4. PSI监控的必要性：为什么需要监控特征分布漂移、特征缺失如何导致PSI异常、监管合规要求

在风险网关的实时决策链路中，特征质量直接决定模型输出的稳定性与可信度。特征缺失不仅是数据质量问题，更是触发PSI（群体稳定性指标）异常的核心诱因之一。本章从三个维度阐述PSI监控的必要性：特征分布漂移的监控逻辑、特征缺失对PSI的传导机制，以及监管合规对特征稳定性的硬性要求。

4.1 特征分布漂移：PSI监控的核心对象

PSI衡量的是模型评分或特征分布在两个时间窗口（如训练期 vs. 生产期）之间的偏移程度。当特征分布发生显著变化时，模型依赖的统计假设被打破，预测能力随之衰减。

4.1.1 特征分布漂移的三种典型模式

4.1.2 特征分布漂移的传导路径

特征漂移通过以下路径最终影响模型输出：

1. 输入层： 特征值分布偏移 → 特征工程输出变化（如分箱边界失效）
2. 模型层： 特征权重与偏移后分布不匹配 → 评分逻辑失真
3. 输出层： 评分分布整体偏移 → PSI升高 → 决策阈值失效

4.2 特征缺失如何导致PSI异常

特征缺失是风险网关中最常见、也最容易被忽视的PSI异常诱因。缺失率的变化会直接改变特征的有效分布，进而扭曲PSI计算结果。

4.2.1 缺失率变化对PSI的直接影响

PSI的计算基于分箱后的占比对比。当特征缺失率发生变化时，缺失值本身作为一个“特殊分箱”的占比会随之改变，从而拉高PSI。

4.2.2 特征缺失导致PSI异常的三种机制

• 机制一：缺失分箱占比突变
  缺失值被单独分箱，缺失率变化直接改变该分箱的预期占比与实际占比之差，产生高PSI贡献。
• 机制二：有效样本分布偏移
  缺失率升高导致有效样本量减少，剩余样本的分布可能因选择性偏差而发生偏移，间接推高其他分箱的PSI。
• 机制三：填充策略引入噪声
  为应对缺失而采用的填充值（如均值、中位数、默认值）会改变特征的整体分布形态，尤其当缺失率较高时，填充值本身成为新的“聚集点”，扭曲分箱边界。

4.3 监管合规要求

在金融风控领域，特征缺失和PSI监控不仅是技术问题，更是监管合规的硬性要求。国内外主要监管机构均对模型稳定性、数据质量及监控机制提出了明确规范。

4.3.1 核心监管要求清单

4.3.2 监管视角下的PSI监控落地要求

• 监控频率： 至少每日一次PSI计算，高风险场景需支持实时或准实时监控。
• 阈值设定： 需基于历史数据设定动态阈值，并保留阈值调整的审计记录。
• 告警与处置： 触发阈值后需在30分钟内通知风控团队，并启动根因分析流程。
• 审计追溯： 所有PSI监控记录、告警日志、处置报告需保存不少于3年。
• 缺失率专项监控： 对每个特征的缺失率设定独立阈值（如单日缺失率波动超过±10%即告警）。

4.3.3 监管合规与PSI监控的闭环关系

从监管视角看，PSI监控不是一次性的技术检查，而是一个持续闭环：

1. 识别： 通过PSI监控发现特征分布漂移或缺失异常
2. 分析： 定位漂移根因（数据源变更、系统故障、客群变化等）
3. 处置： 修复数据链路、调整填充策略或重新训练模型
4. 验证： 确认PSI回归正常范围，并记录处置过程
5. 报告： 生成合规报告，供内外部审计查阅