风控老司机必看：PSI指标在信贷审批中的3个高阶用法

风控老司机必看：PSI指标在信贷审批中的3个高阶用法

在金融风控这个行当里，我们每天都在和数据、模型、策略打交道。新手们热衷于讨论AUC、KS这些效果指标，仿佛分数越高，模型就越“神”。但真正在业务一线摸爬滚打过的老司机都明白一个道理：稳定压倒一切。一个今天能精准识别坏人的模型，如果下个月就“失忆”了，那带来的灾难远比一个效果平平但始终如一的模型要大得多。这就好比一艘船，航速快慢固然重要，但船体是否坚固、能否抵御风浪，才是决定它能否远航的根本。

说到稳定性监控，PSI（群体稳定性指标） 几乎是每个风控人工具箱里的标配。然而，大多数人对它的认知，还停留在“计算一下，看看有没有超过0.25”的初级阶段。这就像只把瑞士军刀当成开瓶器用，实在有些可惜。PSI的真正价值，远不止于一个简单的报警器。它更像一个精密的诊断仪，能帮助我们洞察客群变化的脉络、捕捉数据源的异常脉动，甚至为策略调优提供量化的决策依据。

今天，我们不谈PSI的基础公式和计算代码——这些内容网上已经汗牛充栋。我想和你分享的，是我在多年信贷审批实战中，总结出的三个PSI高阶用法。这些方法将帮你把PSI从一个被动的监控指标，转变为主动的业务分析武器，真正实现从“看见问题”到“解决问题”的跨越。

1. 超越总分监控：用分层PSI洞察客群结构性偏移

模型总分的PSI超标了，这是我们最常遇到的警报。但仅仅知道“不稳定”是远远不够的。关键问题是：哪里不稳定？是哪个客群段出了问题？ 总分PSI就像一个人的平均体温，发烧了能告诉你生病了，但无法定位是肺部感染还是肠胃炎。这时，分层PSI分析就派上了用场。

1.1 为何要进行客群分层？

信贷客群从来都不是铁板一块。它通常由多个差异显著的子群体构成，例如：

• 新客户 vs. 老客户：行为模式和风险特征截然不同。
• 不同渠道来源的客户：线上自主申请、线下渠道推广、合作方导流，其资质和稳定性往往有系统性差异。
• 不同地域或产品的客户：一线城市与下沉市场的客群，消费贷与经营贷的申请人，风险分布规律并不相同。

当市场环境、运营策略或数据源发生变化时，冲击往往不是均匀的，而是首先作用于某个或某几个特定的子客群。如果只盯着总分的PSI，这种结构性的偏移很可能被“平均”掉，或者直到问题非常严重时才会触发警报，为时已晚。

1.2 实施分层PSI分析的操作框架

实施分层分析，关键在于构建一个业务意义清晰的分层框架。以下是一个可供参考的实操步骤：

1. 定义核心分层维度：结合你的业务实际，选择1-2个最能区分客群异质性的维度。例如，将“客户生命周期（新/老）”作为第一维度，将“申请渠道”作为第二维度。
2. 计算各层PSI：以模型训练期的样本分布为基准（Expected），分别计算近期样本（Actual）在每个分层内的模型分数PSI。这里有一个关键点：基准分布（Expected）也应按相同分层进行划分和统计。即，你应该有“训练期-新客户”的分数分布作为基准，去对比“近期-新客户”的分布。
3. 分析与解读：对比各分层的PSI值。你可能会发现类似下表中的情况：