模型上线之后：监控、漂移与拒绝推断，评分卡是怎么悄悄失效的

模型上线之后：监控、漂移与拒绝推断，评分卡是怎么悄悄失效的

这个系列前面几篇讲过机器学习评分卡怎么建、替代数据特征怎么工程化。但有一条线一直没拉出来：模型上线之后发生了什么。

行业的普遍叙事是”建模—上线—结束”。实际上，上线只是模型生命周期的中场。一个上线时 KS 值很漂亮的评分卡，六个月后可能已经面目全非——不是因为它坏了，而是因为它面对的世界变了：进件人群变了、宏观经济变了、你自己的审批策略也变了。模型不会突然失效，它是悄悄失效的，等你从坏账上发现时，损失已经发生了几个账期。

这一篇讲三件事：模型为什么会退化、用什么仪表盘监控退化、以及评分类模型特有的一笔账——拒绝推断。

一、模型为什么会坏：三种漂移

模型退化不是玄学，拆开看就是三种漂移，成因和对策完全不同。

第一种：人群漂移（population drift）。 进件人群的构成变了。获客渠道换了一批、投放素材调整后吸引了不同的客群、竞品退出后涌入一批原来去别家借钱的人——人群还是那个产品，但原料换了。 评分卡在开发样本上学到的是”当时那批人”的风险规律，新人群的特征分布一旦偏移，模型的判断就开始失准。

第二种：概念漂移（concept drift）。 更隐蔽的一种：人群没变，但”特征和风险的关系”变了。 同样是”月收入五千、负债两万”，在就业市场稳定的年份是好客户，在裁员潮里就是高危。宏观环境、监管政策、催收效率的变化，都会悄悄改写特征和坏账之间的映射关系。概念漂移最麻烦的地方在于：人群稳定性指标可能一切正常，模型的分辨力却在下滑。

第三种：数据漂移与管道故障。 不是世界的错，是你自己的错：上游数据源改了字段口径、设备指纹 SDK 升级后取值变了、某个特征的计算任务悄悄断了开始返回默认值。这类”漂移”本质是事故，但它和前两种漂移在监控报表上的表现一样，所以必须建一条从特征监控直达数据团队的排障通道，不能全靠风控分析师肉眼识别。

三种漂移对应三种动作：人群漂移要重新校准入模分布、概念漂移要重训模型、数据漂移要修管道。分不清是哪一种，动作就会做错——比如管道断了你却在忙着重训模型。

二、两张仪表盘：PSI 与 CSI

监控人群漂移，行业标准工具是人群稳定性指数（PSI）。它的逻辑很朴素：把开发样本的分数分布和当前进件的分数分布并排放着，逐档比较差异。 每一档的差异乘以一个对数放大项再求和——两边的分布越接近，指数越小；某一档人突然变多或变少，指数就会灵敏地抬起来。

判读阈值是行业约定俗成的三段线（源自评分卡方法论的经典教材）：

PSI 看的是总分的分布，但总分稳定不等于每个特征都稳定。所以还要给每个入模特征配一个特征稳定性指数（CSI）——同样的算法，逐个变量比较开发和当前的分布。CSI 的价值在于定位：PSI 报警时，把每个特征的 CSI 排个序，偏得最狠的那几个变量通常就是病灶——要么是它们的分布真变了，要么是数据管道出了问题。

实操上有一条容易踩的坑：PSI 要在”进件全体”上算，不是在”批准件”上算。 如果你的审批策略收紧了，批准件的分布当然稳定——因为不稳定的人都被你拒了。在批准件上算 PSI，等于把温度计插进冰箱再报体温。 大量团队的模型监控报表常年”稳定”，病根就在这里。

三、性能侧的监控：AUC、KS 与 vintage 三件套

分布稳定只是必要条件，模型的实际分辨力还要单独监控，三件套各有分工：

AUC/KS 按月看。 在”表现已成熟”的账户上计算，注意一定要切掉表现期不足的部分——把刚放款一两个月的新账户算进去，KS 会被人为压低，制造”模型在衰退”的假警报。

vintage 曲线按放款月分层看。 每个月放款的资产，画一条逾期率随账龄爬升的曲线。如果最近几个月的 vintage 整体抬高，哪怕模型指标还没动，也说明进件质量或环境在恶化——vintage 曲线是最早报警的仪表，通常比模型性能指标提前一到两个账期。

迁徙率按月看。 早期逾期桶向晚期逾期桶的迁徙速度，反映的是”进去的人会不会变坏”，和 vintage 的”进来的人质量如何”互补。

但性能监控有一个所有评分模型共有的结构性盲区：你只能观察到批准了的申请的表现。被拒绝的申请，永远不会产生逾期数据——也就永远不会告诉你，当初拒得对不对。 这就把我们引向评分建模里最容易被欠下的一笔账。

四、拒绝推断：被拒的人从没进过你的样本

评分卡是在历史批准件上训练的——这是所有问题的根源。历史批准件不是申请人群的随机样本，而是”当年那套审批标准筛过一遍的幸存者”。 用幸存者的数据学出来的风险规律，天然对被拒人群失明。

后果是双重的：其一，模型在全体申请人上的真实分辨力，其实没人知道；其二，审批线以下的区域（你准备在未来放开或收紧的那一段分数带）恰恰是模型最没把握的区域——而你每一次调审批线、每一次降门槛抢客户，都是在拿模型最盲的区域做决策。

解法就是拒绝推断（reject inference）：用统计手段估计”如果被拒的申请批了，他们会表现成什么样”，把这部分虚拟样本补进训练集。主流方法有三类：

简单扩充。 假设拒绝件全是坏账，直接以坏样本身份进训练集。粗糙，但对”拒绝区域”给出的是最保守的估计。

模糊增强（fuzzy augmentation）。 最常用的折中方案：先在批准件上建一个模型，用征信局分数这类”连拒绝件也有的代理变量”给拒绝件打风险分，再按风险概率把他们以加权方式纳入训练。 学术研究里有个可以参照的案例：一项发表的研究用征信分数做代理（其对坏账的基尼系数约 81%，算合格的代理），对拒绝件做模糊增强后发现，推断出来的拒绝件坏账率显著高于批准件——确认了”拒绝区确实是高风险区”的直觉，也确认了批准件训练的模型对这个区域的低估。

打包法（parceling）。 先把拒绝件按特征分箱切成小组，给每组赋予推断的坏账率，再按比例填充好坏样本。更精细，但也更容易把主观判断带进去。

拒绝推断没有完美方案——所有方法都在”估计一个没发生过的结果”。但做和不做是质的区别：不做的模型，只是在你的审批线内侧有效；做了的模型，至少对线外区域有量化的判断。 对新兴市场玩家来说这一点尤其致命：你的征信覆盖率低、进件波动大、审批线调整频繁——每一个动作都在模型最盲的区域进行。

五、监管已经把”上线后管理”写进了条文

如果你觉得上面这些是”最佳实践，做不做随意”，那就低估了监管的方向。上线后监控正在从方法论变成法定义务：

欧盟 AI 法案把信用评分明确列为高风险 AI（附件三第 5(b) 条），高风险系统必须建立上市后监控体系（第 72 条）：持续收集真实运行表现、与预期用途对照、发现偏移触发事件上报与复评。按 2026 年 5 月欧盟数字综合法案达成的政治协议，附件三高风险义务的适用时点推迟到 2027 年 12 月（嵌入式产品类 2028 年 8 月）——给所有做跨境业务的团队留了一年多的准备期，但方向已经没有悬念：模型监控报告、偏移响应流程、事件上报，都会变成要能拿给监管看的书面材料。

美联储 2026 年 4 月发布了新版模型风险管理指引（SR 26-2），取代了运行十五年的 SR 11-7——模型风险管理框架的鼻祖完成换代，模型验证、持续监控、模型清单这些制度的母版被再次强化。全球主要监管的模型治理要求，一直在向这个方向收敛。

印尼已经把模型治理写进了牌照规则：自动化信用评分体系（ACS）纳入持牌管理，自建模型的机构要满足数据中心与灾备境内等要求——在印尼用模型放贷，模型本身的合规成本已经进入了牌照价格。

趋势很清楚：“模型上线后有没有人管”正在从内控问题变成准入问题。 现在把监控体系搭起来，既是风控需要，也是提前备好监管答卷。

六、一张可以直接执行的监控清单

把前面所有内容压成一张执行表：

三条纪律值得单独强调：第一，PSI 永远算在进件全体上，算在批准件上的监控是自欺欺人；第二，新模型上线必须跑拒绝推断，哪怕用最粗糙的方法，也比让模型对拒绝区失明强；第三，任何重训都要留 champion/challenger 对照，新模型和线上模型并行跑一段，用真实进件分流量验证，而不是直接切换。

结尾：模型和资产一样，是需要持续管理的负债

这个系列讲到这里，一个贯穿的主线应该清楚了：AI 风控的价值从来不在”建了多先进的模型”，而在”模型和真实世界之间隔多远”。 建模是一次性的，而监控、漂移响应、拒绝推断是持续投入——模型的本质和资产一样：它不是一次买入就完事的资产，而是需要持续管理、会随时间贬值的负债。管理得好，它是复利资产；放任不管，它是最贵的沉没成本。

下一篇换个角度收尾这个话题：《AI 决策的可解释性：拒贷怎么解释、监管怎么问责、文档怎么写》。 当”模型说拒就拒”遇上”借款人要个说法”和”监管要份材料”，可解释性就是合规的底线。