1. 课程导论：数据漂移的定义、坏账率的业务含义、PSI在风控中的核心价值

1.1 数据漂移：风控模型的“隐形杀手”

在金融风控领域，数据漂移（Data Drift） 是指模型上线后，其输入数据的统计分布随时间推移发生显著变化的现象。这种变化并非数据错误，而是业务环境、用户行为或外部经济条件自然演变的结果。

数据漂移通常分为两类：

1.2 坏账率：风控效果的“最终判决”

坏账率（Bad Debt Rate） 是衡量信贷资产质量的核心指标，直接反映风控模型的业务效果。其标准计算公式为：

坏账率 = (逾期超过M3+的贷款本金总额) / (当期应还贷款本金总额) × 100%

在风控实践中，坏账率具有以下业务含义：

• 滞后性： 坏账通常滞后放款3-6个月，今天的坏账率反映的是半年前的风控决策质量。
• 累积性： 数据漂移导致的模型失效不会立即爆发，而是通过“审批通过率上升 → 逾期率缓慢爬升 → 坏账率跳升”的链条逐步传导。
• 敏感性： 坏账率每上升1个百分点，对金融机构的利润侵蚀可能达到数千万甚至数亿元。

1.3 PSI：连接数据漂移与坏账率的桥梁

群体稳定性指标（Population Stability Index, PSI） 是衡量两个样本分布差异的量化工具。在风控中，PSI用于量化“模型训练集”与“线上实时样本”之间的分布偏移程度。

PSI的计算公式如下：

PSI = Σ (P_i - Q_i) × ln(P_i / Q_i)

其中：
- P_i = 线上样本在第 i 个分箱中的占比
- Q_i = 训练集样本在第 i 个分箱中的占比
- 分箱通常按模型评分或特征值等宽/等频划分

PSI在风控中的核心价值体现在以下三个层面：

1.4 为什么PSI是风控体系的“必备工具”？

在信贷业务全生命周期中，PSI的价值贯穿始终：

• 贷前审批： 监测评分卡模型是否因客群漂移而失效，避免“该拒的批了”。
• 贷中管理： 跟踪用户行为特征变化，提前识别额度透支风险。
• 贷后催收： 分析催收策略的稳定性，确保不同批次案件得到一致处理。