4. 数据准备与预处理：特征筛选、缺失值处理、异常值处理、数据标准化对PSI的影响

贷后逾期预测模型的稳定性高度依赖输入数据的质量与分布一致性。在模型上线后，若数据预处理逻辑与训练阶段不一致，或特征分布发生结构性偏移，PSI（群体稳定性指标）将直接反映为异常波动。本章系统梳理特征筛选、缺失值处理、异常值处理、数据标准化四个环节对PSI的具体影响机制与操作规范。

4.1 特征筛选对PSI的影响

特征筛选不仅决定模型性能上限，更直接影响PSI的敏感度。若保留过多噪声特征或低区分度特征，PSI容易被无关波动干扰；若剔除重要特征，则可能掩盖真实分布偏移。

特征类型	对PSI的影响	筛选建议
高区分度稳定特征	PSI波动小，反映真实客群变化	优先保留，定期监控分箱边界
低区分度噪声特征	PSI易被随机波动拉高	剔除或降维处理
高相关性冗余特征	PSI信号重叠，难以定位偏移源	保留代表性特征，删除冗余
随时间衰减特征	PSI持续上升，但非客群变化	设置有效期或动态重训练

4.2 缺失值处理对PSI的影响

缺失值处理方式若在训练与监控阶段不一致，会直接改变特征分布形态，导致PSI计算失真。常见缺失值填充方法对PSI的影响如下：

• 均值/中位数填充：若监控期缺失率上升，填充值会拉低特征均值，PSI偏向负向偏移。
• 众数填充（分类特征）：缺失率变化会改变众数类别占比，PSI对类别分布敏感。
• 模型预测填充：填充值依赖模型，若模型泛化能力下降，PSI可能掩盖真实偏移。
• 缺失指示变量：新增“是否缺失”二值特征，可单独监控缺失模式变化，避免污染原始分布。

4.3 异常值处理对PSI的影响

异常值处理（截尾、盖帽、剔除）若在训练与监控阶段采用不同阈值或方法，会直接改变特征分布的尾部形态，导致PSI计算出现假阳性或假阴性。

异常值处理方法	PSI潜在风险	监控建议
固定阈值截尾（如±3σ）	监控期分布方差变化时，截尾比例改变	使用分位数阈值（如1%/99%）替代固定σ
分位数盖帽	盖帽比例固定，但分布偏移后盖帽值变化	同时监控盖帽前后PSI
模型异常检测剔除	剔除逻辑复杂，难以复现	仅用于训练阶段，监控阶段统一规则

4.4 数据标准化对PSI的影响

标准化方法（Z-score、Min-Max、RobustScaler）会改变特征的数值范围与分布形态，直接影响PSI的分箱结果与计算值。不同标准化方法对PSI的敏感度差异显著：

• Z-score标准化：依赖均值和标准差，若监控期分布偏移，标准化后特征分布可能被压缩或拉伸，PSI对均值偏移敏感。
• Min-Max标准化：依赖最小值和最大值，监控期若出现新极值，标准化后分布整体偏移，PSI易被拉高。
• RobustScaler：基于中位数和四分位距，对异常值鲁棒，PSI波动相对稳定。

4.5 数据预处理对PSI影响的整体流程

4.6 预处理规则固化与PSI基线

为确保PSI监控的可靠性，所有数据预处理逻辑必须在模型训练阶段完成固化，并记录为预处理配置文件。监控阶段严格复用该配置，不得动态调整。

# 预处理规则固化示例（Python伪代码）
preprocessing_config = {
    "features_to_keep": ["age", "income", "credit_score", "loan_amount"],
    "missing_fill": {
        "age": "median",
        "income": "median",
        "credit_score": "median",
        "loan_amount": "median"
    },
    "missing_indicator": ["income", "credit_score"],
    "outlier_cap": {
        "age": {"lower": 0.01, "upper": 0.99},
        "income": {"lower": 0.01, "upper": 0.99}
    },
    "scaler": "RobustScaler",
    "scaler_params": {
        "center": True,
        "scale": True,
        "quantile_range": (25.0, 75.0)
    }
}

4.7 预处理环节PSI异常排查清单

PSI异常表现	可能原因	排查方向
PSI持续上升	特征筛选遗漏重要变量	重新评估特征IV值与稳定性
PSI突然跳变	缺失值处理规则变更	检查缺失率与填充逻辑
PSI尾部偏移	异常值阈值不一致	核对截尾/盖帽参数
PSI整体偏移	标准化参数与训练期不符	验证scaler参数是否固化