📚 课程目录第4章 PSI阈值设定的行业经验

4. PSI阈值设定的行业经验：传统0.1/0.25阈值标准的来源，以及为什么在精算模型中需要更精细的阈值分层

在信用评分卡、营销响应模型等传统风控领域，PSI（群体稳定性指标）的阈值标准通常采用行业通用的“0.1/0.25”二分法。这一标准并非来自严格的统计推导，而是基于大量业务实践的经验法则。

该标准的来源可归纳为以下三点：

统计分布差异的直观映射：0.1的阈值对应两个分布之间约10%的累积差异，在视觉上容易识别；0.25则对应约25%的差异，通常意味着分布形态已发生结构性改变。
信贷行业早期实践沉淀：FICO等早期评分卡模型在监控时发现，PSI超过0.25后，模型区分能力（如KS、AUC）往往出现不可逆下降，因此将其作为“红线”。
监管合规的简化要求：部分监管指引（如巴塞尔协议相关文档）建议使用固定阈值进行模型监控，0.1/0.25因其简单易用而被广泛采纳。

关键认知：传统0.1/0.25阈值适用于“二分类评分卡”或“单一输出分数”的模型场景。对于精算模型（如赔付率预测、准备金评估、定价模型），其输出分布更复杂、业务容忍度更低，直接套用该标准会导致误判。

精算模型与传统信用模型在业务目标、输出分布、风险容忍度上存在本质差异，因此需要更精细的阈值分层策略。以下从三个维度进行对比：

具体原因包括：

分布敏感性差异：精算模型的输出（如赔付率）往往集中在某个区间，即使PSI值很小（如0.05），也可能对应尾部风险的剧烈变化。传统0.1阈值会漏报这类“小漂移大风险”场景。
业务成本不对称：在精算场景中，模型误判（如低估赔付率）的成本远高于模型重训的成本。因此需要设置更低的告警阈值，实现“宁可误报，不可漏报”。
多变量监控需求：精算模型通常包含多个子模型（如频率模型、 severity模型、趋势因子模型），每个子模型的PSI阈值需要独立设定，无法使用统一标准。

  实战案例：某车险赔付率模型中，整体PSI为0.08（低于传统0.1阈值），但细分到“高赔付风险组”时，该分组的PSI达到0.35。若使用传统阈值，会误判为“模型稳定”，导致赔付率预测偏差扩大3.2%。精细分层后，该分组被及时识别并触发局部重训。

基于行业经验与精算业务特性，推荐采用四级阈值分层策略，替代传统的二分法：

在实际落地时，需注意以下关键点：

避坑提示：不要将PSI阈值分层与模型性能指标（如AUC、Gini）的阈值混淆。PSI衡量的是分布稳定性，而非模型区分能力。即使PSI处于安全区，模型性能也可能因其他原因下降，需结合多指标综合判断。

以下为不同精算业务场景的阈值调优参考值（基于多家保险公司实战数据汇总）：

业务场景	安全区上限	关注区上限	预警区上限	告警区下限
车险赔付率预测	0.04	0.12	0.25	0.25
健康险理赔准备金	0.03	0.10	0.20	0.20
寿险死亡率模型	0.05	0.15	0.30	0.30
财产险费率定价	0.06	0.18	0.35	0.35

上述参考值表明：精算模型的PSI阈值并非固定值，而是需要根据业务风险敏感度、数据更新频率、监管要求进行动态调整。精细化的阈值分层是精算模型监控从“粗放式”走向“精细化”的关键一步。