业务含义，能够独立计算并解读 PSI 结果。
• 掌握商户风险批次诊断的完整流程，从数据准备、分箱策略到归因分析。
• 学会基于 PSI 输出制定策略优化方案，包括阈值调整、规则迭代、模型重训决策。
• 能够搭建自动化 PSI 监控看板，实现风险漂移的实时预警与闭环管理。