2、PSI概念与原理：群体稳定性指标定义、PSI计算公式推导、PSI的统计学意义
2.1 群体稳定性指标（PSI）定义
群体稳定性指标（Population Stability Index，PSI）是衡量两个样本分布之间差异程度的量化指标。在催收策略与风控建模中，PSI 主要用于监控模型评分或关键特征在时间维度上的分布偏移情况。
PSI 的核心思想是：如果模型或特征在训练集（预期分布）与测试集/实际生产集（实际分布）上的分布保持一致，则说明模型或特征具有较好的稳定性；反之，若分布发生显著偏移，则表明模型或特征可能失效，需要重新校准或迭代。
应用场景：在催收触达策略中，PSI 常用于监控“客户还款概率评分”、“逾期天数分箱”、“催收响应率特征”等关键变量的月度/季度分布变化，以判断策略是否需要调整。
2.2 PSI计算公式推导
PSI 的计算基于信息论中的 KL散度（Kullback-Leibler divergence） 变体，其标准公式如下：
PSI = Σ (实际占比_i - 预期占比_i) * ln(实际占比_i / 预期占比_i)其中：
- 实际占比_i：第 i 个分箱中，实际样本数量占总样本数量的比例。
- 预期占比_i：第 i 个分箱中，预期（基准）样本数量占总样本数量的比例。
- ln：自然对数。
- Σ：对所有分箱求和。
推导步骤：
- 分箱处理：将连续变量或评分按等距、等频或业务经验划分为 k 个区间（通常 10~20 箱）。
- 计算占比：分别统计每个分箱在预期分布和实际分布中的样本占比。
- 计算差异项：对每个分箱计算 (实际占比 - 预期占比) 与 ln(实际占比/预期占比) 的乘积。
- 求和：将所有分箱的乘积相加，得到最终的 PSI 值。
⚠️ 注意：当某个分箱的预期占比或实际占比为 0 时，公式中的对数项无定义。实际处理中，通常对占比进行微小平滑处理（如加 0.0001），或将该分箱与相邻分箱合并。
2.3 PSI的统计学意义
PSI 的数值大小直接反映了分布偏移的严重程度。业界通用的判断阈值如下：
| PSI 值范围 | 稳定性等级 | 业务含义与建议 |
|---|---|---|
| PSI < 0.1 | 稳定 | 分布无显著变化，模型/特征可继续使用。 |
| 0.1 ≤ PSI < 0.25 | 轻度偏移 | 需关注，建议检查近期数据是否存在结构性变化，可考虑轻度调整。 |
| PSI ≥ 0.25 | 严重偏移 | 分布发生显著变化，模型/特征已失效，必须重新训练或替换。 |
统计学解释：
- PSI 本质上是衡量两个概率分布之间“距离”的指标。PSI 越大，说明两个分布的重叠区域越小，差异越显著。
- 在催收场景中，PSI 的升高可能由以下原因引起：
- 客群结构变化：如新政策导致进件客群质量下降。
- 外部环境变化：如经济下行导致整体还款能力下降。
- 数据采集偏差：如上游系统升级导致特征取值偏移。
关键提醒：PSI 仅反映分布差异，不直接说明差异的原因。当 PSI 超过阈值时，需结合业务逻辑进行根因分析，而非盲目调整模型。