2. PSI指标基础：群体稳定性指标的定义、数学公式与业务含义
群体稳定性指标（Population Stability Index，PSI）是量化风控中衡量两个样本群体在评分或特征分布上差异程度的统计量。在回测坏账率监控场景中，PSI用于判断模型评分分布是否随时间发生显著偏移，从而预警模型失效或客群结构变化。
2.1 PSI的定义与业务定位
PSI通过比较两个群体在各分数段上的占比差异，量化分布的整体偏移程度。其核心思想是：如果模型评分在时间序列上保持稳定，则各分数段的样本占比应基本一致；反之，若某分数段占比发生大幅变化，则PSI值会显著升高。
| 维度 | 说明 |
|---|---|
| 比较对象 | 基准分布（如建模样本、上线初期分布） vs 实际分布（如当前回测样本） |
| 应用场景 | 模型监控、特征稳定性检测、客群迁移分析、回测坏账率预警 |
| 业务含义 | PSI越大，说明模型评分分布变化越剧烈，模型失效或客群漂移风险越高 |
| 监控频率 | 日级、周级或月级，取决于业务量和模型更新周期 |
关键认知： PSI不是衡量模型预测能力的指标，而是衡量模型输入/输出分布稳定性的指标。在回测坏账率监控中，PSI作为“哨兵”先行指标，通常比坏账率本身更早发出预警信号。
2.2 PSI的数学公式
PSI的计算分为三个步骤：分箱、计算占比、求和。假设将评分范围划分为 n 个等宽或等频区间（通常为10~20个分箱），则PSI公式为：
PSI = Σ [ (实际占比_i - 基准占比_i) × ln(实际占比_i / 基准占比_i) ]
i=1 to n其中：
- 实际占比_i：当前回测样本在第 i 个分数区间的样本数占总样本数的比例
- 基准占比_i：基准样本（如建模样本）在第 i 个分数区间的样本数占总样本数的比例
- ln：自然对数
当某个分箱的基准占比为0时，为避免除零错误，通常对该分箱进行合并或使用极小值（如0.0001）替代。
2.3 PSI的分箱策略
分箱方式直接影响PSI的计算结果和稳定性判断。常用的分箱策略包括：
| 分箱方式 | 方法描述 | 适用场景 | 注意事项 |
|---|---|---|---|
| 等宽分箱 | 按评分区间等距划分（如每20分一箱） | 评分范围固定、分布均匀时 | 极端值可能导致部分分箱样本过少 |
| 等频分箱 | 按基准样本的百分位数划分，使每箱样本数大致相等 | 评分分布偏态、需要稳定分箱样本量时 | 实际分布的分箱边界可能与基准不一致 |
| 自定义分箱 | 根据业务规则或风险等级划分（如A/B/C/D等级） | 业务有明确风险分层标准时 | 需保证分箱边界在监控期内不变 |
实践建议： 在回测坏账率监控中，推荐使用等频分箱（基于基准样本的十分位数），通常分为10箱。这样既能保证每箱有足够的样本量计算坏账率，又能使PSI对分布偏移敏感。
2.4 PSI的业务判断阈值
行业通用的PSI判断标准如下，但具体阈值需根据业务场景和模型敏感度调整：
| PSI范围 | 稳定性判断 | 建议动作 |
|---|---|---|
| < 0.10 | 稳定 | 无需干预，继续常规监控 |
| 0.10 ~ 0.25 | 轻度偏移 | 发出预警，排查客群或策略变化 |
| > 0.25 | 显著偏移 | 触发哨兵警报，暂停模型使用或启动重训 |
回测场景特化： 在回测坏账率监控中，建议将PSI阈值适当收紧（如0.15即触发预警），因为回测数据通常时间跨度大、客群变化快，更早发现分布偏移有助于避免坏账率误判。
2.5 PSI与坏账率的关系
PSI与坏账率之间存在以下业务关联：
- 先行性： PSI上升通常早于坏账率恶化1~3个月，因为评分分布偏移意味着模型对当前客群的排序能力下降
- 方向性： 若PSI升高且评分向低分段迁移，则坏账率大概率上升；若向高分段迁移，则坏账率可能下降或不变
- 互补性： PSI监控分布稳定性，坏账率监控结果表现，两者结合形成完整的回测监控体系
2.6 PSI的局限性
尽管PSI是广泛使用的稳定性指标，但在实际应用中需注意以下局限：
- 对分箱敏感： 不同分箱方式可能导致PSI值差异较大，需统一分箱标准
- 无法区分偏移方向： PSI只反映偏移幅度，不反映偏移方向（向好还是向坏），需结合评分均值变化判断
- 样本量依赖： 小样本时PSI波动较大，容易产生误报，建议每箱至少100个样本
- 不反映排序能力： PSI衡量分布变化，不直接衡量模型区分好坏客户的能力变化
最佳实践： 在回测坏账率监控中，建议将PSI与评分均值漂移（Mean Shift）、特征重要性变化（Feature Importance Drift）结合使用，形成多维稳定性监控体系，避免单一指标误判。