4. PSI阈值基础：行业通用阈值（0.1/0.2/0.25）、阈值选择的风险考量、误报与漏报权衡
PSI（Population Stability Index）阈值是模型监控中判断特征或评分分布是否发生显著漂移的临界值。阈值设定直接影响监控系统的灵敏度与业务可用性。本章系统梳理行业通用阈值标准、阈值选择背后的风险逻辑，以及误报与漏报之间的权衡关系。
4.1 行业通用阈值标准
在反洗钱（AML）模型监控实践中，PSI阈值通常参考以下三个基准值，分别对应不同的监控严格程度：
| PSI值范围 | 漂移等级 | 行业通用解读 | 典型应用场景 |
|---|---|---|---|
| PSI < 0.1 | 无显著漂移 | 分布稳定，模型可继续使用 | 常规监控、低风险模型 |
| 0.1 ≤ PSI < 0.2 | 轻度漂移 | 需关注，建议排查原因 | 中等风险模型、季度监控 |
| 0.2 ≤ PSI < 0.25 | 中度漂移 | 需预警，建议启动重训流程 | 高风险模型、月度监控 |
| PSI ≥ 0.25 | 严重漂移 | 模型失效风险高，需立即干预 | 监管模型、实时监控 |
实践提示： 0.1、0.2、0.25 这三个阈值并非绝对标准。在 AML 场景中，由于交易数据具有高度偏态和长尾特征，建议在初始部署时采用 0.2 作为告警阈值，运行 3 个监控周期后再根据实际误报率进行微调。
4.2 阈值选择的风险考量
选择不同的 PSI 阈值，本质是在 检测灵敏度 与 告警可信度 之间做风险决策。以下从三个维度分析阈值选择的风险影响：
- 监管合规风险： 阈值过高（如 0.25）可能导致模型漂移未被及时发现，造成监管处罚。AML 模型通常要求较低的假阴性率，因此监管场景倾向于使用 0.1 或更低阈值。
- 运营成本风险： 阈值过低（如 0.05）会触发大量无效告警，模型监控团队需要投入大量人力进行排查，导致“告警疲劳”和资源浪费。
- 业务连续性风险： 频繁的模型重训或下线会影响反洗钱交易的实时拦截与上报，阈值设定需平衡模型稳定性与业务可用性。
风险决策矩阵： 阈值越低 → 灵敏度越高 → 漏报越少 → 但误报越多 → 运营成本越高。阈值越高 → 误报越少 → 运营成本越低 → 但漏报风险越大 → 监管合规风险越高。
4.3 误报与漏报权衡
PSI 阈值调优的核心矛盾在于 误报（False Positive） 与 漏报（False Negative） 之间的权衡。误报指模型分布未发生实质漂移但触发了告警；漏报指模型分布已发生显著漂移但未触发告警。
4.3.1 误报与漏报的代价对比
| 指标 | 定义 | 主要代价 | AML场景影响 |
|---|---|---|---|
| 误报（FP） | 无漂移但告警 | 浪费排查人力、降低团队信任 | 导致监控团队忽略真实告警 |
| 漏报（FN） | 有漂移但未告警 | 模型失效未被发现、监管风险 | 可能造成洗钱交易漏报 |
4.3.2 权衡曲线与最优阈值
通过绘制不同阈值下的误报率与漏报率曲线，可以找到最优平衡点。以下是一个典型的权衡关系示意图：
4.4 阈值调优的实践建议
- 初始阈值设定： 对于 AML 评分卡模型，建议从 0.2 开始，运行 1 个月后统计告警率与人工复核结果。
- 误报率监控： 如果告警后人工复核确认无漂移的比例超过 60%，说明阈值偏低，应上调至 0.25 或更高。
- 漏报率监控： 如果模型性能（如 AUC、KS）下降超过 5% 但未触发告警，说明阈值偏高，应下调至 0.15 或 0.1。
- 分层阈值策略： 对高风险特征（如交易金额、跨境交易占比）使用 0.1 阈值，对低风险特征（如客户年龄）使用 0.25 阈值。
注意： 阈值调优不是一次性工作。随着业务环境变化（如新监管政策、新产品上线），原有的最优阈值可能失效。建议每季度重新评估一次阈值设置，并结合 ROC 曲线或代价敏感分析进行动态调整。