4. 信用评分模型监控体系架构

模型监控不是单一指标的计算，而是一套从数据采集到业务决策的完整链路。本章从四层架构出发，厘清各层职责，并重点定位PSI在其中的角色及其与KS、AUC的联动关系。

4.1 模型监控四层架构总览

一个生产级的模型监控体系通常划分为四个逻辑层：数据层、计算层、告警层和可视化层。各层之间通过标准接口传递数据与结果，形成闭环。

4.2 各层核心职责与关键组件

4.3 PSI监控在模型监控中的位置

在模型监控的指标体系中，PSI属于稳定性监控范畴，与KS（区分度监控）、AUC（排序能力监控）共同构成模型健康度的三大支柱。PSI关注的是模型评分分布的整体偏移，而KS和AUC关注的是模型对好坏客户的排序能力。

4.4 PSI与KS、AUC的联动机制

在实际监控中，PSI、KS、AUC三个指标并非独立变化，而是存在明确的因果传导关系。理解这种联动机制，有助于快速定位模型失效的根因。

• PSI先导性： 评分分布偏移通常早于区分度下降。当客群结构发生变化（如新渠道获客、政策调整），PSI会率先反映。
• KS跟随性： 分布偏移导致好坏样本在评分区间上的重叠度增加，KS值随之下降。通常PSI超过0.1时，KS下降幅度开始显著。
• AUC滞后性： 排序能力的下降往往滞后于KS。因为AUC衡量的是全局排序，局部偏移对AUC的影响需要累积到一定程度才会显现。

4.5 联动监控的典型配置示例

以下是一个生产环境常用的多指标联动告警配置模板，供参考：

# 模型监控联动告警配置示例 (YAML格式)
model_monitoring:
  model_id: "credit_score_v3"
  monitoring_frequency: "daily"

  metrics:
    psi:
      enabled: true
      warning_threshold: 0.10
      critical_threshold: 0.25
      window: "30d vs 基准期"

    ks:
      enabled: true
      warning_threshold: -0.05  # 相比基准下降超过5%
      critical_threshold: -0.10
      baseline_value: 0.35

    auc:
      enabled: true
      warning_threshold: -0.03
      critical_threshold: -0.06
      baseline_value: 0.78

  # 联动规则：当PSI和KS同时触发告警时，提升告警级别
  composite_rules:
    - name: "稳定性+区分度双降"
      condition: "psi > 0.15 AND ks_drop > 0.08"
      alert_level: "P1 (紧急)"
      action: "立即通知模型团队+暂停模型自动决策"