4. PSI 阈值与解读：数值范围含义与业务场景设定
群体稳定性指标（PSI）的数值本身是一个无量纲的统计量，其核心价值在于通过预设的阈值来判断模型分布是否发生显著变化。本章将系统阐述 PSI 数值范围的含义，并结合反洗钱业务场景给出阈值设定的具体建议。
4.1 PSI 数值范围与稳定性等级
行业通用标准将 PSI 划分为三个区间，对应不同的稳定性等级与行动要求。下表总结了各区间含义及推荐应对措施：
| PSI 数值范围 | 稳定性等级 | 模型分布变化程度 | 推荐应对措施 |
|---|---|---|---|
| < 0.1 | 稳定 | 无显著变化，分布基本一致 | 无需干预，维持常规监测频率 |
| 0.1 – 0.2 | 需关注 | 存在轻度漂移，需排查原因 | 触发预警，分析特征或客群变化，加强监控 |
| > 0.2 | 漂移 | 显著漂移，模型可能失效 | 立即告警，启动模型复审、重训或紧急回退 |
实践提示： PSI 阈值并非绝对标准。在反洗钱监管合规场景下，监管机构可能要求更严格的阈值（如 0.1 即触发正式报告），而在内部风控场景中可适当放宽至 0.25。务必结合业务影响与合规要求动态调整。
4.2 PSI 阈值解读的深层逻辑
理解 PSI 数值背后的统计含义，有助于避免误判。以下从分布偏移的幅度与方向两个维度进行解读：
- PSI < 0.1： 实际分布与期望分布之间的差异极小，通常由随机波动引起。模型在训练集与验证集上的表现预期一致，无需担心。
- PSI 0.1 – 0.2： 差异开始显现，可能源于单一特征分布变化（如客户年龄结构微调）或少量极端值影响。此时应检查各分箱的贡献度，定位漂移来源。
- PSI > 0.2： 分布发生结构性改变，例如反洗钱规则调整导致交易特征突变、新客群涌入或宏观经济事件冲击。模型评分分布可能出现整体偏移，预测能力大幅下降。
避坑提醒： 不要仅依赖 PSI 全局值。当 PSI 处于 0.1-0.2 区间时，务必结合 特征级 PSI 或 分箱贡献图 进行归因分析。一个特征贡献了 80% 的漂移，与所有特征均匀漂移，其业务含义与处理方式截然不同。
4.3 不同业务场景下的阈值设定建议
反洗钱模型的应用场景多样，对模型稳定性的容忍度也不同。下表给出典型场景的阈值设定参考：
| 业务场景 | 模型类型 | 建议 PSI 阈值 | 设定理由 |
|---|---|---|---|
| 监管报送模型 | 可疑交易评分 | 0.1 | 监管合规要求严格，任何显著漂移都可能影响报告质量，需及早发现 |
| 客户风险评级模型 | 逻辑回归 / XGBoost | 0.15 | 客户画像相对稳定，但需容忍季节性微调；0.15 可平衡预警灵敏度与误报率 |
| 交易监控模型 | 异常检测 / 集成模型 | 0.2 | 交易行为受市场活动影响较大，阈值过严会导致频繁无效告警 |
| 模型验证 / 压力测试 | 所有类型 | 0.25 | 压力场景下允许更大偏移，用于评估模型在极端条件下的鲁棒性 |
4.4 PSI 阈值决策流程
下图展示了从 PSI 计算到决策的完整流程，帮助读者在实际工作中快速定位问题并采取行动：
4.5 阈值设定的进阶考量
除了上述通用规则，以下进阶因素也会影响阈值选择：
- 样本量大小： 样本量较小时（如 < 1000），PSI 对随机波动更敏感，可适当提高阈值至 0.15-0.2 以减少误报。
- 模型更新频率： 高频更新模型（如月度重训）可接受更低的阈值（0.08），因为漂移能被快速修正；低频模型（如季度重训）需设置更宽松的阈值。
- 业务影响成本： 若模型误判会导致高额罚款或监管处罚，阈值应从严（0.08-0.1）；若仅影响运营效率，可适当放宽。
- 多模型联动： 在反洗钱系统中，多个模型串联使用时，任一模型的 PSI 超过 0.15 都应触发级联检查，防止误差累积。
最佳实践： 建议在模型上线初期（前 3 个月）使用较严格的阈值（0.1）进行磨合，积累基线数据后再根据实际漂移分布调整至业务最优阈值。同时，建立 PSI 阈值的历史记录库，用于后续模型版本迭代时的对比分析。