3. PSI 漂移定义：从统计到业务的全景理解
群体稳定性指标（Population Stability Index, PSI）是风控模型监控中最核心的量化指标。本章从统计学定义、业务定义以及阈值设定标准三个维度，帮助您建立对 PSI 漂移的完整认知。
3.1 PSI 的统计学定义
从统计学角度看，PSI 衡量的是两个概率分布之间的差异程度。它基于信息论中的 KL 散度（Kullback-Leibler divergence）对称化改进而来，用于比较模型在开发样本（预期分布）与当前生产样本（实际分布）之间的分数分布偏移量。
计算公式：
PSI = Σ (Actual_i - Expected_i) × ln(Actual_i / Expected_i)
其中：
- Expected_i = 开发样本在第 i 个分箱中的占比
- Actual_i = 当前生产样本在第 i 个分箱中的占比
- i = 1, 2, ..., n（n 为分箱总数，通常为 10 或 20 等分箱）计算步骤：
- 分箱处理：将模型评分（如 0-100 分）按等宽或等频方式划分为 n 个区间（通常 n=10）。
- 计算预期占比：统计开发样本在每个分箱中的样本数量占总样本数的百分比。
- 计算实际占比：统计当前生产样本在每个分箱中的样本数量占总样本数的百分比。
- 逐箱计算：对每个分箱，计算 (实际占比 - 预期占比) × ln(实际占比 / 预期占比)。
- 求和：将所有分箱的计算结果相加，得到最终的 PSI 值。
⚠️ 计算注意事项：当某个分箱的实际占比或预期占比为 0 时，ln(0) 无定义。实际工程中通常对占比做微小平滑处理（如加 0.0001），或将该分箱与相邻分箱合并后再计算。
3.2 PSI 的业务定义
在风控业务场景中，PSI 不仅仅是数学公式，它直接反映了模型在真实业务环境中的适用性变化。业务层面的 PSI 漂移通常由以下三类因素驱动：
| 驱动因素 | 业务含义 | 典型场景 |
|---|---|---|
| 客群结构变化 | 申请用户的年龄、收入、地域、职业等分布发生系统性偏移 | 新渠道上线、营销活动调整、政策合规变化 |
| 数据质量变化 | 上游数据源缺失、字段含义变更、采集逻辑调整 | 三方数据接口升级、埋点改版、数据仓库迁移 |
| 宏观环境变化 | 经济周期、行业政策、突发事件导致用户行为模式改变 | 疫情冲击、利率调整、监管新规出台 |
💡 业务视角总结：PSI 漂移告警的本质是“模型赖以生存的数据环境变了”。当 PSI 超过阈值时，意味着模型在当前业务场景下的区分能力和排序能力可能已经失效，需要及时排查并采取干预措施。
3.3 PSI 漂移阈值设定标准（0.1 / 0.25）
在风控行业实践中，PSI 阈值已经形成了广泛认可的经验标准。下表总结了不同 PSI 区间对应的业务含义和推荐处理策略：
| PSI 区间 | 稳定性等级 | 业务含义 | 推荐处理策略 |
|---|---|---|---|
| PSI < 0.1 | 稳定 | 模型分布无显著变化，可继续使用 | 常规监控，无需干预 |
| 0.1 ≤ PSI < 0.25 | 轻度漂移 | 分布出现一定偏移，需关注并排查原因 | 触发告警，启动人工排查；评估是否需要模型校准 |
| PSI ≥ 0.25 | 严重漂移 | 分布发生显著偏移，模型已不可靠 | 立即停用模型或切换备用模型；启动紧急重训流程 |
阈值选择背后的逻辑：
- 0.1 阈值：基于统计显著性检验的经验值。当 PSI > 0.1 时，两个分布之间的差异在统计上已经不可忽略，继续使用原模型可能带来风险。
- 0.25 阈值：基于业务容忍度的上限。当 PSI > 0.25 时，模型对客群的排序能力已经发生实质性改变，继续使用可能导致严重的误判（如将坏客户误判为好客户）。
⚠️ 阈值调整建议：0.1 和 0.25 是行业通用经验值，实际应用中可根据业务风险偏好进行微调。例如，在信贷审批场景中，如果业务对坏账率极度敏感，可以将 0.1 阈值下调至 0.08；在营销场景中，如果容忍度较高，可以将 0.25 阈值上调至 0.3。
3.4 本章小结
PSI 漂移的定义是风控模型监控的基石。从统计学角度看，它是两个概率分布差异的量化度量；从业务角度看，它是客群、数据或环境变化的预警信号。0.1 和 0.25 两个阈值构成了风控行业通用的“三级响应机制”：稳定（绿）、轻度漂移（黄）、严重漂移（红）。掌握这些基础概念，是后续学习 PSI 告警处理流程的前提。