PSI与数据漂移监控：风控哨兵应用 - 第2节
2.1 数据漂移的定义
在风控与机器学习系统中，数据漂移（Data Drift）是指模型上线后，其输入数据、目标变量或数据分布随时间的推移发生不可逆的变化，导致模型在训练时学到的模式与生产环境中的真实模式产生偏差。这种偏差会直接削弱模型的预测能力，使风控模型从“精准哨兵”退化为“失效警报器”。
核心公式视角： 若训练集分布为 Ptrain(X, Y)，生产集分布为 Pprod(X, Y)，则数据漂移定义为 Ptrain(X, Y) ≠ Pprod(X, Y)。当这种差异超过业务容忍阈值时，模型需要重新训练或调整。
数据漂移是风控模型失效的首要原因之一。在信贷审批、反欺诈、交易监控等场景中，用户行为、经济环境、政策法规的变化都会引发漂移。如果不加以监控，模型性能（如 AUC、KS、PSI）会持续恶化，最终导致决策错误和业务损失。
2.2 数据漂移的常见类型
数据漂移并非单一现象，根据发生的位置和性质，可划分为三种核心类型：特征漂移、概念漂移和标签漂移。理解三者的区别是构建监控体系的前提。
| 漂移类型 | 变化对象 | 数学表示 | 典型风控场景 |
|---|---|---|---|
| 特征漂移 | 输入特征 X 的分布 | P(X) 变化，P(Y|X) 不变 | 用户收入分布变化、设备指纹分布变化 |
| 概念漂移 | 特征与标签的关系 | P(Y|X) 变化，P(X) 可能不变 | 欺诈模式演变、审批标准收紧 |
| 标签漂移 | 标签 Y 的分布 | P(Y) 变化，P(X|Y) 可能不变 | 坏账率季节性上升、逾期定义变更 |
2.2.1 特征漂移（Feature Drift）
特征漂移是指模型输入特征 X 的边缘分布 P(X) 随时间发生变化，但特征与标签之间的条件分布 P(Y|X) 保持稳定。这是风控中最常见、最容易通过 PSI 等指标检测的漂移类型。
- 原因：用户群体结构变化、数据采集方式变更、外部环境波动（如经济周期）。
- 示例：某信贷模型使用“月收入”作为特征。疫情期间，用户收入分布整体左移（低收入群体占比增加），但收入与违约率的关系并未改变——收入越低违约率越高，这个逻辑依然成立。
- 影响：特征漂移会导致模型输出的分数分布偏移，触发 PSI 报警，但模型本身的决策边界仍然有效。
监控要点：特征漂移通常使用 PSI（群体稳定性指标）或 KS 检验进行监控。建议对每个连续型特征按月计算 PSI，阈值设为 0.1（轻微漂移）和 0.25（严重漂移）。
2.2.2 概念漂移（Concept Drift）
概念漂移是指特征与标签之间的映射关系 P(Y|X) 发生变化，即模型学到的“概念”不再适用于当前环境。这是最危险的漂移类型，因为即使特征分布不变，模型的预测也会失效。
| 概念漂移子类型 | 变化模式 | 风控案例 |
|---|---|---|
| 突发型 | 瞬间变化 | 监管新规出台，某类交易突然全部合规 |
| 渐变型 | 缓慢变化 | 欺诈团伙逐步升级攻击手段 |
| 循环型 | 周期性变化 | 节假日消费模式与平日不同 |
- 示例：反欺诈模型中，“同一 IP 关联多个账户”原本是高欺诈风险特征。但随着代理 IP 的普及，正常用户也开始共享 IP，该特征与欺诈的关联性减弱——P(欺诈|同一IP) 下降，模型误杀率上升。
- 检测难点：概念漂移无法通过特征分布监控直接发现，需要结合模型性能指标（AUC、KS 衰减）或 DDM（Drift Detection Method）进行检测。
2.2.3 标签漂移（Label Drift）
标签漂移是指目标变量 Y 的边缘分布 P(Y) 发生变化，即正负样本比例发生偏移。标签漂移通常由业务定义变更或外部环境导致。
- 原因：逾期定义从“逾期 30 天”改为“逾期 15 天”；经济下行导致整体违约率上升。
- 示例：某风控模型训练时坏账率为 2%，上线半年后坏账率升至 5%。虽然特征分布和特征与标签的关系未变，但标签分布已发生显著漂移，模型输出的概率校准需要调整。
- 影响：标签漂移会破坏模型的概率校准（Probability Calibration），导致决策阈值失效。例如，原本 0.5 的阈值对应 2% 坏账率，现在对应 5% 坏账率，需要重新校准阈值。
常见误区：很多团队只监控特征漂移（PSI），忽略概念漂移和标签漂移。实际上，概念漂移对模型性能的破坏力远大于特征漂移。建议建立“三位一体”的监控体系：特征漂移用 PSI，概念漂移用性能衰减曲线，标签漂移用标签分布统计。
2.3 漂移类型的关系与协同监控
三种漂移类型并非孤立存在，它们常常同时发生或相互影响。例如，经济下行可能同时导致特征漂移（收入分布变化）和标签漂移（坏账率上升），而欺诈团伙的策略调整则可能引发概念漂移。
协同监控策略：
- 特征漂移监控：对每个特征按月计算 PSI，建立特征漂移仪表盘。
- 概念漂移监控：跟踪模型性能指标（AUC、KS、F1）的周/月衰减曲线，设置衰减报警阈值（如 AUC 下降超过 0.03）。
- 标签漂移监控：统计生产环境中的正样本率，与训练集基线对比，使用 PSI 或二项检验判断是否显著变化。
- 联动分析：当特征漂移报警时，检查是否伴随概念漂移；当标签漂移发生时，评估是否需要调整决策阈值。