3. PSI 漂移阈值设定：业界通用标准与业务含义
在 AML 模型监控中，PSI（Population Stability Index，群体稳定性指标）是衡量模型评分分布随时间变化的核心指标。设定合理的 PSI 告警阈值，是区分“正常业务波动”与“模型失效或客群漂移”的关键。业界经过多年实践，形成了一套通用的三段式阈值标准，用于指导模型监控与后续处置。
3.1 业界通用 PSI 阈值标准
下表总结了 PSI 的三个典型区间及其对应的业务含义与建议处置动作：
| PSI 区间 | 漂移程度 | 业务含义 | 建议处置动作 |
|---|---|---|---|
| < 0.1 | 无显著漂移 | 模型评分分布与开发期基本一致，客群结构稳定，模型表现可接受。 | 无需干预，继续常规监控。 |
| 0.1 – 0.25 | 轻度漂移 | 评分分布出现可察觉的变化，可能由季节性因素、局部客群变化或宏观政策微调引起。模型性能可能开始轻微下降。 | 触发预警，需人工复核特征分布、业务逻辑及近期数据质量，评估是否需要调整模型或阈值。 |
| > 0.25 | 显著漂移 | 评分分布发生结构性改变，模型已严重偏离开发环境。通常意味着客群画像、业务模式或数据采集方式发生了根本性变化。 | 立即告警，暂停模型使用或进入紧急重训流程；需深入排查根因，并启动模型版本迭代。 |
实践提示： 上述阈值是通用参考值。在 AML 场景中，由于监管合规要求严格，部分机构会将 0.1 作为硬性预警线，一旦超过即启动人工复核流程，以降低监管风险。
3.2 阈值背后的统计逻辑
PSI 的计算公式基于各分箱中实际占比与预期占比的差异：
PSI = Σ ( (实际占比_i - 预期占比_i) * ln(实际占比_i / 预期占比_i) )当 PSI < 0.1 时，各分箱的占比差异很小，累积的加权偏差在可接受范围内。当 PSI 超过 0.25 时，意味着至少有一个或多个分箱的占比发生了超过 20% 的相对变化，这种变化在统计上高度显著，足以影响模型的排序能力和区分度。
3.3 阈值设定的业务考量因素
在实际 AML 项目中，阈值设定并非一成不变，需要结合以下因素进行微调：
- 监管严格度： 受反洗钱监管的机构（如银行、支付公司）通常采用更保守的阈值（如 0.1 即告警），以降低合规风险。
- 模型用途： 用于高风险交易拦截的模型，对漂移容忍度更低；用于辅助评分的模型，可适当放宽至 0.15-0.2。
- 数据更新频率： 月度监控与季度监控的阈值可不同，高频监控下允许更小的波动范围。
- 业务季节性： 在春节、双十一等特殊时期，可临时上调阈值至 0.15，避免因业务高峰产生大量误报。
3.4 PSI 阈值决策流程
下图展示了从 PSI 计算到阈值判断、再到处置动作的完整决策流程：
3.5 阈值设定的常见误区与避坑
常见误区： 直接套用 0.1/0.25 阈值而不做业务校准。例如，在 AML 场景中，如果模型用于识别洗钱团伙的异常交易，即使 PSI 仅为 0.08，但若发现高分段（高风险）客群占比突然下降，可能意味着模型漏掉了关键风险信号，此时也应触发人工复核。
下表总结了阈值设定中的典型误区及正确做法：
| 误区 | 后果 | 正确做法 |
|---|---|---|
| 所有模型使用同一阈值 | 高风险模型漏报，低风险模型误报 | 根据模型用途、客群稳定性、监管要求分别设定 |
| 仅关注整体 PSI，忽略分箱细节 | 局部漂移被平均效应掩盖 | 同时监控各分箱的占比变化及特征级 PSI |
| 阈值设定后永不调整 | 无法适应业务环境变化 | 每季度或每半年复盘阈值有效性，结合历史告警记录微调 |
| PSI 超过 0.25 仍继续使用模型 | 模型输出严重失真，引发监管处罚 | 严格执行暂停机制，启动紧急重训流程 |
3.6 阈值与监控频率的配合
阈值设定需要与监控频率协同工作。下图展示了不同监控频率下阈值的推荐调整策略：
核心要点： PSI 阈值不是孤立的数字，而是与监控频率、业务场景、监管要求共同构成的决策体系。在 AML 模型监控中，建议采用 0.1 预警、0.25 告警 的双层阈值结构，并配合分箱级和特征级的 PSI 分析，才能准确识别模型漂移风险。