2. PSI 基础概念：群体稳定性指标
2.1 群体稳定性指标(PSI)的数学定义
群体稳定性指标（Population Stability Index，PSI）是衡量两个样本分布之间差异程度的统计量。在风控建模中，PSI 用于量化模型评分或关键特征在开发样本与实际应用样本之间的分布偏移程度。其核心思想是：如果模型在训练集上的预测分布与在生产环境中的预测分布保持一致，则模型是稳定的；反之，则说明模型发生了“漂移”。
PSI 的数学本质来源于信息论中的 KL 散度（Kullback-Leibler Divergence）的对称化形式。对于两个离散概率分布 P（实际分布）和 Q（期望分布），PSI 定义为：
PSI = Σ (P_i - Q_i) * ln(P_i / Q_i)其中：
- P_i：第 i 个分箱中实际样本的占比（生产环境）
- Q_i：第 i 个分箱中期望样本的占比（开发/训练环境）
- ln：自然对数
业务理解：PSI 本质上是在回答一个问题——“模型今天打出的分数分布，和当初开发时打出的分数分布，到底像不像？” 越像，PSI 越小；越不像，PSI 越大。
2.2 PSI的计算公式与分箱逻辑
2.2.1 标准计算步骤
PSI 的计算通常遵循以下 5 个步骤：
- 确定分箱数量：通常将模型评分或特征值划分为 10 个等宽分箱（Deciles），也可根据业务需要调整为 5 箱或 20 箱。
- 计算期望占比 Q_i：统计开发样本中落在每个分箱内的样本数，除以总样本数，得到每个分箱的期望占比。
- 计算实际占比 P_i：统计生产样本中落在每个分箱内的样本数，除以总样本数，得到每个分箱的实际占比。
- 计算每个分箱的贡献值：对每个分箱计算 (P_i - Q_i) * ln(P_i / Q_i)。
- 求和：将所有分箱的贡献值相加，得到最终的 PSI 值。
⚠️ 分箱避坑：当某个分箱的 Q_i 或 P_i 为 0 时，ln(P_i / Q_i) 无定义。实际处理中，通常对占比做微小平滑处理（如加 0.0001），或将该分箱与相邻分箱合并。
2.2.2 分箱逻辑对比
| 分箱方式 | 方法描述 | 适用场景 | 注意事项 |
|---|---|---|---|
| 等宽分箱 | 按分数区间等距划分（如 0-100，每 10 分一箱） | 评分卡模型、分数范围固定的场景 | 极端值可能导致部分分箱样本数为 0 |
| 等频分箱 | 按样本量等比例划分（每箱约 10% 样本） | 特征分布不均匀、评分卡尾部稀疏的场景 | 分箱边界随样本分布变化，跨期可比性略差 |
| 自定义分箱 | 按业务阈值划分（如 0-300、300-600、600-1000） | 业务规则明确、监管要求固定分档的场景 | 需保证分箱在开发期和监控期保持一致 |
2.3 PSI的阈值标准与业务解读
2.3.1 行业通用阈值
在金融风控领域，PSI 的阈值标准已形成广泛共识。以下为催收触达模型常用的判定标准：
| PSI 范围 | 稳定性等级 | 业务动作 |
|---|---|---|
| PSI < 0.10 | 稳定 | 无需干预，模型可继续使用 |
| 0.10 ≤ PSI < 0.25 | 轻度漂移 | 需排查原因，加强监控频率 |
| PSI ≥ 0.25 | 严重漂移 | 立即停用模型，启动诊断与重建 |
催收场景特别提示：催收触达模型的 PSI 阈值可适当收紧。由于催收策略直接影响回款率和客户体验，建议将轻度漂移阈值调整为 0.08，严重漂移阈值调整为 0.20，以更早发现触达策略的失效信号。
2.3.2 PSI 的业务解读框架
PSI 值本身只是一个数字，真正的价值在于将其与业务场景关联。以下为催收触达模型的 PSI 漂移解读框架：
- PSI 上升但模型 AUC 不变：可能是客群结构发生变化（如新进案件集中在某个分数段），但模型排序能力未受影响。此时需关注分箱占比变化，而非直接重建模型。
- PSI 上升且模型 AUC 下降：模型区分能力退化，通常由特征失效或客群行为模式改变导致。需启动特征工程或模型重建。
- PSI 集中在少数分箱：若漂移集中在高分箱或低分箱，说明特定客群（如高响应率客群或失联客群）发生了结构性变化，应优先分析该分箱的业务原因。
- PSI 均匀分布在各分箱：可能是整体评分尺度偏移（如模型分数整体上移或下移），可通过分数校准（Calibration）修复。
2.4 PSI 与 KS/AUC 的协同监控
PSI 不应孤立使用。在催收触达模型的监控体系中，PSI 与模型区分度指标（KS、AUC）构成“稳定性-区分度”二维监控矩阵：
| PSI 状态 | KS/AUC 状态 | 诊断结论 | 推荐动作 |
|---|---|---|---|
| 稳定 | 正常 | 模型健康 | 常规监控 |
| 稳定 | 下降 | 特征失效但分布未变 | 排查特征重要性变化 |
| 漂移 | 正常 | 客群结构变化，排序能力尚可 | 校准分数阈值，无需重建 |
| 漂移 | 下降 | 模型全面退化 | 立即启动模型重建 |
催收场景案例：某催收触达模型在 2024 年 Q2 监控到 PSI 从 0.06 上升至 0.18，但 AUC 仅从 0.72 微降至 0.70。经分析发现，漂移主要集中在前 20% 的高分客群——该客群中“已部分还款”的客户占比从 15% 上升至 32%，导致模型高估了触达必要性。最终通过调整高分段的触达阈值，PSI 回落至 0.09，无需重建模型。