风控策略告警阈值调优：PSI批次漂移诊断实战 - 第1节

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。在风控场景中，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，从而判断模型是否发生“漂移”。

PSI 的计算基于信息论中的 KL 散度（Kullback-Leibler divergence），其核心思想是比较两个分布在各分箱上的占比差异，并赋予对数权重。计算公式如下：

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

其中：
- Actual_i   = 当前批次在第 i 个分箱中的样本占比
- Expected_i = 基准批次在第 i 个分箱中的样本占比
- i          = 分箱序号（通常分为 10 箱或 20 箱）

1.2 PSI 在风控中的核心作用

在信贷风控、反欺诈、交易监控等场景中，模型上线后并非一成不变。客群行为、宏观经济、政策法规的变化都会导致模型输入特征与目标变量的关系发生偏移。PSI 正是捕捉这种偏移的“哨兵”。

1.3 PSI 的行业判断标准

虽然 PSI 没有绝对阈值，但业界形成了通用的经验法则，帮助风控人员快速判断漂移严重程度：

• PSI < 0.1：分布无显著变化，模型稳定，无需干预。
• 0.1 ≤ PSI < 0.25：轻度漂移，需关注并排查原因，可能需轻度调整。
• PSI ≥ 0.25：重度漂移，模型或特征已发生显著变化，必须立即干预，如重新训练、回退版本或调整策略。

1.4 PSI 计算流程与可视化

下图展示了从基准批次到当前批次的 PSI 计算与诊断全流程：

1.5 PSI 与 KL 散度的关系

理解 PSI 的数学本质有助于更深入地把握其含义。PSI 实际上是 对称化的 KL 散度：

• KL(P||Q) = Σ P(i) × ln(P(i)/Q(i))，衡量用 Q 近似 P 时的信息损失。
• PSI = KL(P||Q) + KL(Q||P) = Σ (P(i)-Q(i)) × ln(P(i)/Q(i))。

这种对称性使得 PSI 不依赖于“谁是基准、谁是当前”的方向选择，更适合作为无偏的稳定性度量指标。

1.6 PSI 的局限性

尽管 PSI 是风控稳定性监控的核心指标，但它并非万能，使用时需注意以下局限：