# AI PSI chỉ số ổn định dân số

Tiếng Anh: AI Population Stability Index PSI

Chỉ số đo lường sự thay đổi phân phối dân số khách hàng giữa hai thời kỳ, cảnh báo khi mô hình tín dụng ngân hàng có nguy cơ suy giảm hiệu năng.

Nguồn: https://vieclam.nganhang.com/thuat-ngu/ai-psi-chi-so-on-dinh-dan-so-la-gi
Danh mục: AI & Machine Learning trong ngân hàng
Cập nhật: 13/09/2026

## AI PSI - Chỉ số ổn định dân số là gì?

**Chỉ số ổn định dân số** (tiếng Anh: **Population Stability Index - PSI**) là một chỉ tiêu thống kê quan trọng trong quản trị mô hình tín dụng và các mô hình **AI (Artificial Intelligence)** nói chung tại ngân hàng. Chỉ số này đo lường mức độ dịch chuyển trong phân phối của một biến (thường là điểm tín dụng hoặc một đặc trưng đầu vào) giữa hai tập dữ liệu ở hai thời điểm khác nhau, ví dụ giữa tập dữ liệu dùng để phát triển mô hình ban đầu (development sample) và tập dữ liệu ứng dụng thực tế hiện tại (out-of-time sample). Khi chỉ số này vượt một ngưỡng nhất định, điều đó có nghĩa là "dân số" khách hàng mà mô hình đang phục vụ đã có sự khác biệt đáng kể so với dân số gốc, và mô hình có nguy cơ không còn phù hợp hoặc suy giảm hiệu quả phân loại.

Trong bối cảnh chuyển đổi số mạnh mẽ của ngành ngân hàng Việt Nam, đặc biệt khi các ngân hàng đang triển khai hàng loạt mô hình **machine learning (ML)** cho các bài toán như chấm điểm tín dụng (credit scoring), phát hiện gian lận (fraud detection), dự báo khách hàng rời bỏ (churn prediction) hay phân khúc khách hàng (customer segmentation), vai trò của **PSI** ngày càng trở nên quan trọng. Mô hình AI không phải là sản phẩm "cài đặt một lần rồi dùng mãi mãi" — chúng cần được giám sát liên tục để đảm bảo hiệu quả. **PSI** chính là một trong những công cụ giám sát phổ biến nhất, giúp bộ phận quản trị rủi ro mô hình (**Model Risk Management - MRM**) nhận diện sớm hiện tượng "mô hình lạc hậu" (model drift hay population drift).

Về bản chất toán học, **PSI** được tính bằng tổng của (Tỷ lệ phần trăm thực tế - Tỷ lệ phần trăm kỳ vọng) × ln(Tỷ lệ phần trăm thực tế / Tỷ lệ phần trăm kỳ vọng) trên từng nhóm (bin) đã được phân chia trước. Công thức tổng quát: **PSI = Σ (Pi_actual - Pi_expected) × ln(Pi_actual / Pi_expected)**, trong đó Pi là tỷ lệ phần trăm khách hàng rơi vào nhóm i. Khi hai phân phối hoàn toàn trùng nhau, PSI = 0; khi chúng khác biệt càng lớn, PSI càng cao. Trong quy ước của ngành, các ngưỡng phổ biến là: PSI < 0,10 (ổn định), 0,10 ≤ PSI < 0,25 (cần theo dõi) và PSI ≥ 0,25 (nghiêm trọng, bắt buộc đánh giá lại mô hình).

**Thuật ngữ tiếng Anh:** Population Stability Index (PSI)
**Lĩnh vực:** AI & Machine Learning trong ngân hàng

## Đặc điểm và phân loại

### Các ngưỡng PSI tiêu chuẩn

| Mức PSI | Ý nghĩa | Hành động khuyến nghị |
|---|---|---|
| PSI < 0,10 | Phân phối ổn định, không có thay đổi đáng kể | Tiếp tục sử dụng mô hình, giám sát định kỳ |
| 0,10 ≤ PSI < 0,25 | Có sự dịch chuyển nhẹ, cần quan sát | Phân tích nguyên nhân, theo dõi sát, có thể điều chỉnh tham số |
| PSI ≥ 0,25 | Dịch chuyển nghiêm trọng, mô hình có nguy cơ suy giảm | Đánh giá lại mô hình, cân nhắc tái huấn luyện (retrain) hoặc xây dựng lại |

### Phân loại PSI theo phạm vi áp dụng

| Loại PSI | Mục đích | Đối tượng đo lường |
|---|---|---|
| **PSI cho điểm tổng hợp** (Score-level PSI) | Đánh giá mức độ ổn định của đầu ra mô hình | Phân phối điểm tín dụng tổng thể |
| **PSI cho từng biến** (Variable-level CSI) | Kiểm tra sự ổn định của từng đặc trưng đầu vào | Từng biến trong scorecard hoặc mô hình ML |
| **PSI cho phân khúc** (Segment-level PSI) | Giám sát riêng từng phân khúc khách hàng | Nhóm khách hàng theo khu vực, sản phẩm, kênh |
| **PSI theo chuỗi thời gian** (Time-series PSI) | Phát hiện xu hướng dịch chuyển dài hạn | So sánh nhiều kỳ liên tiếp (T, T-1, T-2,...) |

### Ưu điểm và hạn chế của PSI

**Ưu điểm:**
- Dễ tính toán, dễ diễn giải cho cả ban lãnh đạo không chuyên kỹ thuật
- Có ngưỡng chuẩn được công nhận rộng rãi trong ngành và thường được các cơ quan quản lý tham chiếu
- Phù hợp với mọi loại mô hình: từ scorecard truyền thống (hồi quy logistic) đến mô hình **machine learning** phức tạp như **gradient boosting**, **random forest** hay mạng nơ-ron
- Hỗ trợ tuân thủ quy định của Ngân hàng Nhà nước theo Thông tư hướng dẫn quản trị rủi ro mô hình

**Hạn chế:**
- Nhạy với cách phân chia bin (binning) — nếu chia bin không hợp lý, kết quả có thể sai lệch đáng kể
- Không phân biệt được nguyên nhân dịch chuyển (do biến kinh tế vĩ mô, do thay đổi hành vi khách hàng, hay do chính sách nội bộ ngân hàng)
- Khi cỡ mẫu nhỏ (dưới 500 quan sát), **PSI** có thể dao động mạnh gây cảnh báo giả (false alarm)
- Không đo lường trực tiếp hiệu quả phân loại của mô hình — cần kết hợp với các chỉ số Gini, KS, AUC

## Ví dụ thực tế trong ngành ngân hàng

### Ví dụ 1: Ngân hàng A triển khai chương trình cho vay ưu đãi

Ngân hàng A xây dựng mô hình scorecard chấm điểm tín dụng cho khách hàng cá nhân từ tập dữ liệu 100.000 hồ sơ phát triển mô hình vào quý I/2023 với đặc điểm khách hàng chủ yếu thuộc nhóm 30-45 tuổi, thu nhập từ 15-50 triệu đồng/tháng. Đến quý III/2024, Ngân hàng A tung gói cho vay mua nhà với lãi suất ưu đãi 5,5%/năm trong 12 tháng đầu. Trong 30.000 hồ sơ mới phát sinh, có tới 40% khách hàng thuộc nhóm 25-30 tuổi và 35% có thu nhập dưới 15 triệu đồng — những phân khúc gần như không xuất hiện trong tập phát triển mô hình ban đầu.

Khi tính toán **PSI** theo biến "nhóm tuổi", kết quả đạt 0,32, vượt ngưỡng 0,25. Hệ thống cảnh báo tự động kích hoạt, gửi email đến Trưởng phòng Quản trị rủi ro và Giám đốc Khối Dữ liệu. Sau khi rà soát, Ngân hàng A quyết định:
- Tạm dừng áp dụng mô hình cũ cho phân khúc khách hàng mới
- Trích thêm 2,5% dự phòng rủi ro cho các khoản vay giải ngân từ quý III/2024
- Lên kế hoạch tái huấn luyện mô hình vào quý I/2025 với tập dữ liệu mở rộng
- Áp dụng quy trình phê duyệt thủ công bổ sung cho nhóm khách hàng dưới 30 tuổi

Nhờ phát hiện sớm qua PSI, Ngân hàng A đã tránh được tình trạng tỷ lệ nợ xấu tăng đột biến trong 6 tháng tiếp theo (ước tính tiết kiệm khoảng 45 tỷ đồng chi phí xử lý nợ).

### Ví dụ 2: Ngân hàng B ứng dụng AI trong phát hiện gian lận

Ngân hàng B triển khai mô hình **AI** phát hiện giao dịch thẻ tín dụng gian lận dựa trên thuật toán **gradient boosting** với hơn 200 đặc trưng. Mô hình được huấn luyện trên dữ liệu 18 tháng (từ T1/2022 đến T6/2023) với tỷ lệ gian lận là 0,15% trên tổng số giao dịch.

Đến tháng 4/2024, khi mùa lễ hội mua sắm diễn ra, tỷ lệ giao dịch trực tuyến tăng mạnh từ 35% lên 68% tổng số giao dịch. **PSI** của biến "kênh giao dịch" đạt 0,41 — mức nghiêm trọng. Tuy nhiên, do biến này là đầu vào quan trọng của mô hình, đội ngũ Data Science quyết định không thay đổi mô hình ngay mà:
- Bổ sung thêm biến "tần suất giao dịch trực tuyến 30 ngày gần nhất"
- Tăng ngưỡng cảnh báo cho giao dịch trực tuyến từ 5 triệu lên 3 triệu đồng
- Thiết lập quy trình **human-in-the-loop** cho giao dịch có điểm rủi ro trung bình

Sau 2 tháng giám sát liên tục với PSI được tính hàng tuần, **PSI** của biến tần suất giao dịch mới ổn định ở mức 0,08, và tỷ lệ phát hiện gian lận của mô hình tăng từ 71% lên 84%, tương ứng giảm khoảng 12 tỷ đồng thiệt hại gian lận trong quý.

### Ví dụ 3: Phân tích tác động của yếu tố vĩ mô lên PSI

Một phân tích tổng hợp của Ngân hàng C cho thấy, trong giai đoạn 2020-2024, **PSI** của mô hình chấm điểm tín dụng doanh nghiệp vừa và nhỏ (SME) có mối tương quan rõ rệt với các chỉ số vĩ mô: khi lãi suất tái cấp vốn tăng trên 1,5% (so với dưới 1% trong giai đoạn phát triển mô hình), **PSI** trung bình đạt 0,28-0,35; khi GDP tăng trưởng dưới 5%, **PSI** có xu hướng tăng trên 0,25. Điều này cho thấy **PSI** không chỉ phản ánh sự thay đổi của khách hàng mà còn là "hàn thử biểu" (barometer) phản ánh biến động kinh tế - xã hội rộng hơn. Ngân hàng C đã xây dựng bảng tương quan giữa **PSI** và các chỉ số kinh tế vĩ mô, giúp dự báo trước thời điểm cần tái huấn luyện mô hình từ 2-3 quý, từ đó chủ động bố trí ngân sách và nhân sự cho hoạt động nâng cấp mô hình.

## AI PSI - Chỉ số ổn định dân số trong các ngôn ngữ khác

| Ngôn ngữ | Thuật ngữ | Phiên âm |
|---|---|---|
| Tiếng Anh | Population Stability Index | /pɒpjəˈleɪʃən stəˈbɪlɪti ˈɪndɛks/ |
| Tiếng Nhật | 人口安定指数 | Jinkō antei shisū |
| Tiếng Hàn | 인구 안정성 지수 | Ingu anjeongseong jisu |
| Tiếng Trung | 人口稳定性指数 | Rénkǒu wěndìngxìng zhǐshù |
| Tiếng Tây Ban Nha | Índice de Estabilidad Poblacional | /ˈindike ðe estaβiliˈðað poβlaθjoˈnal/ |

## Câu hỏi thường gặp

### AI PSI - Chỉ số ổn định dân số khác gì CSI (Characteristic Stability Index)?

**CSI (Characteristic Stability Index)** là chỉ số đo sự ổn định của từng biến đầu vào riêng lẻ trong mô hình, trong khi **PSI** có thể áp dụng cho cả phân phối điểm tổng thể (output của mô hình) hoặc cho một biến cụ thể. Trong thực tế, người ta thường gọi chung cả hai là "PSI" vì công thức tính giống nhau, nhưng về bản chất **CSI** chỉ được dùng cho biến đầu vào, còn **PSI** cho điểm tổng hợp phản ánh hiệu quả tổng thể của mô hình. Khi chấm điểm tín dụng, PSI ở mức tổng thể phản ánh liệu mô hình còn cho điểm đúng với tệp khách hàng hiện tại hay không.

### Khi nào cần biết về AI PSI - Chỉ số ổn định dân số?

Bạn cần nắm vững **PSI** khi làm việc trong các vị trí liên quan đến phát triển, triển khai hoặc giám sát mô hình **AI/ML** trong ngân hàng như: Data Scientist, Model Risk Management, Phòng Chấm điểm tín dụng, Phòng Phân tích dữ liệu, hoặc khi tham gia các kỳ thi tuyển dụng ngân hàng có phần Technical/Analytical. Đây là kiến thức nền tảng bắt buộc theo Thông tư 17/2019/TT-NHNN về hệ thống xếp hạng tín dụng nội bộ và Thông tư 13/2018/TT-NHNN về hệ thống kiểm soát nội bộ, đồng thời phù hợp với lộ trình áp dụng chuẩn mực Basel II/III mà Ngân hàng Nhà nước Việt Nam đang triển khai.

### AI PSI - Chỉ số ổn định dân số ảnh hưởng thế nào đến khách hàng?

**PSI** gián tiếp ảnh hưởng đến khách hàng thông qua chất lượng quyết định tín dụng của ngân hàng. Khi **PSI** được kiểm soát tốt, mô hình chấm điểm tín dụng hoạt động chính xác, giúp khách hàng có lịch sử tín dụng tốt được phê duyệt khoản vay nhanh chóng với lãi suất ưu đãi. Ngược lại, nếu **PSI** vượt ngưỡng nhưng không được phát hiện, ngân hàng có thể phê duyệt khoản vay cho nhóm khách hàng có rủi ro cao, dẫn đến nợ xấu gia tăng, buộc ngân hàng phải siết chặt điều kiện vay — ảnh hưởng tiêu cực đến cả nhóm khách hàng có nhu cầu vay chính đáng. Ví dụ, một khách hàng B có thu nhập ổn định 20 triệu đồng/tháng sẽ bị từ chối khoản vay 300 triệu chỉ vì mô hình không còn phù hợp với phân khúc của họ.

## Tổng kết

**AI PSI - Chỉ số ổn định dân số** là một trong những chỉ tiêu giám sát mô hình quan trọng nhất trong quản trị rủi ro tín dụng và hệ thống **AI/ML** của ngân hàng hiện đại. Với ba ngưỡng cốt lõi (dưới 0,10 — ổn định; 0,10-0,25 — cần theo dõi; trên 0,25 — nghiêm trọng), **PSI** cung cấp cho ngân hàng một công cụ cảnh báo sớm đơn giản nhưng hiệu quả để nhận diện sự dịch chuyển trong phân phối khách hàng, từ đó đưa ra quyết định hiệu chỉnh hoặc tái huấn luyện mô hình kịp thời. Đối với ứng viên thi tuyển dụng ngân hàng, việc nắm vững khái niệm, công thức, ngưỡng đánh giá và cách phân biệt **PSI** với các chỉ số liên quan (CSI, Gini, KS, AUC) không chỉ giúp hoàn thành bài thi mà còn là nền tảng vững chắc cho sự nghiệp trong lĩnh vực phân tích dữ liệu và quản trị rủi ro ngân hàng trong kỷ nguyên số.

## Thuật ngữ liên quan

- [Chỉ số ổn định dân số](https://vieclam.nganhang.com/thuat-ngu/chi-so-on-dinh-dan-so-la-gi) — Chỉ số đo sự thay đổi phân phối dân số qua các kỳ, dùng giám sát độ ổn định của mô hình xếp hạng tín dụng ngân hàng.
- [Hệ thống cảnh báo sớm](https://vieclam.nganhang.com/thuat-ngu/he-thong-canh-bao-som-la-gi) — Bộ chỉ tiêu và ngưỡng giám sát giúp phát hiện sớm các dấu hiệu suy yếu tài chính hoặc rủi ro tín dụng của ngân hàng và khách hàng.
- [Hệ thống xếp hạng tín dụng nội bộ](https://vieclam.nganhang.com/thuat-ngu/he-thong-xep-hang-tin-dung-noi-bo-la-gi) — Hệ thống phân hạng khách hàng do ngân hàng tự xây dựng theo chuẩn Basel, làm cơ sở tính vốn yêu cầu cho rủi ro tín dụng (phương pháp IRB).
- [Quyết định 2345/QĐ-NHNN](https://vieclam.nganhang.com/thuat-ngu/quyet-dinh-2345qd-nhnn-la-gi) — Quyết định của Ngân hàng Nhà nước Việt Nam ban hành năm 2023 quy định về bảo đảm an toàn thông tin trong hoạt động ngân hàng.
- [Trích lập dự phòng rủi ro](https://vieclam.nganhang.com/thuat-ngu/trich-lap-du-phong-rui-ro-la-gi) — Việc ngân hàng trích một khoản dự phòng tài chính dựa trên phân loại nợ để bù đắp tổn thất có thể xảy ra.
- [Tỷ lệ trích lập dự phòng](https://vieclam.nganhang.com/thuat-ngu/ty-le-trich-lap-du-phong-la-gi) — Tỷ lệ phần trăm giữa tổng dự phòng rủi ro và tổng dư nợ, phản ánh mức độ thận trọng trong ước tính tổn thất tín dụng của ngân hàng.
- [Xếp hạng tín dụng nội bộ](https://vieclam.nganhang.com/thuat-ngu/xep-hang-tin-dung-noi-bo-la-gi) — Hệ thống chấm điểm khách hàng do ngân hàng tự xây dựng, quyết định lãi suất và hạn mức cho vay.
- [Điểm tín dụng nội bộ](https://vieclam.nganhang.com/thuat-ngu/diem-tin-dung-noi-bo-la-gi) — Hệ thống chấm điểm do ngân hàng xây dựng để phân loại và xếp hạng khách hàng tín dụng theo mức độ rủi ro.