4. PSI计算原理详解：分箱法、期望比例与实际比例、对数比与求和公式

群体稳定性指标（PSI）的核心在于量化两个分布之间的偏移程度。在保险精算模型中，我们通常将模型评分或关键风险因子（如赔付率、续保率）的分布进行分段（分箱），然后比较“期望分布”（通常为模型开发时的基准分布）与“实际分布”（当前监控期的分布）在每个箱体上的差异。本章将深入拆解PSI计算的每一个技术环节。

4.1 分箱法：等距分箱与等频分箱

分箱是PSI计算的第一步，其目的是将连续变量（如模型预测概率）离散化为若干个区间。选择不同的分箱方法会直接影响PSI的敏感度和稳定性。保险精算中常用的两种分箱方法为等距分箱和等频分箱。

特性 等距分箱（Equal Width） 等频分箱（Equal Frequency）
定义 将变量的取值范围划分为宽度相等的区间。 将变量划分为包含相同数量样本的区间。
计算方式 区间宽度 = (最大值 - 最小值) / 箱数 基于分位数（如十分位数）进行划分。
优点 计算简单，区间边界固定，易于解释。 每个箱体样本量均衡，避免空箱或样本稀疏问题。
缺点 数据分布不均时，部分箱体可能样本极少或为空。 区间边界随数据分布变化，不同监控期边界可能不同。
精算应用场景 评分卡分数段（如300-850分），固定阈值监控。 风险分层（如高风险组、低风险组），确保每组有统计意义。
精算实践建议： 在模型监控中，通常使用等距分箱作为基准方法，因为其边界固定，便于跨时间周期进行一致性比较。若数据分布极度偏斜（如赔付率集中在低值区），可考虑等频分箱，但需注意边界变化带来的解释成本。
关键参数： 箱数（通常为10箱）的选择需要权衡：箱数过少会掩盖局部偏移，箱数过多则可能引入噪声。精算实践中，10箱是平衡敏感度与稳定性的常用选择。
等距分箱 vs 等频分箱对比 等距分箱（固定宽度） 箱体宽度相等，但样本分布不均 等频分箱（固定样本数） 箱体宽度不等，但每个箱体样本数相同 适用于：固定阈值监控 适用于：风险分层分析

4.2 期望比例与实际比例的计算

在确定分箱边界后，我们需要计算每个箱体中的期望比例（Expected Proportion, Ei）和实际比例（Actual Proportion, Ai）。这两个比例是PSI公式的核心输入。

  • 期望比例（Ei）：指在模型开发或基准时间段内，落入第i个箱体的样本数占总样本数的比例。它代表了“预期”的分布状态。
  • 实际比例（Ai）：指在当前监控时间段内，落入第i个箱体的样本数占总样本数的比例。它代表了“当前”的分布状态。
计算公式： 
E_i = n_i(基准) / N(基准)
A_i = n_i(当前) / N(当前)

其中：
- n_i(基准) = 基准期内落入第i箱的样本数
- N(基准) = 基准期总样本数
- n_i(当前) = 当前监控期内落入第i箱的样本数
- N(当前) = 当前监控期总样本数
注意： 当某个箱体的期望比例或实际比例为0时，直接代入对数比公式会导致数学错误（ln(0)无定义）。精算实践中，通常对0值进行微小修正，例如将0替换为0.0001或采用平滑处理（如加1平滑）。

4.3 对数比与求和公式：PSI的最终计算

PSI的最终计算分为两步：首先计算每个箱体的对数比（Log Ratio），然后对所有箱体的结果进行加权求和。

4.3.1 对数比（Log Ratio）

对数比衡量的是实际比例与期望比例之间的相对差异。其计算公式为：

对数比_i = ln(A_i / E_i)

其中，ln表示自然对数。当A_i > E_i时，对数比为正，表示当前分布在该箱体上比预期更集中；反之则为负，表示当前分布在该箱体上比预期更稀疏。

4.3.2 求和公式：PSI的最终值

PSI的最终值通过对所有箱体的差异进行加权求和得到，权重为(A_i - E_i)：

PSI = Σ[(A_i - E_i) * ln(A_i / E_i)]

这个公式可以拆解为三个部分：

  1. (A_i - E_i)：实际比例与期望比例的绝对差异，作为权重。
  2. ln(A_i / E_i)：实际比例与期望比例的对数相对差异。
  3. Σ：对所有箱体求和，得到最终的PSI值。
PSI计算流程与公式拆解 步骤1：分箱 等距/等频划分区间 步骤2：计算比例 E_i 与 A_i 步骤3：对数比 ln(A_i / E_i) 步骤4：加权求和 PSI = Σ[(A_i - E_i) * ln(A_i / E_i)] 公式拆解说明 • (A_i - E_i)：绝对差异权重，衡量分布偏移的幅度 • ln(A_i / E_i)：相对差异度量，衡量偏移的方向与强度 • Σ：累加所有箱体，得到整体分布偏移的综合指标

4.4 完整计算示例

以下是一个保险评分卡模型的PSI计算示例，假设我们将评分分为5个等距箱体：

箱体 评分区间 期望样本数 期望比例 (E_i) 实际样本数 实际比例 (A_i) A_i - E_i ln(A_i/E_i) 箱体贡献
1 300-400 100 0.10 150 0.15 0.05 0.4055 0.0203
2 400-500 200 0.20 250 0.25 0.05 0.2231 0.0112
3 500-600 400 0.40 350 0.35 -0.05 -0.1335 0.0067
4 600-700 200 0.20 180 0.18 -0.02 -0.1054 0.0021
5 700-800 100 0.10 70 0.07 -0.03 -0.3567 0.0107
PSI = Σ 0.0510
结果解读： 计算得到的PSI值为0.051。根据精算行业通用阈值，PSI < 0.1表示分布稳定，0.1 ≤ PSI < 0.25表示需关注，PSI ≥ 0.25表示分布发生显著偏移，需要触发告警并启动模型复核流程。

4.5 计算中的常见陷阱与修正

  • 零比例问题： 当E_i或A_i为0时，ln(0)无定义。建议采用微小常数修正（如0.0001）或贝叶斯平滑。
  • 箱体数量选择： 箱体过少会降低敏感度，箱体过多会放大噪声。建议在10-20箱之间选择，并基于业务逻辑进行微调。
  • 边界一致性： 使用等距分箱时，必须确保基准期和监控期使用完全相同的区间边界，否则PSI将失去可比性。
← 上一章 📖 返回目录 下一章 →