【风控】稳定性指标CSI

一、从WOE分箱到评分卡赋分

1.1 WOE分箱原理回顾

WOE（Weight of Evidence）将类别或数值型变量按照对目标事件（如违约）的分布差异进行分箱：

$${\text{WOE}}_i=\ln \frac{{\text{好样本比例}}_i}{{\text{坏样本比例}}_i}=\ln \frac{\frac{Goo{d}_i}{Goo{d}_T}}{\frac{Ba{d}_i}{Ba{d}_T}}$$

其中$i$表示第$i$个箱。良好的WOE分箱有助于线性模型更好地捕捉变量与目标间的关系。

1.2 评分卡分数标度校准

评分卡常定义三个参数：基准分数P0、对应Odds0、PDO（分数翻倍点）。

• 基准Odds：$Odd{s}_0=\frac{P(D=0)}{P(D=1)}$（开发样本中好/坏的比值）
• 基准分数：$Scor{e}_0$，如600分
• PDO：分数每变化PDO，Odds翻倍（或减半）

由此，可推导：

$$A=Scor{e}_0+B\times \ln Odd{s}_0$$
$$B=-\frac{PDO}{\ln 2}$$

评分与log odds关联：

$$Score=A+B\times \ln \frac{p(x)}{1-p(x)}$$

1.3 自变量区间赋分

在线性回归或逻辑回归中，变量贡献为系数$\beta$与WOE乘积。因此，分箱$i$的部分分数（partial score）为：

$$Scor{e}_i=-B\times \beta \times WO{E}_i$$

将所有变量各箱得分相加并加上常数项$A$，即可得到最终客户评分。

Python示例：计算单变量分箱WOE并生成部分分数

import numpy as np
import pandas as pd

def calc_woe(df, feature, target, bins):
    df['bin'] = pd.cut(df[feature], bins=bins)
    agg = df.groupby('bin')[target].agg(['count', 'sum'])
    agg.columns = ['total', 'bad']
    agg['good'] = agg['total'] - agg['bad']
    agg['dist_bad'] = agg['bad'] / agg['bad'].sum()
    agg['dist_good'] = agg['good'] / agg['good'].sum()
    agg['woe'] = np.log(agg['dist_good'] / agg['dist_bad'])
    return agg

# 示例：
aggr = calc_woe(df, 'age', 'is_bad', bins=[18,25,35,45,55,65,100])
aggr['part_score'] = -B * beta_age * aggr['woe']

二、特征稳定性指标CSI

2.1 CSI定义

CSI衡量当前样本与开发样本在分箱后的分数分布及其对最终总分影响：

$$\text{CSI}=\sum _i(p_i^{curr}-p_i^{dev})\times Scor{e}_i$$

• $p_i^{curr}$：当前监控窗口第$i$箱占比
• $p_i^{dev}$：开发样本第$i$箱占比
• $Scor{e}_i$：第$i$箱的部分分数

2.2 CSI计算步骤

1. 对模型输入变量或模型输出分箱
2. 计算开发样本与当前样本各箱占比
3. 读取对应箱的部分分数
4. 按公式累加计算

2.3 CSI的业务解读

• 正负方向：正值表示当前客户群倾向更高分段，负值则向低分段漂移
• 绝对值：值越大，表示该特征对总分偏移影响越显著

三、PSI与CSI的区别与联系

属性	PSI（群体）	CSI（特征）
分析层级	模型得分层	单个特征分数层
公式差异	$\sum (p_i^{curr}-p_i^{dev})\ln \frac{p_i^{curr}}{p_i^{dev}}$	$\sum (p_i^{curr}-p_i^{dev})\times Scor{e}_i$
阈值标准	通用经验阈值（<0.1稳定，0.1~0.25轻度偏移，>0.25需关注）	无统一阈值，需结合业务与得分尺度评估
作用范围	宏观监控模型整体稳定性	微观识别单变量波动来源

实践建议：优先以PSI判断模型得分稳定性，再结合CSI定位具体特征波动原因。

附：完整Python实现示例

import numpy as np, pandas as pd

def calc_psi(ods, exp, bins):
    ods['bin'] = pd.cut(ods['score'], bins=bins)
    exp['bin'] = pd.cut(exp['score'], bins=bins)
    odf = ods['bin'].value_counts(normalize=True).sort_index()
    edf = exp['bin'].value_counts(normalize=True).sort_index()
    psi = ((odf - edf) * np.log(odf/edf)).sum()
    return psi

def calc_csi(curr, dev, part_scores, bins):
    curr['bin'] = pd.cut(curr['score'], bins=bins)
    dev['bin'] = pd.cut(dev['score'], bins=bins)
    pc = curr['bin'].value_counts(normalize=True).sort_index()
    pdv = dev['bin'].value_counts(normalize=True).sort_index()
    return ((pc - pdv) * part_scores).sum()

# 示例调用：
bins = np.linspace(300,900,12)
psi_value = calc_psi(current_df, dev_df, bins)
csi_value = calc_csi(current_df, dev_df, part_scores, bins)
print(f"PSI={psi_value:.3f}, CSI={csi_value:.3f}")