3、PSI指标基础：群体稳定性指标(PSI)的数学定义、计算公式、取值范围与业务含义

群体稳定性指标（Population Stability Index，PSI）是贷后监控中最核心的量化工具之一。它通过比较两个时间窗口内评分或风险特征的分布差异，判断客群结构是否发生显著偏移。在贷后告警延迟场景中，PSI 能够帮助监控团队在模型失效或客群突变之前，提前捕捉到分布漂移的信号。

3.1 数学定义与核心思想

PSI 本质上衡量的是两个概率分布之间的“距离”或“差异程度”。在金融风控中，这两个分布通常对应：

• 基准分布（Expected）：模型开发时的训练集、验证集，或业务稳定期的客群分布。
• 实际分布（Actual）：当前监控周期（如最近一周、一个月）的线上客群分布。

PSI 的数学基础来源于信息论中的 KL 散度（Kullback-Leibler divergence），但做了对称化处理，使其更适用于业务监控。其核心逻辑是：如果两个分布完全一致，PSI = 0；差异越大，PSI 值越高。

3.2 计算公式与分箱步骤

PSI 的计算需要先将连续型评分或特征值进行离散化分箱（通常分为 10~20 等频箱），然后逐箱计算占比并代入公式。标准计算公式如下：

PSI = Σ [ (Actual_i - Expected_i) × ln(Actual_i / Expected_i) ]

其中：
- i = 第 i 个分箱（i = 1, 2, ..., n）
- Actual_i   = 当前周期落在第 i 箱的样本占比
- Expected_i = 基准周期落在第 i 箱的样本占比
- ln         = 自然对数

实际计算中，为避免分母为 0 导致无穷大，通常对占比做微小平滑处理（如加 0.0001）。

分箱与计算流程

1. 确定基准分布：选取模型开发样本或稳定期样本，记录每个分箱的样本占比（Expected_i）。
2. 确定实际分布：统计当前监控周期内样本在每个分箱的占比（Actual_i）。
3. 逐箱计算差异项：对每个分箱计算 (Actual_i - Expected_i) × ln(Actual_i / Expected_i)。
4. 求和：将所有分箱的差异项相加，得到最终的 PSI 值。

3.3 取值范围与业务判定标准

PSI 的取值范围为 [0, +∞)。理论上无上限，但在实际风控业务中，超过 0.25 即视为严重漂移。行业通用的判定阈值如下：

3.4 PSI 计算与判定流程（SVG 图）

下图展示了从原始评分数据到 PSI 计算、阈值判定、最终业务决策的完整链路，帮助理解 PSI 在贷后监控中的位置：

3.5 PSI 与告警延迟的关联逻辑

在贷后告警延迟场景中，PSI 的价值体现在以下三个层面：

• 前置预警：PSI 升高通常比模型 KS/AUC 下降早 1~2 个监控周期，为延迟告警提供缓冲时间。
• 归因定位：通过分析 PSI 贡献度最高的分箱，可快速定位是高分客群增多还是低分客群漂移，辅助排查延迟原因。
• 阈值联动：将 PSI 与告警延迟时长（如平均响应时间）做联合监控，当 PSI > 0.10 且延迟 > 阈值时，触发升级处置流程。

3.6 常见误区与避坑指南