2. PSI计算原理：分箱方法、实际分布与预期分布的计算、PSI值的计算步骤
PSI（Population Stability Index，群体稳定性指标）是衡量模型评分或特征分布在时间维度上变化程度的量化工具。其核心思想是：将连续型分数或概率值离散化为若干个区间（分箱），然后比较两个时间窗口内样本落在每个区间中的占比差异，最终汇总为一个无量纲的稳定性指数。
2.1 分箱方法
分箱是PSI计算的第一步，也是影响结果稳定性的关键环节。常见的分箱方法有三种：
| 分箱方法 | 原理 | 适用场景 | 注意事项 |
|---|---|---|---|
| 等距分箱 | 将分数范围等分为N个宽度相同的区间 | 分数分布均匀、无极端值 | 极端值可能导致空箱或样本稀疏 |
| 等频分箱 | 按样本量均分，每个区间包含大致相同的样本数 | 分布偏态、长尾数据 | 边界值可能因样本量波动而偏移 |
| 自定义分箱 | 根据业务经验或监管要求设定固定切分点 | 评分卡、信用等级等有明确业务含义的场景 | 需定期验证切分点是否仍合理 |
推荐做法：在风控模型监控中，优先使用等频分箱（通常分为10箱），因为它能保证每个区间都有足够的样本量，避免因空箱导致PSI计算失真。若业务上有明确的分数段含义（如A/B/C/D等级），则采用自定义分箱。
2.2 实际分布与预期分布的计算
在PSI计算中，需要定义两个关键分布：
- 预期分布（Expected Distribution, Ei）：通常选取模型开发时或上一次模型验证时的样本分布作为基准。计算每个分箱中样本数占总样本数的比例。
- 实际分布（Actual Distribution, Ai）：当前监控周期内的样本分布。同样计算每个分箱中样本数占总样本数的比例。
计算公式如下：
E_i = 预期样本在第 i 箱的数量 / 预期样本总数
A_i = 实际样本在第 i 箱的数量 / 实际样本总数其中，i = 1, 2, ..., N，N为分箱总数。两个分布均以百分比形式表示，且满足 ΣE_i = 100%，ΣA_i = 100%。
关键点：预期分布和实际分布必须使用相同的分箱边界。如果实际样本的分数范围超出预期样本的边界，需将超出部分归入最近的分箱（左边界或右边界），避免产生未定义区间。
2.3 PSI值的计算步骤
PSI的计算分为四个步骤，以下通过一个示例数据说明：
- 确定分箱边界：基于预期样本，采用等频分箱法将分数范围划分为10个区间。
- 计算预期分布 Ei：统计预期样本在每个区间内的占比。
- 计算实际分布 Ai：将实际样本按相同边界分箱，统计每个区间的占比。
- 计算每个分箱的贡献值并求和：
PSI = Σ [ (A_i - E_i) × ln(A_i / E_i) ]其中，ln为自然对数。当 A_i = 0 或 E_i = 0 时，为避免数学错误，通常做以下处理：
- 若
A_i = 0，则令A_i = 0.0001（极小值） - 若
E_i = 0，则令E_i = 0.0001
以下是一个完整的计算示例（10箱等频分箱）：
| 分箱序号 | 分数区间 | 预期占比 Ei | 实际占比 Ai | Ai - Ei | ln(Ai/Ei) | 分箱贡献 |
|---|---|---|---|---|---|---|
| 1 | [200, 280) | 10.0% | 8.5% | -1.5% | -0.1625 | 0.0024 |
| 2 | [280, 340) | 10.0% | 9.2% | -0.8% | -0.0834 | 0.0007 |
| 3 | [340, 400) | 10.0% | 10.5% | 0.5% | 0.0488 | 0.0002 |
| 4 | [400, 460) | 10.0% | 11.8% | 1.8% | 0.1655 | 0.0030 |
| 5 | [460, 520) | 10.0% | 12.0% | 2.0% | 0.1823 | 0.0036 |
| 6 | [520, 580) | 10.0% | 11.5% | 1.5% | 0.1398 | 0.0021 |
| 7 | [580, 640) | 10.0% | 10.2% | 0.2% | 0.0198 | 0.0000 |
| 8 | [640, 700) | 10.0% | 9.8% | -0.2% | -0.0202 | 0.0000 |
| 9 | [700, 760) | 10.0% | 8.5% | -1.5% | -0.1625 | 0.0024 |
| 10 | [760, 850] | 10.0% | 8.0% | -2.0% | -0.2231 | 0.0045 |
| PSI = Σ | 0.0189 | |||||
上例中，PSI = 0.0189，即约 0.019。根据行业通用阈值，该值小于 0.1，表示模型评分分布无显著偏移，稳定性良好。
常见陷阱：
- 分箱数量过少（如<5箱）会掩盖局部偏移，过多（如>20箱）则放大随机波动。推荐 10~20 箱。
- 预期分布和实际分布的总样本量差异过大时，PSI 可能受样本量影响，建议对样本量差异超过 5 倍的情况进行加权校正。
- 当某个分箱的 Ai 或 Ei 为 0 时，直接代入公式会导致 ln(0) 错误，务必做平滑处理。
2.4 PSI计算流程总览
以下SVG图展示了PSI计算的完整流程，从原始分数输入到最终PSI值输出：
2.5 PSI的数学意义与解读
PSI的数学本质是两个概率分布之间的散度度量，具体为对称化后的KL散度。其值域为 [0, +∞)，数值越大表示分布偏移越严重。行业通用的解读标准如下：
| PSI 范围 | 稳定性判断 | 建议行动 |
|---|---|---|
| PSI < 0.1 | 无显著偏移 | 无需干预，继续常规监控 |
| 0.1 ≤ PSI < 0.25 | 轻度偏移 | 需关注偏移方向，排查原因 |
| PSI ≥ 0.25 | 严重偏移 | 立即触发告警，启动模型复核或重构 |
补充说明：上述阈值是行业通用经验值，实际应用中可根据业务风险容忍度进行调整。例如，在信贷审批场景中，若模型用于高风险决策，可将告警阈值下调至 0.15；而在低风险场景中，可放宽至 0.3。本教程后续章节将详细讲解如何通过数据驱动的方法优化这些阈值。