4. PSI计算原理：数学公式、分箱方法与分布对比逻辑
群体稳定性指标（Population Stability Index, PSI）是额度定价与风控模型监控中最核心的量化指标之一。它通过衡量评分或额度分布在两个时间窗口（或预期与实际）之间的偏移程度，来判断模型或策略是否失效。本节从数学公式、分箱方法、分布对比三个层面拆解PSI的计算原理。
4.1 PSI的数学公式
PSI的本质是信息论中KL散度（Kullback-Leibler divergence）的对称化变体，用于衡量两个概率分布之间的差异。其标准计算公式如下：
PSI = Σ (实际占比_i - 预期占比_i) × ln(实际占比_i / 预期占比_i)
其中：
- i = 第i个分箱（共N个分箱）
- 实际占比_i = 当前/实际样本在第i箱中的样本数 ÷ 总样本数
- 预期占比_i = 基准/预期样本在第i箱中的样本数 ÷ 总样本数
- ln = 自然对数当某个分箱中预期占比为0时，为避免除零错误，通常对该箱进行平滑处理（如加极小值ε=1e-6）或将该箱与相邻箱合并。
PSI判读阈值（行业通用标准）：
- PSI < 0.1：群体稳定，无需干预。
- 0.1 ≤ PSI < 0.25：轻度偏移，需监控并排查原因。
- PSI ≥ 0.25：显著偏移，模型或策略需重新校准或重构。
4.2 分箱方法：等频分箱 vs 等距分箱
分箱是PSI计算的前置步骤，其目的是将连续型评分或额度值离散化为有限个区间，从而计算每个区间内的样本占比。分箱方法的选择直接影响PSI的敏感性和稳定性。
| 分箱方法 | 原理 | 优点 | 缺点 | 适用场景 |
|---|---|---|---|---|
| 等频分箱 | 每个分箱包含大致相等的样本数量 | 避免空箱或极稀疏箱；对分布偏移敏感 | 分箱边界随样本分布变化，跨时间可比性弱 | 模型监控、评分卡稳定性测试 |
| 等距分箱 | 每个分箱的数值区间宽度相等 | 分箱边界固定，跨时间可比性强；解释性好 | 可能出现空箱或样本极少的箱，导致PSI计算不稳定 | 额度定价、利率分档、固定阈值策略 |
| 自定义分箱 | 基于业务知识或风险等级划分 | 贴合业务逻辑，如按信用等级分段 | 主观性强，需定期验证分箱合理性 | 监管报送、业务规则明确的场景 |
实操建议：在额度定价巡检中，推荐优先使用等距分箱（如每1000元一个区间），因为额度本身具有明确的数值含义，固定边界便于跨期对比。若样本分布极不均匀（如大量集中在低额度区间），可考虑等频分箱作为补充验证。
4.3 实际分布与预期分布的对比逻辑
PSI的核心在于对比“实际分布”与“预期分布”的差异。在额度定价场景中，这两个分布的定义如下：
- 预期分布（基准分布）：通常取模型开发时或策略上线初期的样本分布，作为“稳定状态”的参照基准。
- 实际分布（当前分布）：取当前监控周期（如月度、季度）内的样本分布，反映最新的客群或额度使用情况。
对比逻辑的核心步骤：
- 对齐分箱：使用相同的分箱方案（边界一致）对预期样本和实际样本分别分箱。
- 计算占比：分别计算每个分箱中预期样本占比和实际样本占比。
- 逐箱差异计算：对每个分箱，计算 (实际占比 - 预期占比) × ln(实际占比 / 预期占比)。
- 聚合：将所有分箱的差异值求和，得到最终的PSI值。
常见陷阱：
- 分箱数过少（如<5箱）：PSI对分布偏移的敏感性降低，可能掩盖局部偏移。
- 分箱数过多（如>20箱）：噪声放大，PSI值波动大，容易产生误报警。
- 预期分布包含空箱：直接计算会导致除零错误，必须进行平滑或合并处理。
- 忽略样本量差异：当实际样本量远小于预期样本量时，PSI可能因抽样误差而偏高，建议使用统计检验辅助判断。
4.4 计算示例：手算PSI
以下是一个简化的PSI计算示例，帮助理解公式的逐箱运算过程。假设某额度产品按等距分箱分为4个区间，预期分布与实际分布如下：
| 分箱区间（元） | 预期样本数 | 预期占比 | 实际样本数 | 实际占比 | 单箱PSI |
|---|---|---|---|---|---|
| 0 ~ 5000 | 3000 | 0.300 | 2500 | 0.250 | (0.250-0.300)×ln(0.250/0.300) = 0.0076 |
| 5001 ~ 10000 | 4000 | 0.400 | 3500 | 0.350 | (0.350-0.400)×ln(0.350/0.400) = 0.0067 |
| 10001 ~ 20000 | 2000 | 0.200 | 3000 | 0.300 | (0.300-0.200)×ln(0.300/0.200) = 0.0405 |
| 20001 ~ 50000 | 1000 | 0.100 | 1000 | 0.100 | (0.100-0.100)×ln(0.100/0.100) = 0.0000 |
| 合计 | 10000 | 1.000 | 10000 | 1.000 | PSI = 0.0548 |
本例中PSI=0.0548 < 0.1，表明当前分布与预期分布之间无显著偏移，模型或策略保持稳定。
关键结论：PSI的计算并不复杂，但分箱方法的选择、空箱处理、样本量差异等因素会显著影响结果。在额度定价巡检中，建议将PSI与业务指标（如通过率、逾期率）联合监控，避免单纯依赖PSI做出决策。