2. PSI 数学原理：从公式到业务落地
群体稳定性指标（Population Stability Index, PSI）是贷后预警中最核心的量化工具。它衡量的是两个分布之间的“偏移程度”——在贷后场景中，通常对比建模样本（预期）与当前监控样本（实际）的评分或关键特征分布。本章从数学公式、分箱逻辑、对数变换三个维度拆解 PSI 的本质。
2.1 PSI 计算公式详解
PSI 的数学定义基于信息论中的 KL 散度（Kullback-Leibler divergence）的对称化变体。其标准计算公式为：
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，当前监控样本的占比。
- 预期占比_i：第 i ̄个分箱中，建模基准样本的占比。
- ln：自然对数，用于放大差异的非线性信号。
- Σ：对所有分箱求和，得到整体偏移量。
业务解读：PSI 值越小，说明当前客群分布与建模时越一致；PSI 越大，说明客群结构发生了显著漂移，需要触发预警。
行业通用阈值如下：
| PSI 范围 | 稳定性等级 | 建议动作 |
|---|---|---|
| PSI < 0.10 | 稳定 | 无需干预，持续监控 |
| 0.10 ≤ PSI < 0.25 | 轻度漂移 | 需关注，排查特征变化原因 |
| PSI ≥ 0.25 | 严重漂移 | 立即预警，考虑模型重构或策略调整 |
2.2 分箱逻辑：等频 vs 等距
PSI 计算的前提是“分箱”——将连续变量或概率值划分为离散区间。分箱方式直接影响 PSI 的敏感度和稳定性。两种主流方法对比如下：
| 分箱方式 | 原理 | 优点 | 缺点 | 贷后适用场景 |
|---|---|---|---|---|
| 等频分箱 | 每个箱包含相同数量的样本 | 避免空箱；对分布尾部敏感 | 区间宽度不固定，极端值可能被压缩 | 评分卡分数、风险等级分布 |
| 等距分箱 | 每个箱的数值区间宽度相同 | 区间解释性强，便于业务沟通 | 容易产生空箱或样本稀疏箱 | 年龄、收入、负债率等连续指标 |
避坑提示：等距分箱下，如果某个箱内实际占比为 0，会导致 ln(0) 计算异常。实践中通常对空箱做平滑处理（如加 0.5 或 1e-6），或改用等频分箱。
分箱数量一般建议在 10～20 箱之间。箱数太少会丢失分布细节，箱数太多则容易引入噪声。贷后预警中，评分卡 PSI 常用 10 等分（decile）作为默认配置。
2.3 对数变换的意义
PSI 公式中的 ln(实际占比 / 预期占比) 是整个计算的核心非线性环节。其数学意义体现在三个方面：
- 对称性处理：自然对数将比率映射到实数轴。当实际占比 > 预期占比时，比值为正；反之为负。这保证了偏移方向可识别。
- 放大尾部差异：对数函数在比值接近 0 或远大于 1 时，变化率远大于线性函数。这意味着 PSI 对“小概率事件的大幅变化”极其敏感——这正是贷后预警需要的特性：少量高风险客群的漂移也能被捕捉。
- 可加性：对数变换使得不同分箱的贡献可以线性求和，最终 PSI 值具有明确的数学下界（0）和理论上界（无上限），便于跨模型、跨时间对比。
数学直觉：如果实际占比与预期占比完全一致，每个分箱的 ln(1) = 0，PSI = 0。差异越大，每个分箱的贡献值越大，PSI 单调递增。
2.4 完整计算示例
假设某评分卡将分数分为 5 个等频区间，建模样本（预期）与当前监控样本（实际）的分布如下：
| 分箱 | 预期占比 (%) | 实际占比 (%) | 实际/预期 | ln(实际/预期) | 分箱贡献 |
|---|---|---|---|---|---|
| 1（低分） | 20 | 25 | 1.25 | 0.2231 | 0.0112 |
| 2 | 20 | 22 | 1.10 | 0.0953 | 0.0019 |
| 3 | 20 | 18 | 0.90 | -0.1054 | 0.0021 |
| 4 | 20 | 17 | 0.85 | -0.1625 | 0.0049 |
| 5（高分） | 20 | 18 | 0.90 | -0.1054 | 0.0021 |
| PSI = Σ 分箱贡献 | 0.0222 | ||||
本例 PSI = 0.0222 < 0.10，说明当前客群分布与建模基准高度一致，无需预警。
关键结论：PSI 的数学本质是“加权对数偏差”。分箱方式决定了“权重”的分配逻辑，而对数变换决定了“偏差”的放大倍数。理解这三者的协同关系，是贷后预警 PSI 实验评估的基石。