4. PSI计算基础：分箱方法与阈值经验

PSI（Population Stability Index，群体稳定性指标）是风控规则引擎中衡量模型或评分分布随时间变化的核心监控工具。要准确计算PSI，必须掌握三个基础环节：分箱方法、实际分布与预期分布的计算以及阈值判断标准。本章从工程落地角度逐一拆解。

4.1 分箱方法：三种主流策略对比

分箱（Binning）是将连续变量或离散值划分为若干区间（桶）的过程。分箱方式直接影响PSI的敏感度和稳定性。以下是三种最常用的分箱方法及其适用场景。

4.2 实际分布与预期分布的计算

PSI的核心公式基于两个分布的比较：预期分布（Expected Distribution）和实际分布（Actual Distribution）。在风控场景中，预期分布通常来自模型开发时的训练集或验证集，实际分布来自监控期的线上样本。

4.2.1 计算步骤

1. 确定分箱方案：基于预期数据集（如训练集）确定K个箱的边界。
2. 计算预期占比：统计预期数据集中每个箱的样本数，除以总样本数，得到 \( p_i^{exp} \)。
3. 计算实际占比：用同样的箱边界，统计实际数据集中每个箱的样本数，除以总样本数，得到 \( p_i^{act} \)。
4. 计算每个箱的贡献值：\( (p_i^{act} - p_i^{exp}) \times \ln(p_i^{act} / p_i^{exp}) \)。
5. 求和得到PSI：\( PSI = \sum_{i=1}^{K} (p_i^{act} - p_i^{exp}) \times \ln(p_i^{act} / p_i^{exp}) \)。

4.2.2 计算示例

假设一个评分卡模型将分数分为4个等距箱，预期分布和实际分布如下：

计算得到PSI = 0.0499。根据行业经验，该值介于0.1以下，表示分布稳定，无需告警。

4.3 PSI阈值的行业经验值

PSI的绝对值没有理论上的“完美”阈值，但经过多年风控实践，行业形成了通用的判断标准。以下是最广泛使用的三段式阈值体系：

4.4 工程实现要点

在风控规则引擎中实现PSI监控时，需注意以下工程细节：

• 分箱边界固化：一旦确定分箱方案，应将边界持久化存储（如配置文件或数据库表），确保每次计算使用相同的箱边界。
• 空箱处理：当某个箱在实际分布中样本数为0时，使用平滑因子 \( \epsilon = 0.0001 \) 替代，避免除零错误。
• 计算频率：建议按天或按周计算PSI，与模型评分周期对齐。高频业务（如实时审批）可缩短至小时级。
• 多维度监控：除了整体PSI，还应监控每个箱的占比变化，便于定位漂移来源。

def calculate_psi(expected, actual, bins):
    # expected, actual: 样本数组
    # bins: 分箱边界列表
    exp_counts, _ = np.histogram(expected, bins=bins)
    act_counts, _ = np.histogram(actual, bins=bins)
    exp_pct = exp_counts / len(expected)
    act_pct = act_counts / len(actual)
    # 平滑处理
    exp_pct = np.where(exp_pct == 0, 0.0001, exp_pct)
    act_pct = np.where(act_pct == 0, 0.0001, act_pct)
    psi = np.sum((act_pct - exp_pct) * np.log(act_pct / exp_pct))
    return psi

4.5 常见误区与避坑指南