PSI指标异常检测与压力测试实操详解 - 第1节
1.1 PSI 的定义与起源
PSI（Population Stability Index，群体稳定性指标）是衡量两个样本分布之间差异程度的统计量，最早由金融行业在信用评分卡监控中引入，用于评估模型开发样本（预期分布）与当前实际样本（实际分布）之间特征或评分分布的偏移程度。
PSI 的数学基础源于信息论中的 Kullback-Leibler 散度（KL 散度），其计算公式为：
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 表示将数据分箱后的第 i 个区间。PSI 值越大，说明两个分布的差异越大，模型面临的“群体漂移”风险越高。
| 维度 | 说明 |
|---|---|
| 起源领域 | 信用评分卡开发与监控（20 世纪 90 年代） |
| 理论基础 | KL 散度 / 相对熵 |
| 核心用途 | 量化模型输入或输出分布在时间上的变化 |
| 应用场景 | 风控模型、营销响应模型、反欺诈模型等 |
关键认知：PSI 不是衡量模型“好坏”的指标，而是衡量模型“是否还适用于当前环境”的稳定性指标。一个高 KS 的模型如果 PSI 持续恶化，其实际效果可能已经严重退化。
1.2 PSI 在风控模型监控中的核心价值
在信贷风控全生命周期中，模型部署后并非一成不变。客群结构、宏观经济、政策法规、数据采集方式等因素的变化，都会导致模型评分分布发生偏移。PSI 正是捕捉这种偏移的“早期预警雷达”。
核心价值一：量化模型稳定性
通过定期计算 PSI，风控团队可以客观判断模型是否仍然适用于当前客群。行业通用阈值如下：
| PSI 范围 | 稳定性等级 | 建议行动 |
|---|---|---|
| < 0.10 | 稳定 | 无需干预，持续监控 |
| 0.10 – 0.25 | 轻度偏移 | 排查原因，加强监控频率 |
| > 0.25 | 严重偏移 | 立即触发模型复审或重建 |
核心价值二：定位漂移来源
PSI 可以按特征维度拆解，帮助分析师快速定位是哪个变量发生了分布变化。例如：
- 收入特征 PSI 飙升 → 可能因经济下行导致客群收入结构变化
- 负债率特征 PSI 异常 → 可能因数据源切换或计算口径变更
- 评分卡总分 PSI 恶化 → 需检查模型是否失效
核心价值三：支撑压力测试与风险预警
在监管合规要求下（如巴塞尔协议 III、国内《商业银行互联网贷款管理暂行办法》），金融机构必须建立模型监控与压力测试机制。PSI 作为核心监控指标，能够：
- 量化极端场景下的客群偏移程度
- 为模型回退、阈值调整提供数据依据
- 辅助判断是否需要启动模型应急切换流程
实操提示：建议将 PSI 监控纳入风控模型运维的“仪表盘”体系，按周/月自动计算，并设置红黄绿三级预警。当 PSI 连续两期超过 0.15 时，应启动人工排查流程。
1.3 PSI 监控体系架构
下图展示了 PSI 在风控模型监控体系中的位置与数据流转关系：
1.4 PSI 与其他稳定性指标的对比
在风控监控实践中，除 PSI 外还有多个常用稳定性指标。理解它们的差异有助于正确选型：
| 指标 | 核心逻辑 | 适用场景 | 敏感性 |
|---|---|---|---|
| PSI | 分箱后计算占比差异的加权和 | 评分卡总分、连续型特征 | 中等，对分布形状敏感 |
| CSI | 特征级别的 PSI 变体 | 单变量分布偏移检测 | 较高，可定位具体特征 |
| KS | 好坏样本累计分布最大差异 | 模型区分力评估 | 对尾部差异敏感 |
| Gini | 排序能力指标 | 模型排序效果评估 | 对整体排序变化敏感 |
常见误区：PSI 与 KS 虽然都涉及分布比较，但 KS 衡量的是好坏样本之间的区分度，PSI 衡量的是同一群体在不同时间点的分布变化。两者不能互相替代，应同时纳入监控体系。