2. PSI 数学原理：从公式到业务含义

群体稳定性指标（Population Stability Index, PSI）是信用评分模型监控中最核心的量化指标。它衡量的是模型评分在 期望分布（建模时的开发样本）与 实际分布（上线后的监控样本）之间的偏移程度。本章从数学定义出发，逐步推导 PSI 的公式，并揭示其与 KL 散度的内在联系，最后给出数值范围对应的业务解读。

2.1 期望分布与实际分布的定义

在计算 PSI 之前，必须明确两个关键分布：

  • 期望分布（Expected Distribution）：通常指模型开发时使用的训练集或验证集样本，在评分区间上的占比分布。它代表模型“预期”看到的客群结构。
  • 实际分布（Actual Distribution）：指模型上线后，在特定监控周期内（如月度、季度）收集的样本，在相同评分区间上的占比分布。它代表模型“实际”面对的客群结构。

两个分布均基于 等宽分箱 或 等频分箱 后的评分区间计算。通常建议分箱数量为 10 组（即 deciles），每组包含约 10% 的样本。

概念 符号 定义 数据来源
期望占比 Ei 第 i 个评分区间内，开发样本数量 / 开发样本总数 建模训练集 / 验证集
实际占比 Ai 第 i 个评分区间内，监控样本数量 / 监控样本总数 上线后月度 / 季度样本
关键前提：期望分布和实际分布必须使用完全相同的评分区间切分点。如果实际样本的评分范围超出开发样本的范围，需要将超出部分归入最近的有效区间，或重新定义分箱边界。

2.2 PSI 数学公式推导

PSI 的计算分为两步：先计算每个评分区间的“偏移量”，再对所有区间的偏移量求和。其标准公式如下：

PSI = Σ (A_i - E_i) * ln(A_i / E_i)   (i = 1, 2, ..., n)

其中：

  • n：分箱总数（通常 n = 10）
  • Ai：第 i 个区间的实际占比
  • Ei：第 i 个区间的期望占比
  • ln：自然对数

推导逻辑：

  1. 计算每个区间实际占比与期望占比的差值：(A_i - E_i)，反映绝对偏移方向与幅度。
  2. 计算每个区间实际占比与期望占比的比值对数：ln(A_i / E_i)，反映相对偏移的敏感度。当 A_i 远大于 E_i 时，对数值为正且较大；当 A_i 远小于 E_i 时，对数值为负且绝对值较大。
  3. 将差值与对数相乘，得到该区间的“偏移贡献”。对所有区间求和，得到整体 PSI 值。
注意：当某个区间的期望占比 Ei = 0 时，公式中的 ln(Ai / 0) 无定义。实际处理中，通常将 Ei 替换为一个极小正数（如 0.0001），或将该区间与相邻区间合并。同样，当 Ai = 0 时，ln(0 / Ei) 也无定义，需做类似处理。

2.3 KL 散度与 PSI 的关系

PSI 在数学上等价于 KL 散度（Kullback-Leibler Divergence） 的对称化形式。KL 散度用于衡量两个概率分布 P 和 Q 之间的差异，其定义为：

KL(P || Q) = Σ P_i * ln(P_i / Q_i)

如果将实际分布 A 视为 P，期望分布 E 视为 Q，则：

KL(A || E) = Σ A_i * ln(A_i / E_i)

如果将期望分布 E 视为 P，实际分布 A 视为 Q，则：

KL(E || A) = Σ E_i * ln(E_i / A_i)

而 PSI 恰好是这两个 KL 散度的 和：

PSI = KL(A || E) + KL(E || A)
    = Σ A_i * ln(A_i / E_i) + Σ E_i * ln(E_i / A_i)
    = Σ (A_i - E_i) * ln(A_i / E_i)

因此，PSI 是一种 对称化 的 KL 散度，它同时考虑了从实际到期望和从期望到实际两个方向的分布差异。这使得 PSI 比单向 KL 散度更稳定、更适用于监控场景。

核心结论：PSI 本质上是两个概率分布之间“双向距离”的度量。值越大，说明实际分布与期望分布差异越大，客群结构偏移越严重。
PSI 与 KL 散度的关系 期望分布 E 实际分布 A PSI = KL(A||E) + KL(E||A) KL(E || A) KL(A || E) PSI 是双向 KL 散度的和，同时衡量两个方向的分布差异 比单向 KL 散度更稳定，更适合模型监控场景

2.4 PSI 的数值范围与业务含义

PSI 是一个非负实数，理论上最小值为 0（两个分布完全一致），最大值无上限（两个分布差异极大）。在实际信用评分模型监控中，行业通用的阈值标准如下：

PSI 数值范围 业务含义 建议行动
PSI < 0.10 分布稳定，无显著偏移 无需干预，继续常规监控
0.10 ≤ PSI < 0.25 轻度偏移，需关注 分析偏移原因，检查客群结构变化
PSI ≥ 0.25 严重偏移，需立即干预 触发告警，启动模型复核或重新开发
经验法则：PSI 阈值并非绝对固定。对于高风险业务（如信贷审批），建议采用更严格的阈值（如 0.10 告警、0.20 强制干预）；对于低风险业务（如营销评分），可适当放宽至 0.15 和 0.30。

PSI 数值的业务解读要点：

  • PSI = 0：实际分布与期望分布完全一致，客群结构无变化。这是理想状态，但现实中极少出现。
  • 0 < PSI < 0.10：分布差异在可接受范围内，通常由随机波动或季节性因素引起。
  • 0.10 ≤ PSI < 0.25：分布出现系统性偏移，可能原因包括：宏观经济变化、获客渠道调整、产品政策变更、客群下沉或上浮等。
  • PSI ≥ 0.25：分布发生剧烈偏移，模型预测能力可能已大幅下降。此时需立即排查原因，并评估是否需要重新开发模型。
PSI 数值区间与业务决策流程 计算 PSI 值 PSI < 0.10? ✅ 稳定，常规监控 PSI < 0.25? ⚠️ 轻度偏移，分析原因 🚨 严重偏移，立即干预 是 否 是 否

2.5 本章小结

  • PSI 公式：PSI = Σ (Ai - Ei) * ln(Ai / Ei)，基于等宽或等频分箱后的占比计算。
  • 与 KL 散度的关系：PSI 是双向 KL 散度的和，即 KL(A||E) + KL(E||A)，比单向 KL 散度更全面。
  • 数值含义：PSI < 0.10 为稳定，0.10 ~ 0.25 为轻度偏移，≥ 0.25 为严重偏移。
  • 业务价值：PSI 是模型监控的“晴雨表”，帮助风控团队及时发现客群结构变化，避免模型失效带来的风险。
← 上一章 📖 返回目录 下一章 →