4. PSI（群体稳定性指标）原理

群体稳定性指标（Population Stability Index，PSI）是风控模型监控中最核心的量化指标之一，用于衡量两个样本群体在特征分布上的差异程度。在实时风控场景中，PSI 被广泛用于检测特征漂移（Feature Drift），从而判断模型输入分布是否发生显著变化，进而触发模型重训或特征工程调整。

4.1 PSI 的数学定义

PSI 基于信息论中的 KL 散度（Kullback-Leibler Divergence）演变而来，其计算公式如下：

PSI = Σ (P_i - Q_i) × ln(P_i / Q_i)

其中：

• P_i：当前监控窗口（实际分布）中第 i 个分箱的样本占比
• Q_i：基准分布（如训练集、上一周期）中第 i 个分箱的样本占比
• ln(P_i / Q_i)：自然对数，衡量两个比例之间的偏离程度

PSI 的实质是对每个分箱的“实际占比 vs 期望占比”差异进行加权求和，权重由对数变换后的偏离程度决定。当 P_i 与 Q_i 完全一致时，PSI = 0；差异越大，PSI 值越高。

4.2 分箱方法

PSI 的计算依赖分箱（Binning），即把连续特征或离散特征划分为若干区间。分箱方式直接影响 PSI 的稳定性和可解释性。常用的分箱方法有三种：

在实际风控监控中，等频分箱是最常用的方法，因为它能保证每个分箱都有足够的样本量，避免因空箱导致 PSI 计算异常（如 ln(0) 或除以 0）。

4.3 PSI 阈值设定（0.1 / 0.25）

PSI 的绝对值没有固定的“安全值”，但业界经过大量实践总结出两个通用阈值：

这两个阈值并非绝对，实际应用中需根据业务场景调整：

• 高风险场景（如信贷审批、反欺诈）：建议收紧阈值，如 0.05 / 0.15
• 低风险场景（如营销评分）：可适当放宽，如 0.15 / 0.30
• 特征维度：数值型特征通常比类别型特征对 PSI 更敏感，可单独设定阈值

4.4 PSI 在特征漂移监控中的作用

特征漂移是模型性能衰减的核心原因之一。PSI 在特征漂移监控中扮演以下关键角色：

1. 早期预警：在模型 AUC 或 KS 下降之前，PSI 往往率先反映分布变化，为风控团队争取响应时间
2. 定位根因：通过计算每个特征的 PSI，快速定位是哪个特征发生了漂移，缩小排查范围
3. 量化影响：PSI 值的大小可辅助判断漂移的严重程度，决定是否需要立即干预
4. 模型生命周期管理：定期监控 PSI 趋势，为模型重训、特征工程迭代提供数据依据

下图展示了 PSI 在实时风控特征监控中的完整流程：

上图清晰地展示了从实时数据流入到特征提取、分箱对齐、PSI 计算、阈值判断，再到正常监控或预警/模型重训的完整闭环。其中基准分布（训练集或上一周期）作为 PSI 计算的参照标准，与当前分布进行对比。

4.5 PSI 与其他漂移指标的对比

在特征漂移监控中，除了 PSI，还有几种常用指标。下表对比了它们的核心差异：

4.6 PSI 计算的 SQL 实现要点

在实时风控巡检中，PSI 通常通过 SQL 在数据仓库或流计算引擎中实现。以下是核心实现步骤：

1. 准备基准分布：从训练集或历史周期中提取每个特征的分箱边界和期望占比 Q_i
2. 计算当前分布：对实时数据按相同分箱边界进行分组，统计每个分箱的样本数，计算实际占比 P_i
3. 处理空箱：若某个分箱在当前分布中样本数为 0，需做平滑处理（如加 1 或使用极小值），避免 ln(0)
4. 聚合计算：按分箱计算 (P_i - Q_i) * ln(P_i / Q_i)，求和得到 PSI

-- PSI 计算 SQL 示例（基于等频分箱）
WITH bin_stats AS (
  SELECT
    CASE
      WHEN feature_value <= 0.1 THEN 'bin_1'
      WHEN feature_value <= 0.3 THEN 'bin_2'
      WHEN feature_value <= 0.6 THEN 'bin_3'
      ELSE 'bin_4'
    END AS bin_id,
    COUNT(*) AS cnt
  FROM current_data
  GROUP BY bin_id
),
total_cnt AS (
  SELECT SUM(cnt) AS total FROM bin_stats
),
psi_calc AS (
  SELECT
    b.bin_id,
    b.cnt / t.total AS p_i,
    ref.expected_ratio AS q_i,
    (b.cnt / t.total - ref.expected_ratio) *
      LN((b.cnt / t.total + 1e-10) / (ref.expected_ratio + 1e-10)) AS psi_term
  FROM bin_stats b
  CROSS JOIN total_cnt t
  JOIN reference_distribution ref ON b.bin_id = ref.bin_id
)
SELECT ROUND(SUM(psi_term), 6) AS psi_value
FROM psi_calc;