3、PSI指标原理：群体稳定性指标（PSI）的数学定义、计算公式推导、PSI的统计学意义

3.1 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，在风控领域主要用于监控模型评分或特征分布在时间维度上的变化。PSI 的核心思想是比较“预期分布”（通常为建模时的训练集分布）与“实际分布”（当前生产环境中的分布）之间的偏移程度。

从信息论角度看，PSI 基于 Kullback-Leibler 散度（KL 散度）的对称化变体，其数学定义如下：

PSI = Σ (P_i - Q_i) * ln(P_i / Q_i)

其中：
- P_i：第 i 个分箱中“实际分布”的样本占比（当前期）
- Q_i：第 i 个分箱中“预期分布”的样本占比（基准期）
- i = 1, 2, ..., n：分箱总数（通常 n ≥ 10）

PSI 的值域为 [0, +∞)，值越大表示两个分布之间的差异越大。当 P_i = Q_i 对所有分箱成立时，PSI = 0，表示分布完全一致。

3.2 计算公式推导：从 KL 散度到 PSI

PSI 的推导过程可以从信息论中的 KL 散度出发。KL 散度衡量的是使用分布 Q 来近似分布 P 时的信息损失，其定义为：

KL(P || Q) = Σ P_i * ln(P_i / Q_i)

然而，KL 散度是非对称的，即 KL(P || Q) ≠ KL(Q || P)。为了获得对称的度量，PSI 采用了 KL 散度的对称化形式：

PSI = KL(P || Q) + KL(Q || P)
    = Σ P_i * ln(P_i / Q_i) + Σ Q_i * ln(Q_i / P_i)
    = Σ [P_i * ln(P_i / Q_i) + Q_i * ln(Q_i / P_i)]
    = Σ (P_i - Q_i) * ln(P_i / Q_i)

推导的最后一步利用了对数性质：

P_i * ln(P_i / Q_i) + Q_i * ln(Q_i / P_i)
= P_i * ln(P_i / Q_i) - Q_i * ln(P_i / Q_i)
= (P_i - Q_i) * ln(P_i / Q_i)

因此，PSI 的最终计算公式为：

PSI = Σ (P_i - Q_i) * ln(P_i / Q_i)

3.3 PSI 的统计学意义

PSI 虽然不是一个严格的统计检验量（如卡方检验），但在实际风控应用中具有明确的统计学解释意义：

从统计学角度，PSI 的数值可以理解为：

• 信息增益视角：PSI 衡量的是从“预期分布”到“实际分布”所获得的信息增益（以 nat 为单位）。每增加 0.1 的 PSI，意味着分布之间的平均差异约为 10%。
• 熵的视角：PSI 可以看作是两个分布交叉熵与各自熵的差值组合。当 PSI 较大时，说明实际分布的熵结构与预期分布存在显著不同。
• 与卡方检验的关系：PSI 与卡方统计量在概念上相似，但 PSI 对尾部差异更敏感（因为对数放大了小概率事件的差异）。

3.4 PSI 计算流程与分箱策略

PSI 的计算依赖于分箱策略，不同的分箱方式会影响 PSI 的数值和敏感性。以下是标准计算流程：

1. 确定基准分布：选择建模时的训练集或验证集作为基准期分布 Q
2. 确定当前分布：选择当前生产环境中的样本作为实际分布 P
3. 分箱处理：将两个分布的取值空间划分为 n 个等宽或等频分箱
4. 计算占比：分别计算每个分箱中基准分布和实际分布的样本占比
5. 计算 PSI：代入公式 PSI = Σ (P_i - Q_i) * ln(P_i / Q_i)
6. 结果判定：根据阈值判断是否需要触发告警

常见的分箱策略对比：

3.5 PSI 的局限性与注意事项

尽管 PSI 是风控监控中最常用的指标之一，但在实际应用中需要注意以下局限性：

• 分箱敏感性：不同的分箱策略和分箱数量会导致 PSI 值不同，建议在监控系统中固定分箱策略和参数
• 样本量依赖：当样本量较小时，PSI 可能不稳定，建议每个分箱至少包含 50 个样本
• 无法区分漂移方向：PSI 只度量差异大小，不指示分布是向左还是向右偏移，需要结合其他指标（如均值、标准差）综合判断
• 对零值敏感：当某个分箱在基准分布或实际分布中占比为 0 时，需要对数变换中的无穷大问题，必须做平滑处理
• 阈值经验性：0.10 和 0.25 的阈值来源于信贷风控领域，在其他领域（如反欺诈、营销评分）可能需要重新校准