3. PSI 阈值设定：行业通用阈值与业务场景调整策略
群体稳定性指标（PSI）的阈值设定是模型监控策略的核心环节。阈值过严会导致频繁误报，增加不必要的排查成本；阈值过宽则可能遗漏模型退化的早期信号，引发贷后风险。本章系统阐述行业通用阈值标准，并给出不同业务场景下的调整策略。
3.1 行业通用阈值标准
在金融风控领域，经过长期实践，业界形成了以 0.10 和 0.25 为关键分界点的三级预警体系。该标准适用于大多数信贷场景下的评分卡或概率型模型。
| PSI 区间 | 预警等级 | 模型状态判定 | 建议动作 |
|---|---|---|---|
| PSI < 0.10 | 绿色（正常） | 模型分布稳定，无显著偏移 | 常规监控，无需干预 |
| 0.10 ≤ PSI < 0.25 | 黄色（关注） | 轻度偏移，需排查原因 | 触发预警，分析客群或特征变化 |
| PSI ≥ 0.25 | 红色（告警） | 严重偏移，模型可能失效 | 立即停用或启动模型重建 |
阈值来源说明： 0.10 和 0.25 并非绝对物理常数，而是基于大量信贷模型监控经验的统计共识。0.10 对应约 10% 的累积分布差异，0.25 对应约 20% 的显著差异。实际应用中，建议结合模型使用年限和业务容忍度进行微调。
3.2 不同业务场景下的阈值调整策略
通用阈值无法覆盖所有业务场景。以下从 业务风险容忍度、模型使用阶段、客群稳定性 三个维度，给出具体的调整策略。
3.2.1 按业务风险容忍度调整
- 高风险业务（如现金贷、次级客群）： 模型偏移可能导致直接资金损失，建议收紧阈值。将关注阈值下调至 0.08，告警阈值下调至 0.20，以更早捕捉风险信号。
- 低风险业务（如抵押贷、优质客群）： 客群相对稳定，模型退化速度慢，可适当放宽。关注阈值上调至 0.12，告警阈值上调至 0.30，减少不必要的监控噪音。
- 中等风险业务（如消费分期）： 直接采用行业通用阈值 0.10 / 0.25 即可。
3.2.2 按模型使用阶段调整
- 新模型上线初期（前 3 个月）： 模型尚未完全收敛，客群分布可能因渠道或策略调整而波动。建议使用较宽松的阈值：关注阈值 0.15，告警阈值 0.30。待模型稳定后再切换至通用阈值。
- 成熟模型（运行超过 6 个月）： 模型表现稳定，应严格执行通用阈值或更严格的业务阈值，以快速发现客群漂移。
- 临近模型退役期： 若已有新模型待上线，可适当放宽阈值至 0.15 / 0.30，避免在过渡期产生过多告警，但仍需保留监控记录。
3.2.3 按客群稳定性调整
- 强周期客群（如受宏观经济、季节性影响大的行业）： 客群分布本身存在周期性波动，PSI 可能自然升高。建议采用 动态基线 或 同比 PSI（与去年同期对比），并将告警阈值上调至 0.30。
- 政策敏感型客群（如教育贷、医美贷）： 监管政策突变可能导致客群结构剧变。此类场景下，PSI 阈值应结合 政策事件标记 使用，当政策发布后，临时将阈值上调至 0.35，避免误报；政策稳定后再恢复。
阈值调整决策树： 当业务场景发生变化时，建议按以下顺序判断：
1. 当前业务风险容忍度是高、中、低？
2. 模型处于上线初期、成熟期还是退役期？
3. 客群是否存在强周期或政策敏感性？
根据上述三个问题的答案，对照本节策略表，确定最终阈值。
1. 当前业务风险容忍度是高、中、低？
2. 模型处于上线初期、成熟期还是退役期？
3. 客群是否存在强周期或政策敏感性？
根据上述三个问题的答案，对照本节策略表，确定最终阈值。
3.3 阈值调整策略汇总表
| 调整维度 | 具体场景 | 关注阈值（黄色） | 告警阈值（红色） |
|---|---|---|---|
| 风险容忍度 | 高风险（现金贷） | 0.08 | 0.20 |
| 中等风险（消费分期） | 0.10 | 0.25 | |
| 低风险（抵押贷） | 0.12 | 0.30 | |
| 模型阶段 | 上线初期（<3个月） | 0.15 | 0.30 |
| 成熟期（6个月以上） | 0.10 | 0.25 | |
| 临近退役 | 0.15 | 0.30 | |
| 客群稳定性 | 强周期客群 | 0.15（同比） | 0.30 |
| 政策敏感型 | 0.15（事件期） | 0.35（事件期） |
3.4 PSI 阈值决策流程
下图展示了从通用阈值出发，结合业务场景进行动态调整的完整决策路径。该流程可嵌入模型监控平台的自动化规则引擎中。
重要提醒： 阈值调整后，必须进行 回测验证。建议使用历史 6 个月的数据，模拟新阈值下的告警频率和误报率。若调整后告警频率超过每月 2 次，或误报率超过 40%，说明阈值可能过严，需重新评估。
3.5 阈值设定的常见误区
- 一刀切使用 0.10/0.25： 忽略业务差异，导致高风险场景漏报或低风险场景误报。
- 频繁调整阈值： 每次模型波动都调整阈值，会破坏监控的一致性。建议阈值调整周期不低于 3 个月。
- 忽略基线选择： 阈值的效果高度依赖基线样本。若基线本身有偏差（如仅包含通过客群），即使 PSI 正常，模型也可能已退化。
- 仅依赖 PSI 单一指标： PSI 应结合特征稳定性、模型 AUC 衰减、坏账率变化等指标综合判断，避免单一指标误判。
通过本章的阈值设定方法，监控人员可以根据业务实际情况，建立既敏感又稳健的预警体系，确保贷后逾期预测模型始终处于可控状态。