1.1 PSI 概念与风控意义
1.1.1 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。在风控领域，PSI 用于量化模型评分或特征分布在时间维度上的偏移程度，是判断模型是否“老化”或“失效”的核心监控指标。
PSI 的计算基于对样本分箱后的分布差异求和，其数学公式如下：
PSI = Σ (实际占比_i - 预期占比_i) × ln(实际占比_i / 预期占比_i)其中：
- 预期占比：模型开发时（或上一监控周期）的样本分布比例
- 实际占比：当前监控周期的样本分布比例
- i：分箱后的第 i 个区间（通常等频分 10 箱）
计算要点：PSI 对分布差异敏感，当某个分箱内实际占比为 0 时，需做平滑处理（如加 0.0001 避免 ln(0) 异常）。
1.1.2 PSI 在风控规则引擎中的核心价值
在风控规则引擎中，PSI 监控的价值体现在三个层面：
| 层面 | 价值描述 | 典型场景 |
|---|---|---|
| 模型稳定性 | 检测评分卡、机器学习模型输出分数的分布漂移 | 信用评分模型上线后，用户群体变化导致分数偏移 |
| 特征有效性 | 监控入模特征或规则变量的分布变化 | 收入字段因经济环境变化，分布整体左移 |
| 规则阈值 | 评估规则命中率是否因分布偏移而异常 | 多头借贷查询次数分布变化，导致规则误杀率上升 |
核心价值总结：PSI 是风控规则引擎的“体温计”——它不直接告诉你规则是否出错，但能第一时间预警“环境变了”，触发模型重训或规则调整流程。
1.1.3 为什么需要监控 PSI
风控系统运行在动态环境中，用户行为、宏观经济、政策法规的变化都会导致数据分布偏移。不监控 PSI 将面临以下风险：
- 模型失效不可知：评分卡分数偏移 20% 以上时，拒绝率可能从 10% 飙升至 35%，但系统仍按旧阈值运行
- 规则误杀/漏杀：特征分布变化导致规则命中率异常，正常用户被误拒或高风险用户被放过
- 监管合规风险：金融监管要求模型可解释、可监控，PSI 是模型稳定性审计的必备指标
- 业务损失扩大：未及时发现分布偏移，可能导致坏账率在 1-2 个月内翻倍
行业经验：某头部消费金融公司曾因未监控 PSI，导致模型在双十一期间因用户行为分布剧变而失效，单日坏账损失超 500 万元。事后复盘发现，PSI 在活动前 3 天已突破 0.25 阈值，但未被监控告警捕获。
1.1.4 PSI 监控体系架构
下图展示了风控规则引擎中 PSI 监控的完整链路：从数据采集到告警触发的全流程架构。
1.1.5 PSI 阈值与处置策略
行业通用的 PSI 阈值分级标准如下表所示，SRE 和风控团队应据此制定告警规则：
| PSI 区间 | 稳定性等级 | 建议处置策略 | 告警级别 |
|---|---|---|---|
| [0, 0.1) | 稳定 | 无需干预，持续监控 | 无 |
| [0.1, 0.25) | 轻度偏移 | 排查特征/评分分布变化原因，评估是否需要调整阈值 | Warning |
| [0.25, +∞) | 显著偏移 | 立即触发模型重训流程，回滚至备用模型，人工介入审核 | Critical |
SRE 运维建议：PSI 监控应覆盖所有线上模型和关键规则特征，监控频率建议为每日一次（T+1 计算）。对于高流量场景（如信贷审批），可缩短至每小时一次，并配合实时告警通道（如 PagerDuty、钉钉/企微机器人）。