4. 阈值设置方法论：基于统计分布的方法

在风控特征监控中，最常用的阈值设置方法之一是基于特征的历史统计分布。这类方法不依赖业务标签，仅通过特征自身的数值分布规律来确定“正常”与“异常”的分界线。本节重点讲解两种最经典的统计分布方法：均值±标准差与百分位数。

4.1 均值±标准差法（Z-Score 法）

该方法假设特征在稳定期内近似服从正态分布（或至少对称分布），以均值为中心，以标准差的倍数作为阈值边界。其核心公式为：

下限 = μ - k × σ
上限 = μ + k × σ

其中，μ 为样本均值，σ 为样本标准差，k 为阈值系数（通常取 2、3 或 2.5）。

下图展示了均值±标准差法的阈值区间与异常点识别逻辑：

4.2 百分位数法（分位数法）

百分位数法不依赖分布假设，直接根据历史数据的排序位置确定阈值。对于任意分布形态（偏态、多峰、厚尾）均适用，是工业界最稳健的阈值设置方法之一。

核心思路：选取低百分位（如 P1、P5）作为下限，高百分位（如 P99、P95）作为上限。

下限 = P_low（如 P1 或 P5）
上限 = P_high（如 P99 或 P95）

下图展示了百分位数法的阈值区间与异常判定逻辑：

4.3 两种方法的对比与选择

4.4 实战步骤：基于统计分布的阈值设置流程

1. 数据准备：提取特征在稳定期（无重大业务变更）的历史数据，至少 30 个样本点。
2. 分布检验：使用 Q-Q 图或 Shapiro-Wilk 检验判断是否近似正态。若 p > 0.05，可考虑均值±标准差法；否则直接使用百分位数法。
3. 初始阈值计算：
   • 正态特征：取 k=2.5，计算 μ±2.5σ 作为初始阈值。
   • 非正态特征：取 P5 和 P95 作为初始阈值。
4. 回测验证：将阈值应用于历史数据，统计告警率是否接近预期（如 k=2.5 时告警率约 1.24%）。
5. 业务校准：根据业务容忍度微调 k 值或百分位组合，直至告警率与业务风险偏好匹配。

# Python 示例：计算均值±标准差阈值与百分位数阈值
import numpy as np

# 模拟特征数据
data = np.random.randn(1000) * 10 + 50  # 均值50，标准差10

# 方法1：均值±标准差（k=2.5）
mu = np.mean(data)
sigma = np.std(data)
k = 2.5
lower_zs = mu - k * sigma
upper_zs = mu + k * sigma
print(f"均值±标准差阈值: [{lower_zs:.2f}, {upper_zs:.2f}]")

# 方法2：百分位数（P5, P95）
lower_pct = np.percentile(data, 5)
upper_pct = np.percentile(data, 95)
print(f"百分位数阈值: [{lower_pct:.2f}, {upper_pct:.2f}]")