4. PSI阈值与解读：PSI<0.1、0.1~0.25、>0.25的业务含义、常见行业阈值标准
群体稳定性指标（PSI）是衡量模型评分或特征分布在时间维度上偏移程度的量化工具。在实际业务监控中，PSI 的数值大小直接决定了数据漂移的严重等级，进而触发不同的响应动作。本章将系统解读 PSI 的三个经典阈值区间，并给出常见行业的差异化标准。
4.1 PSI 经典三区间阈值体系
业界普遍采用 0.1 和 0.25 作为两个关键分界点，将 PSI 划分为三个区间。下表总结了每个区间的业务含义、漂移程度及建议行动：
| PSI 区间 | 漂移等级 | 业务含义 | 建议行动 |
|---|---|---|---|
| PSI < 0.1 | 无漂移 / 轻微漂移 | 模型输入分布与建模样本基本一致，或仅有随机波动，不影响模型性能。 | 无需干预，保持常规监控即可。 |
| 0.1 ≤ PSI ≤ 0.25 | 中度漂移 | 分布发生可察觉的变化，可能由客群结构微调、季节性因素或局部数据质量问题引起。模型效果可能开始衰减。 | 触发预警，启动人工排查；检查特征分箱变化；评估是否需要局部重训或特征调整。 |
| PSI > 0.25 | 严重漂移 | 分布发生显著偏移，模型已无法有效区分目标群体，预测能力大幅下降。 | 立即暂停模型使用，全面复盘；必须进行模型重训或版本迭代；回滚至备用模型。 |
阈值来源说明： 0.1 和 0.25 这两个阈值最早由信用评分卡行业提出，后经大量实践验证成为通用基准。其数学基础是：PSI 本质上是两个分布之间 KL 散度的加权和，0.1 对应约 10% 的累积分布差异，0.25 对应约 25% 的累积分布差异。
4.2 阈值区间的业务解读深度
仅仅知道数值区间是不够的，必须结合业务场景理解每个区间的实际影响：
- PSI < 0.1（绿灯区）：模型评分分布稳定，各分箱占比变化在 1% 以内。此时模型决策边界可靠，无需额外关注。但需注意，如果样本量极小（如 < 1000），即使 PSI 很低，也应结合 KS 或 AUC 综合判断。
- 0.1 ≤ PSI ≤ 0.25（黄灯区）：这是最需要人工介入的区间。常见原因包括：
- 季节性波动（如信贷申请量在年底激增）；
- 渠道策略调整导致客群年龄/收入分布变化；
- 上游数据源字段缺失率上升。
此时应逐特征计算 特征 PSI，定位漂移贡献最大的变量。 - PSI > 0.25（红灯区）：模型已失效。典型场景：
- 宏观经济政策突变（如利率调整）；
- 业务模式根本性改变（如从线下转线上）；
- 数据采集系统升级导致字段含义变更。
必须启动紧急复盘流程，通常需要 1-2 周完成模型重训。
关键原则： PSI 是群体层面的统计量，不能替代个体样本的异常检测。当 PSI 处于黄灯区时，务必结合 特征重要性排序 和 分箱占比变化图 进行归因分析，避免盲目重训。
4.3 常见行业阈值标准对比
不同行业对模型稳定性的容忍度差异显著。下表列出金融、互联网、工业等领域的典型阈值标准：
| 行业 | 应用场景 | PSI 警戒线 | PSI 红线 | 备注 |
|---|---|---|---|---|
| 银行/信贷 | 信用评分卡、反欺诈模型 | 0.10 | 0.25 | 监管严格，通常要求 PSI < 0.1 才可上线 |
| 互联网金融 | 用户画像、推荐系统 | 0.15 | 0.30 | 客群变化快，适当放宽阈值 |
| 工业/物联网 | 设备故障预测、传感器异常检测 | 0.05 | 0.15 | 传感器数据波动小，阈值更严格 |
| 医疗/生物 | 诊断模型、基因表达分析 | 0.05 | 0.10 | 安全要求极高，任何漂移都需审查 |
| 电商/广告 | CTR 预估、用户行为预测 | 0.20 | 0.35 | 用户行为高度动态，阈值最宽松 |
注意： 上表中的阈值仅为行业经验值，实际项目中应通过历史数据回测确定本业务的最优阈值。例如，对于信贷模型，如果历史数据显示 PSI 达到 0.15 时坏账率已显著上升，则应将警戒线下调至 0.08。
4.4 PSI 阈值决策流程（SVG 图）
下图展示了从 PSI 计算到业务决策的完整流程，帮助理解阈值如何驱动后续动作：
4.5 阈值调整的实践建议
在实际监控系统中，不建议直接套用固定阈值。以下三条原则可帮助团队制定更合理的标准：
- 基于历史基线校准：收集过去 6-12 个月的 PSI 数据，计算其均值 μ 和标准差 σ。将警戒线设为 μ + 2σ，红线设为 μ + 3σ，而非直接使用 0.1/0.25。
- 区分模型类型：
- 风控模型（如信用评分）对稳定性要求最高，建议采用严格阈值（0.08/0.20）；
- 营销模型（如响应率预测）可适当放宽（0.15/0.30）；
- 实时推荐模型因数据更新频繁，可接受更高漂移（0.20/0.35）。 - 结合业务损失函数：如果模型误判带来的业务损失巨大（如医疗诊断），即使 PSI 只有 0.05 也应触发人工审查。反之，如果模型仅用于辅助排序，0.20 以内的漂移可能仍在可接受范围。
最佳实践： 在监控看板上同时展示 PSI 时序曲线 和 模型性能指标（如 KS、AUC）时序曲线。当 PSI 上升但模型性能未下降时，说明漂移发生在非关键特征上，可暂不干预；当 PSI 与性能同步恶化时，必须立即行动。
4.6 PSI 与 Drift 的阈值协同（SVG 图）
在实际异常波动复盘中，PSI 通常与 Drift（如特征漂移检测）配合使用。下图展示了二者的协同关系：
通过 PSI 与 Drift 的协同监控，可以更精准地定位漂移来源：PSI 反映整体分布变化，Drift 则指出具体哪些特征发生了偏移。二者结合使用，能有效避免误报和漏报。