4. PSI 阈值与风险等级划分：模型稳定性判断标准
群体稳定性指标（PSI）的数值大小直接反映了模型评分分布在不同时间窗口之间的偏移程度。在风控建模实践中，通常将 PSI 划分为三个风险等级区间，对应不同的模型监控动作。以下为行业通用的判断标准与应对策略。
4.1 三级风险阈值定义
| PSI 区间 | 风险等级 | 稳定性判断 | 建议动作 |
|---|---|---|---|
| PSI < 0.1 | 低风险 | 模型稳定，无显著偏移 | 无需干预，按常规周期监控即可 |
| 0.1 ≤ PSI ≤ 0.25 | 中风险 | 模型轻度偏移，需关注 | 排查特征分布变化，评估是否需要调整阈值或局部重训 |
| PSI > 0.25 | 高风险 | 模型严重偏移，不稳定 | 立即停止使用，启动模型重构或全面重训 |
行业经验： 0.1 和 0.25 这两个阈值并非绝对红线，实际应用中可根据业务容忍度、客群波动周期和监管要求进行微调。例如，在消费金融场景中，部分机构将 0.15 作为中风险上限。
4.2 各等级详细解读
4.2.1 低风险区间（PSI < 0.1）
- 含义： 模型在验证期与建模期的评分分布几乎一致，特征变量与目标变量的关系保持稳定。
- 典型场景： 客群结构未发生重大变化、宏观经济环境平稳、产品政策无调整。
- 监控频率： 每月或每季度计算一次 PSI，作为常规健康检查。
4.2.2 中风险区间（0.1 ≤ PSI ≤ 0.25）
- 含义： 评分分布出现可察觉的偏移，但尚未导致模型排序能力严重下降。
- 典型场景： 季节性客群变化、局部获客渠道调整、部分特征缺失率上升。
- 应对流程：
- 计算各分箱的贡献度，定位偏移最大的特征。
- 检查该特征在建模期与验证期的分布差异（如均值、缺失率、分位数）。
- 评估是否需要对该特征进行分箱合并或重新编码。
- 若偏移持续两个监控周期，考虑局部重训。
4.2.3 高风险区间（PSI > 0.25）
- 含义： 模型评分分布发生结构性漂移，模型预测能力已不可靠。
- 典型场景： 新客群涌入、监管政策突变、核心特征数据源中断、业务模式转型。
- 应对流程：
- 立即冻结模型在审批决策中的使用，切换至备用模型或人工规则。
- 启动根因分析：检查所有入模特征的分布、缺失率、IV 值变化。
- 收集最新样本数据，重新训练模型或开发替代模型。
- 完成新模型验证后，进行 A/B 测试再上线。
注意： PSI > 0.25 并不一定意味着模型完全失效，但必须触发人工审查。在某些高波动业务（如短期现金贷）中，PSI 可能频繁触及 0.2-0.3，此时应结合 KS、AUC 等区分度指标综合判断，避免过度反应。
4.3 PSI 风险等级与特征筛选的联动
在特征筛选阶段，PSI 阈值不仅用于监控模型整体稳定性，还可作为特征淘汰的辅助标准：
- 特征级 PSI： 对每个入模特征单独计算 PSI，若某个特征的 PSI > 0.25，即使该特征 IV 值较高，也应考虑剔除或替换。
- 累积贡献度： 当整体 PSI 处于中风险区间时，优先排查贡献度排名前 3 的特征，这些特征往往是偏移的主要来源。
- 阈值联动： 特征筛选时，建议将特征 PSI 阈值设为 0.15（比模型整体阈值更严格），以提前预警潜在的不稳定因素。
4.4 PSI 风险等级判断流程图
4.5 阈值选择注意事项
- 业务敏感性： 对于信贷审批、反欺诈等高风险场景，建议采用更严格的阈值（如 0.08/0.2），提前捕捉偏移信号。
- 样本量影响： 当验证期样本量过小（< 1000）时，PSI 方差较大，阈值应适当放宽；反之，大样本下微小偏移也可能被放大，需结合业务意义判断。
- 时间窗口： 短期监控（如周度）可接受更高的 PSI 波动；长期监控（如季度）应保持更严格的阈值。
- 多模型对比： 若同时监控多个模型，应统一阈值标准，避免因阈值不一致导致误判。
实战建议： 在特征筛选阶段，建议将特征级 PSI 阈值设为 0.15，并配合特征重要性排序，优先剔除那些 PSI 高且贡献度低的特征。这能有效降低模型上线后的整体偏移风险。