编辑导语：风险控制在金融行业里非常重要，一个稳定运行的系统也很重要；金融行业触及到的风险会造成很大损失，稳定性对于风控管理来说尤为重要；本文作者分享了关于在金融行业中，一个好用的系统稳定指标是什么。

在金融行业里，大家对于系统稳定运行比精准运行，更迫切的需求；这也是为什么位于国内四大行之首的工商银行，后台业务系统还是多年没升级；原因之一是考虑到系统需要稳定运行——在风险管理上，对于稳定性的监控也十分重要，在这之上才会考虑风险的精准识别，以及差异化客群风险定价。

衡量稳定度的量化指标有很多，其中最好用也最容易理解的是PSI指标。

一、PSI指标是什么？

PSI是Population Stability Index的简称，最早运用于评估评分模型的稳定性。

对于大多数金融风控从业者，对于PSI指标的认识还是源于评分模型，也止于评分模型；其实，PSI指标在风控策略、产品利率等多方面也有应用。

PSI的计算公式=SUM（Actual % – Expected %）*LN（Actual % / Expected %）

从PSI公式中可以看出，它本质是反应实际情况与预测期望之间的差异化程度；差异化程度越大，对于模型稳定性越差，反之越强。

以评分模型稳定性为例，我为读者朋友们解析下PSI的计算逻辑：

上图示例1中将评分分数等频分为10等级，观测记录2018年11月28日之后每周不同评分等级客户申请进件比例。

在计算模型PSI之前，需要设定与评分等级对应的基准分段，本例中基准分段标准：以建模时通过单的十等分的阈值，对建模取数期间所有申请进行分组，并计算每组数量的占比。

上图示例2中，以2018年11月28日第一行第二列为例，基准分段为7.83%的2018年11月28日

PSI：0.0032122029230877=（6.33%-7.83%）*LN（6.33%/7.83%）。

同理计算出2018年11月28日其他分段的PSI，最终2018年11月28日模型PSI=各分段PSI之和。

二、PSI在风控模型中的应用

PSI在模型中的应用主要体现在两个方面，一个是单变量的PSI，一个是模型分数的PSI，上图示例1-3展示的是模型分数的PSI；一次模型的迭代更新，在部署时往往会耗费大量的时间。

为了避免经常性迭代模型，在建模的时候就必须保证模型的稳定性；因此在建模过程中，常常会按时间段切分样本并计算各个变量的PSI（或建模样本与时段外验证集之间的PSI），以筛除那些随时间推移波动特别大的变量。

除此之外，在对模型进行监控时，对稳定性的监控也是必不可少的，需要及时监控是否有客群发生偏移的情况，找到发生偏移的原因并确定是否需要调整模型或者策略。

首先需要监控的是不同时间区间内模型分数的稳定性，如果发现模型总分的PSI较高，则需要通过计算每个入模变量的PSI来寻找原因，发现是哪一个变量导致的分数不稳定后，则需要根据这个变量的特征来调整策略；或如果认为这种波动性会持续下去的话，需要考虑是否将这个变量剔除在模型之外。

三、PSI在风控策略中的应用

PSI作为稳定性度量指标，不仅可以运用于模型中，仍然可以风控策略中发挥作用；在策略A类和D类调优中，我们往往通过观测不同时间节点或时间跨度内规则节点的波动差，来确定主要引起通过率下降和逾期率上升的一个或多个核心规则，进一步确认策略调优阈值方案。

波动差与之对应的即是稳定度，波动越大，PSI越大，表示规则影响风险往不稳定方向发生；在之前的「审批通过率突然下降应该如何应对」章节中有解释运用PSI判断节点主次要拒绝影响。

上图示例4中运用PSI=（B-A）*LN（B/A）测算波动差，A节点的PSI为0.77%，B节点的PSI为0.01%，确定由A节点是导致通过率下降的核心策略节点。

稳定性对于风险管理尤为重要，如何科学的度量风险，确保风险定向发展，是我们风控从业者永远研究的课题，与大家共勉之。

本文由 @FAL金科应用研院 原创发布于人人都是产品经理，未经许可，禁止转载。

题图来自 unsplash，基于 CC0 协议