1. PSI 概念与业务背景
1.1 什么是群体稳定性指标（PSI）
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。在信贷风控与定价模型中，PSI 通常用于比较模型开发时的训练样本（预期分布）与当前实际生产样本（实际分布）之间的特征或评分偏移程度。
PSI 的计算基于信息论中的 KL 散度（Kullback-Leibler divergence），其数学公式为：
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，i 表示将评分或特征分箱后的第 i 个区间。PSI 值越大，说明两个分布之间的差异越显著，模型稳定性越差。
1.2 PSI 在信贷定价模型中的业务意义
信贷定价模型通常根据申请人的信用风险水平输出一个定价分数或利率档位。如果模型不稳定，会导致以下业务问题：
- 风险定价失效：模型评分偏移后，高风险客户可能被低估利率，低风险客户被高估利率，造成逆向选择。
- 审批策略误判：基于模型分数的拒绝或通过阈值不再适用，导致坏账率上升或优质客户流失。
- 监管合规风险：监管机构要求模型在存续期内保持稳定，PSI 超标可能触发模型重审或业务整改。
- 利润预测偏差：定价模型直接影响贷款产品的预期收益，模型不稳定会导致收入预测与实际严重偏离。
| PSI 区间 | 稳定性等级 | 业务建议 |
|---|---|---|
| < 0.10 | 高度稳定 | 无需干预，持续监控 |
| 0.10 – 0.25 | 轻度偏移 | 需关注，排查特征变化原因 |
| > 0.25 | 严重偏移 | 立即暂停模型使用，启动重开发 |
行业经验： 多数银行和消费金融公司将 PSI < 0.10 视为可接受范围，0.10–0.25 为预警区间，超过 0.25 则必须触发模型迭代流程。
1.3 为什么需要监控模型稳定性
信贷定价模型部署后，外部宏观环境、客群结构、数据采集方式等因素会随时间变化，导致模型输入分布发生偏移。如果不进行稳定性监控，将产生以下风险：
- 模型退化不可感知：模型性能（如 KS、AUC）可能在初期保持稳定，但评分分布已悄然偏移，最终导致断崖式失效。
- 业务决策失去依据：定价策略、额度策略、催收策略均依赖模型输出，模型不稳定会使整套决策体系失效。
- 无法区分“真变化”与“假变化”：客群质量真实变化与模型偏差需要区分，PSI 结合特征级分析可以定位偏移来源。
- 满足审计与监管要求：银保监会、央行等监管机构明确要求金融机构建立模型监控体系，PSI 是核心监控指标之一。
注意： 不要等到模型性能指标（如 AUC）明显下降时才关注稳定性。PSI 往往比性能指标更早发出预警信号，是模型健康度的“早期雷达”。
1.4 PSI 监控的业务流程
下图展示了信贷定价模型稳定性监控的完整闭环流程，从模型部署到触发重开发，PSI 作为核心监控指标贯穿始终。
1.5 PSI 与其他稳定性指标的对比
在模型监控实践中，PSI 并非唯一指标。下表对比了 PSI 与其他常用稳定性指标的差异，帮助选择最适合业务场景的监控工具：
| 指标名称 | 计算对象 | 敏感度 | 解释性 | 适用场景 |
|---|---|---|---|---|
| PSI | 评分/特征分布 | 中等 | 高（分箱可解释） | 模型整体稳定性监控 |
| CSI | 特征级分布 | 高 | 高（定位偏移特征） | 特征偏移根因分析 |
| KS 趋势 | 模型区分能力 | 低（滞后性） | 中 | 模型性能退化监控 |
| 均值/标准差漂移 | 评分统计量 | 低 | 高 | 快速初筛 |