1. PSI 概念与业务背景：什么是群体稳定性指标，为什么在风控与压力测试中至关重要
1.1 群体稳定性指标（PSI）的定义
群体稳定性指标（Population Stability Index，PSI） 是一种衡量两个样本分布之间差异程度的统计量。在风控建模与压力测试场景中，PSI 用于量化模型评分（或关键特征）在 开发样本 与 实际应用样本 之间的分布偏移程度。
PSI 的核心思想是：如果模型在训练时学到的数据分布与上线后遇到的数据分布保持一致，则模型表现应当稳定；反之，若分布发生显著漂移，模型预测能力将退化，风险排序失效。
PSI 计算公式：
PSI = Σ (P_i - Q_i) × ln(P_i / Q_i)其中：
P_i = 实际样本在第 i 个分箱中的占比
Q_i = 期望样本（开发样本）在第 i 个分箱中的占比
通常将评分或特征等宽分为 10 箱（或等频分箱）后计算。
1.2 PSI 的业务解读阈值
| PSI 值范围 | 漂移程度 | 业务含义与建议动作 |
|---|---|---|
| PSI < 0.1 | 无显著漂移 | 群体分布稳定，模型可继续使用，无需干预 |
| 0.1 ≤ PSI < 0.25 | 轻度漂移 | 需关注漂移方向与原因，启动监控预警，准备模型校准 |
| PSI ≥ 0.25 | 严重漂移 | 群体分布发生结构性变化，模型失效风险高，必须立即重训或调整 |
经验法则： 在信贷风控中，评分卡模型的 PSI 通常要求月度监控值 < 0.1；若连续两个月超过 0.15，需触发模型评审流程。
1.3 为什么 PSI 在风控与压力测试中至关重要
PSI 之所以成为风控模型监控的“第一指标”，源于以下三个核心业务逻辑：
- 模型有效性的前提假设： 风控模型基于历史数据训练，隐含假设是“未来客群分布与训练集一致”。PSI 直接检验这一假设是否成立。
- 风险排序能力的保障： 即使模型分数绝对值变化不大，若群体分布漂移，高分段与低分段的风险密度可能互换，导致排序能力（如 KS、AUC）下降。
- 压力测试的早期预警： 在宏观经济下行、政策调整或客群结构突变时，PSI 能比逾期率更早捕捉到异常信号，为压力测试提供前置输入。
1.4 PSI 漂移与压力测试的关联逻辑
压力测试通常关注“极端情景下资产质量的变化”，而 PSI 漂移是连接宏观冲击与模型失效的桥梁：
- 宏观冲击 → 客群分布漂移： 例如失业率上升导致低收入客群占比增加，评分分布左移。
- 客群漂移 → PSI 升高： 模型在漂移后的客群上打分偏差增大，风险排序失真。
- PSI 异常 → 压力测试结果不可靠： 若模型本身已失效，压力测试的损失预测将严重偏离真实风险。
常见误区： 很多团队在压力测试中只关注违约率上升，却忽略了 PSI 漂移导致的模型失效。当 PSI > 0.25 时，压力测试的结论可能完全不可信，必须先修复模型再执行压力测试。
1.5 PSI 漂移传导机制示意图
1.6 PSI 在风控监控体系中的定位
PSI 不是孤立指标，而是风控模型监控体系中的 第一道防线。下表展示了 PSI 与其他监控指标的协同关系：
| 监控层级 | 核心指标 | 监控频率 | 触发动作 |
|---|---|---|---|
| 群体稳定性 | PSI | 月度/周度 | 分布漂移预警，启动特征分析 |
| 模型区分力 | KS / AUC / Gini | 月度 | 排序能力下降时重训模型 |
| 模型校准度 | 校准曲线 / 截断点偏差 | 月度 | 分数校准或阈值调整 |
| 业务结果 | 逾期率 / 坏账率 | 月度/季度 | 风险政策调整 |
实战要点： PSI 的领先性使其成为压力测试的前置条件。在开展压力测试之前，必须确认 PSI < 0.1，否则压力测试结果将因模型失效而失去参考价值。本课程后续章节将深入讲解如何通过 PSI 漂移定位压力测试中的异常关联，并给出可落地的 Python 实现方案。