3. PSI阈值设定原则：业务容忍度、统计显著性、行业最佳实践
PSI（群体稳定性指标）的阈值并非一成不变的数学常数，而是需要综合业务容忍度、统计显著性以及行业最佳实践三个维度进行动态校准。错误的阈值设定可能导致模型监控“漏报”或“虚警”，直接影响模型风险管理效率。
3.1 三大核心原则
| 原则维度 | 核心关注点 | 典型应用场景 |
|---|---|---|
| 业务容忍度 | 模型预测偏差对业务决策的实际影响程度 | 信贷审批、反欺诈、定价模型 |
| 统计显著性 | 样本量大小、分布偏移是否由随机波动引起 | 小样本场景、高频监控窗口 |
| 行业最佳实践 | 监管指引与同业通用标准（0.1 / 0.25） | 模型验证、监管审计、MRM报告 |
3.2 业务容忍度：阈值设定的第一驱动力
业务容忍度决定了模型监控的“松紧度”。高敏感业务（如信用评分卡、反欺诈模型）要求更严格的阈值，而低敏感业务（如营销响应模型）可适当放宽。
- 高风险模型：建议 PSI < 0.05 为无偏移，0.05–0.10 为轻度偏移需关注，> 0.10 触发告警。
- 中风险模型：沿用行业标准 0.10 / 0.25 两级阈值。
- 低风险模型：可放宽至 0.15 / 0.30，避免过度告警。
实务提示：业务容忍度应通过“模型影响评估”量化。例如，PSI 从 0.10 升至 0.25 时，若导致坏账率上升超过 5%，则阈值应相应收紧。
3.3 统计显著性：避免小样本下的误判
当监控样本量过小时，PSI 值容易因随机波动而虚高。统计显著性原则要求阈值设定必须考虑样本量大小。
- 大样本（N > 10,000）：PSI 统计稳定性高，可直接使用 0.10 / 0.25 标准。
- 中等样本（1,000 < N < 10,000）：建议使用 Bootstrap 方法计算 PSI 置信区间，取上限作为告警阈值。
- 小样本（N < 1,000）：PSI 不可靠，应改用 KS 检验或卡方检验辅助判断。
常见误区：直接对小样本计算 PSI 并套用 0.25 阈值，极易漏报真实偏移。建议小样本场景下优先使用统计检验（p-value）而非 PSI 绝对值。
3.4 行业最佳实践：0.1 / 0.25 标准的由来与适用
0.10 和 0.25 是模型风险管理领域最广泛引用的阈值标准，其来源与适用条件如下：
| PSI 区间 | 行业解读 | 建议行动 |
|---|---|---|
| < 0.10 | 无显著偏移，模型稳定 | 常规监控，无需干预 |
| 0.10 – 0.25 | 轻度偏移，需关注 | 启动分析，排查特征分布变化原因 |
| > 0.25 | 显著偏移，模型不稳定 | 触发告警，启动模型重训或重构流程 |
该标准源自信贷评分卡领域，经多年实践验证。但需注意：0.10 / 0.25 并非万能，在以下场景需调整：
- 高频监控（日/周）：建议收紧至 0.05 / 0.15，以捕捉短期突变。
- 宏观环境剧烈变化时：可临时放宽至 0.15 / 0.30，避免无效告警。
- 监管报送模型：严格遵循 0.10 / 0.25，确保审计合规。
3.5 阈值设定决策流程
下图展示了从业务评估到阈值校准的完整决策路径：
3.6 阈值设定对照表
以下为不同场景下的推荐阈值速查表：
| 模型风险等级 | 监控频率 | 样本量 | 关注阈值 | 告警阈值 |
|---|---|---|---|---|
| 高风险 | 日/周 | > 10,000 | 0.05 | 0.10 |
| 高风险 | 月 | 1,000–10,000 | 0.08 | 0.15 |
| 中风险 | 月 | > 10,000 | 0.10 | 0.25 |
| 中风险 | 季 | 1,000–10,000 | 0.12 | 0.25 |
| 低风险 | 季 | > 10,000 | 0.15 | 0.30 |
| 低风险 | 半年 | < 1,000 | 使用统计检验 | 使用统计检验 |
3.7 阈值设定的常见陷阱
陷阱一：一刀切使用 0.10 / 0.25
忽略业务容忍度和样本量差异，导致高风险模型漏报或低风险模型虚警。
陷阱二：频繁调整阈值
每次监控结果异常就修改阈值，会破坏监控一致性。建议每季度或模型版本更新时统一校准。
陷阱三：忽视业务反馈
阈值设定后未与业务团队对齐，导致告警被忽视或业务侧自行“静默”处理。
3.8 阈值校准的统计方法补充
对于需要更精细阈值设定的场景，可引入以下统计方法：
- Bootstrap 置信区间法：对 PSI 进行 1000 次重采样，取 95% 分位数作为告警阈值，适用于中等样本场景。
- Youden Index 法：基于历史告警数据，选择敏感度与特异度之和最大的 PSI 值作为阈值。
- 成本敏感阈值优化：将误报成本与漏报成本纳入目标函数，求解最优阈值。
推荐实践：在 MRM 体系中，建议将 0.10 / 0.25 作为“默认基线”，再根据业务容忍度和样本量进行上下浮动，最终形成“一模型一阈值”的精细化管理方案。