4. PSI 阈值设定：行业标准、业务调整与案例
群体稳定性指标（PSI）的阈值是模型监控中“是否触发告警”的核心判据。阈值设定过严会导致频繁误报，过松则会遗漏模型退化信号。本章从行业通用标准出发，结合不同业务场景的调整策略，并通过具体案例说明如何在实际工作中确定合理的 PSI 阈值。
4.1 行业通用标准：0.1 与 0.25
在信用评分卡及风控模型领域，经过多年实践，业界形成了两个被广泛引用的 PSI 阈值基准：
| PSI 范围 | 稳定性判定 | 建议动作 |
|---|---|---|
| PSI < 0.1 | 无显著变化 | 模型稳定，无需干预 |
| 0.1 ≤ PSI < 0.25 | 轻度偏移 | 需关注，排查特征分布变化原因 |
| PSI ≥ 0.25 | 显著偏移 | 触发告警，需立即进行模型复审或调整 |
标准来源说明： 0.1 和 0.25 这两个阈值最早由信用评分领域的权威机构（如 Fair Isaac）在技术白皮书中提出，后被国内银行与消费金融公司广泛采纳。它们基于对数变换后的期望比例与实际比例差异，在统计意义上对应了“无差异”、“需关注”和“显著差异”三个层级。
4.2 不同业务场景下的阈值调整策略
行业标准提供了通用参考，但在实际应用中，必须根据业务场景的风险容忍度、样本量、监控频率等因素进行动态调整。以下是几种典型场景的调整策略：
- 高风险业务（如大额信贷、现金贷）： 风险容忍度低，模型偏移可能直接导致坏账飙升。建议采用更严格的阈值，例如将“轻度偏移”下界从 0.1 调整为 0.05，“显著偏移”下界从 0.25 调整为 0.15。
- 低风险业务（如低额度信用卡、优质客群分期）： 客群相对稳定，可适当放宽阈值以减少不必要的告警。例如将“轻度偏移”上界放宽至 0.15，“显著偏移”上界放宽至 0.30。
- 高样本量场景（如百万级申请量）： 大样本下微小差异也容易达到统计显著，PSI 值可能被放大。此时应结合业务可接受的实际偏差幅度来设定阈值，而非机械套用 0.1/0.25。例如，可设定为 0.05/0.15。
- 低样本量场景（如新业务线、冷启动模型）： 样本量不足时 PSI 波动较大，容易误报。建议适当放宽阈值，例如将“显著偏移”阈值提升至 0.35，并辅以人工复核。
- 高频监控（如每日监控）： 短期波动属于正常现象，为避免频繁告警，可适当提高阈值或引入“连续 N 次超过阈值”的规则。
核心原则： 阈值调整不是随意的，必须基于历史数据回测。建议收集至少 6 个月的 PSI 历史数据，绘制分布图，然后根据业务可接受的误报率与漏报率来校准阈值。
4.3 阈值设定案例：从回测到决策
以下通过一个具体案例，展示如何从零开始为某消费金融公司的“线上小额贷”模型设定 PSI 阈值。
案例背景：
- 业务类型：线上小额消费贷，平均额度 5000 元，期限 12 期。
- 模型类型：申请评分卡（A卡），用于审批决策。
- 监控频率：每周一次。
- 历史数据：过去 8 个月的模型评分分布与客群特征数据。
步骤 1：收集历史 PSI 数据
以模型上线首月为基准分布，计算后续 7 个月的 PSI 值，得到如下序列：
| 月份 | PSI 值 | 业务事件 |
|---|---|---|
| 第 2 月 | 0.03 | 无 |
| 第 3 月 | 0.08 | 无 |
| 第 4 月 | 0.12 | 轻微客群下沉 |
| 第 5 月 | 0.18 | 渠道政策调整 |
| 第 6 月 | 0.22 | 模型表现开始下滑 |
| 第 7 月 | 0.35 | 坏账率上升 15% |
| 第 8 月 | 0.42 | 模型紧急下线 |
步骤 2：回测与阈值校准
通过分析历史数据发现：
- 当 PSI 超过 0.20 时，模型区分能力（KS/AUC）开始出现可观测的下降。
- 当 PSI 超过 0.30 时，坏账率出现显著上升。
- 业务方能够接受的“误报”频率为每月不超过 1 次。
基于此，将阈值设定为：
- 关注阈值：0.15（略低于 0.20，预留预警时间）
- 告警阈值：0.25（低于 0.30，确保在坏账恶化前触发复审）
步骤 3：设定告警规则
结合高频监控特点，增加“连续两次超过关注阈值”才触发告警的规则，以减少单次随机波动导致的误报。
案例启示： 该案例中，如果直接套用行业标准 0.1/0.25，会在第 4 个月（PSI=0.12）就触发关注，但当时业务并未出现实质问题，属于误报。而通过历史回测，将关注阈值调整为 0.15，既避免了过早告警，又在第 5 个月（PSI=0.18）及时发出了预警，为模型调整争取了时间。
4.4 阈值设定清单与常见误区
为确保阈值设定的科学性与可操作性，建议遵循以下清单：
| 步骤 | 检查项 | 完成状态 |
|---|---|---|
| 1 | 收集至少 6 个月的历史 PSI 数据 | □ |
| 2 | 标注历史数据中的业务事件（如渠道变更、客群调整） | □ |
| 3 | 回测不同阈值下的误报率与漏报率 | □ |
| 4 | 与业务方确认可接受的风险容忍度 | □ |
| 5 | 设定关注阈值与告警阈值两个层级 | □ |
| 6 | 增加连续触发或时间窗口规则，减少误报 | □ |
| 7 | 将阈值写入监控文档，并定期复审 | □ |
常见误区：
- 误区一： 认为 0.1/0.25 是绝对标准，任何场景都直接套用。实际上，阈值必须结合业务风险与数据特征进行校准。
- 误区二： 只设定一个告警阈值，没有关注阈值。缺少预警层级会导致模型突然恶化时措手不及。
- 误区三： 阈值设定后一成不变。模型、客群、业务环境都在变化，阈值应至少每半年复审一次。