二、PSI计算原理：分箱方法、期望分布与实际分布的计算、PSI值的分段标准
群体稳定性指标（Population Stability Index, PSI）是模型验证中最核心的量化监控工具。它通过比较模型评分在期望分布（建模/基准样本）与实际分布（当前监控样本）之间的偏移程度，来判断模型是否发生结构性退化。理解PSI的计算原理，是进行异常波动复盘的前提。
2.1 分箱方法：离散化的第一步
PSI计算要求将连续型评分变量转换为离散的类别变量，这一过程称为分箱。分箱的粒度直接影响PSI值的敏感度与稳定性。
| 分箱方法 | 核心逻辑 | 适用场景 | 注意事项 |
|---|---|---|---|
| 等距分箱 | 将评分区间按固定宽度划分为K个箱 | 评分分布接近均匀分布时 | 极端值可能导致空箱 |
| 等频分箱 | 使每个箱包含大致相等的样本量 | 最常用，保证各箱统计稳定性 | 边界点可能跨箱 |
| 最优分箱 | 基于决策树或卡方合并，最大化组间差异 | 需要精细刻画分布变化时 | 计算复杂度高，可解释性略差 |
行业实践建议：在模型监控中，通常采用等频分箱，箱数K一般设为10。若样本量较小（如<5000），可适当减少至5箱；若样本量极大（如>100万），可增加至20箱。分箱边界一旦在建模时确定，后续监控周期应固定不变，以保证PSI的可比性。
2.2 期望分布与实际分布的计算
分箱完成后，PSI的计算分为三个步骤：
- 确定基准分布（期望分布）：使用建模样本或首次上线时的评分分布，计算每个箱的样本占比 \( P_i \)。
- 确定当前分布（实际分布）：使用监控周期内的评分分布，计算每个箱的样本占比 \( Q_i \)。
- 计算每个箱的贡献值：对每个箱，计算 \( (Q_i - P_i) \times \ln(Q_i / P_i) \)，然后求和得到PSI。
PSI计算公式：
\[
PSI = \sum_{i=1}^{K} (Q_i - P_i) \times \ln\left(\frac{Q_i}{P_i}\right)
\]
其中，\( K \) 为分箱数，\( P_i \) 为期望分布第i箱占比，\( Q_i \) 为实际分布第i箱占比。
下面通过一个具体案例展示计算过程。假设某评分模型分为5个等频箱，基准样本与监控样本各1000笔：
| 分箱区间 | 期望样本数 | 期望占比 \( P_i \) | 实际样本数 | 实际占比 \( Q_i \) | \( Q_i - P_i \) | \( \ln(Q_i / P_i) \) | 单箱贡献 |
|---|---|---|---|---|---|---|---|
| [0, 200) | 200 | 0.20 | 180 | 0.18 | -0.02 | -0.1054 | 0.0021 |
| [200, 400) | 200 | 0.20 | 210 | 0.21 | 0.01 | 0.0488 | 0.0005 |
| [400, 600) | 200 | 0.20 | 250 | 0.25 | 0.05 | 0.2231 | 0.0112 |
| [600, 800) | 200 | 0.20 | 220 | 0.22 | 0.02 | 0.0953 | 0.0019 |
| [800, 1000] | 200 | 0.20 | 140 | 0.14 | -0.06 | -0.3567 | 0.0214 |
| 合计 | 1000 | 1.00 | 1000 | 1.00 | 0.00 | — | 0.0371 |
上例中，PSI = 0.0371。可以看到，第5箱（高分区间）样本占比从20%下降到14%，贡献了最大的偏移量0.0214，是导致PSI升高的主要因素。
计算避坑：当某个箱的 \( P_i \) 或 \( Q_i \) 为0时，\( \ln(Q_i / P_i) \) 无定义。行业惯例是：若 \( P_i = 0 \)，则将该箱与相邻箱合并；若 \( Q_i = 0 \)，则用极小值（如0.0001）替代，或将该箱与相邻箱合并。切勿直接忽略空箱，否则PSI会被低估。
2.3 PSI值的分段标准
PSI值的大小反映了分布偏移的严重程度。业界通用的判断标准如下：
| PSI范围 | 偏移程度 | 行动建议 |
|---|---|---|
| PSI < 0.10 | 无显著偏移 | 模型稳定，无需干预 |
| 0.10 ≤ PSI < 0.25 | 轻度偏移 | 需关注，排查原因，加强监控频率 |
| PSI ≥ 0.25 | 严重偏移 | 立即触发预警，启动模型复核与重开发流程 |
需要特别说明的是，上述标准是经验阈值，实际应用中应根据业务场景调整：
- 高风险业务（如信贷审批）：建议将预警阈值下调至0.15，严重阈值下调至0.20。
- 低风险业务（如营销评分）：可适当放宽至0.15/0.30。
- 短期监控（如月度）：PSI波动通常较小，0.05以上即应关注。
- 长期监控（如年度）：PSI在0.10~0.20之间属于正常范围。
2.4 PSI计算与判断流程总览
下图完整展示了从分箱到阈值判断的PSI计算全流程：
2.5 常见误区与复盘要点
- 误区一：PSI越低越好。 PSI过低（如<0.01）可能意味着模型对近期客群变化不敏感，反而需要检查模型是否过度拟合或分箱过粗。
- 误区二：只看整体PSI。 整体PSI正常不代表每个箱都稳定。应同时查看单箱贡献度，定位偏移最大的箱区间。
- 误区三：忽略样本量变化。 若监控样本量远小于基准样本量，PSI的方差会增大，此时应结合置信区间判断，而非仅看点估计值。
- 误区四：分箱边界随意调整。 每次监控必须使用相同的分箱边界，否则PSI不可比。若需调整边界，应重新计算历史所有周期的PSI。
复盘检查清单：
- 确认分箱方法是否与建模时一致？
- 检查是否有空箱或占比极小的箱（<1%）？
- 计算单箱贡献度，找出贡献最大的前3个箱。
- 对比PSI与业务指标（如坏账率、通过率）的变化趋势是否一致。
- 若PSI>0.25，立即启动模型复核流程，并回溯特征分布变化。