3、PSI基础原理：群体稳定性指标（PSI）的数学公式、分箱方法、期望分布与实际分布
群体稳定性指标（Population Stability Index，PSI）是衡量两个分布之间差异程度的量化指标。在催收触达场景中，PSI用于监控模型评分或关键特征在时间维度上的分布偏移，从而判断触达策略是否需要调整。
3.1 PSI的数学公式
PSI的核心思想是计算每个分箱中实际分布占比与期望分布占比的差异，并对所有分箱的差异进行加权求和。其数学公式如下：
PSI = Σ (实际占比_i - 期望占比_i) * ln(实际占比_i / 期望占比_i)其中：
- i：第i个分箱（共n个分箱）。
- 实际占比_i：当前监控周期（实际分布）中，落在第i个分箱的样本数占总样本数的比例。
- 期望占比_i：基准周期（期望分布）中，落在第i个分箱的样本数占总样本数的比例。
公式解读： 当实际分布与期望分布完全一致时，每个分箱的 (实际占比 - 期望占比) 为0，PSI=0。差异越大，PSI值越高。通常认为PSI < 0.1表示分布稳定，0.1 ≤ PSI < 0.25表示轻度偏移，PSI ≥ 0.25表示显著偏移。
3.2 分箱方法
分箱是PSI计算的前置步骤，目的是将连续变量或离散变量划分为若干个区间，以便计算每个区间的占比。不同的分箱方法会影响PSI的敏感度和稳定性。常用的分箱方法包括：
| 分箱方法 | 原理 | 适用场景 | 注意事项 |
|---|---|---|---|
| 等距分箱 | 将变量取值范围等分为k个区间 | 变量分布均匀，无极端值 | 极端值可能导致空箱 |
| 等频分箱 | 使每个区间包含大致相等的样本数 | 变量分布偏态，关注样本密度 | 分箱边界可能不直观 |
| 决策树分箱 | 利用决策树算法寻找最优切分点 | 需要最大化组间差异 | 计算复杂度较高 |
| 自定义分箱 | 根据业务经验或监管要求设定边界 | 业务含义明确，如逾期天数分段 | 需定期验证边界合理性 |
催收场景建议： 对于催收评分卡或触达概率，推荐使用等频分箱（通常分10箱），因为它能保证每个箱体都有足够的样本量，避免因样本稀疏导致PSI计算不稳定。
3.3 期望分布与实际分布
PSI的计算依赖于两个核心分布：
- 期望分布（Expected Distribution）：作为基准的分布，通常选取模型开发时的训练集、验证集，或业务稳定期的样本分布。它代表“正常”或“预期”的状态。
- 实际分布（Actual Distribution）：当前监控周期（如本周、本月）的样本分布。它代表“当前”或“实际”的状态。
在催收触达稳定性监控中，期望分布通常取模型上线后首周或最近一个稳定月份的触达评分分布；实际分布则取当前周或当前月的评分分布。
常见误区： 期望分布一旦选定，不应频繁更换。如果每次监控都重新定义期望分布，PSI将失去“稳定性”的参照意义。建议每季度或每半年重新评估一次期望分布的合理性。
3.4 PSI计算示例
假设我们将催收触达评分分为5个等频分箱，期望分布与实际分布的样本占比及PSI计算过程如下：
| 分箱 | 期望占比（%） | 实际占比（%） | 差值 | ln(实际/期望) | 单项PSI |
|---|---|---|---|---|---|
| 1（低分） | 20.0 | 15.0 | -5.0 | -0.2877 | 0.0144 |
| 2 | 20.0 | 22.0 | 2.0 | 0.0953 | 0.0019 |
| 3 | 20.0 | 25.0 | 5.0 | 0.2231 | 0.0112 |
| 4 | 20.0 | 18.0 | -2.0 | -0.1054 | 0.0021 |
| 5（高分） | 20.0 | 20.0 | 0.0 | 0.0000 | 0.0000 |
| 合计 | 100.0 | 100.0 | — | — | 0.0296 |
计算得到PSI = 0.0296，远小于0.1，说明当前周期的触达评分分布与基准周期相比非常稳定，无需调整触达策略。
3.5 PSI在催收触达中的特殊考量
在催收触达稳定性监控中，使用PSI时需注意以下几点：
- 样本量要求： 每个分箱的样本量建议不少于30个，否则PSI可能因随机波动而失真。
- 零值处理： 如果某个分箱在期望分布中占比为0，但在实际分布中占比不为0，会导致公式中ln(实际/0)无定义。此时建议对该分箱进行合并，或给占比加上一个极小值（如0.0001）进行平滑处理。
- 业务联动： PSI仅反映分布偏移，不直接说明偏移原因。当PSI触发预警时，需结合业务分析（如客群结构变化、政策调整、外部环境变化）定位根因。
最佳实践： 建议将PSI监控与特征重要性分析结合使用。当PSI超过阈值时，进一步计算每个特征的PSI贡献度，快速定位导致分布偏移的关键特征，从而精准调整催收触达策略。