4. PSI 阈值与解读：PSI < 0.1、0.1–0.25、>0.25 的业务含义与应对策略

群体稳定性指标（PSI）是衡量模型输入特征或评分分布随时间变化的标准化度量。在实际风控生产中，PSI 并非一个“越小越好”的绝对指标，而是需要结合业务容忍度、模型类型和监管要求进行分层解读。行业通用阈值区间为 0.1 和 0.25，对应三个风险等级。

4.1 PSI 阈值区间与业务含义对照

4.2 各区间应对策略详解

4.2.1 PSI < 0.1：稳定区间 —— 常规监控

• 动作： 仅记录监控日志，无需干预。
• 频率： 维持原监控周期（通常月度）。
• 关注点： 即使 PSI 很低，也应检查特征级 PSI，防止个别特征大幅漂移被总分掩盖。

4.2.2 PSI 0.1 – 0.25：轻度漂移 —— 调查与评估

• 第一步：特征级归因 — 计算每个特征的 PSI，定位漂移贡献最大的前 3–5 个特征。
• 第二步：业务验证 — 与业务方确认近期是否有客群准入、产品定价、渠道投放等策略调整。
• 第三步：影响评估 — 使用近期样本回测模型 KS/AUC，判断区分度是否下降。
• 决策：
  • 若区分度未下降且漂移可解释 → 继续使用，加强监控频率（如双周）。
  • 若区分度下降或漂移不可解释 → 启动模型校准或局部重训。

4.2.3 PSI > 0.25：严重漂移 —— 紧急响应

• 立即动作： 暂停模型在关键决策点（如自动审批、额度调整）的独立使用，切换至人工审核或备用规则。
• 根因分析：
  • 数据层：检查上游数据源是否变更、字段映射是否错误、缺失率是否突变。
  • 客群层：对比新旧样本在年龄、收入、地区等人口统计特征上的分布。
  • 环境层：确认是否有监管政策、宏观经济或行业风险事件发生。
• 修复方案：
  • 短期：特征工程调整（如分箱重切、剔除失效特征）。
  • 中期：模型校准（截距调整或分数映射重标定）。
  • 长期：模型重构或迁移学习。

4.3 PSI 阈值决策流程

4.4 阈值调整的注意事项

• 模型类型差异： 申请评分卡（A卡）对客群变化敏感，建议使用 0.1/0.25 标准；行为评分卡（B卡）因客群相对稳定，可适当放宽至 0.15/0.3。
• 样本量影响： 当监控样本量小于 1000 时，PSI 方差较大，建议结合 Kolmogorov-Smirnov 检验或 Population Stability Index 的置信区间判断。
• 业务容忍度： 对于高风险业务（如大额信贷），即使 PSI 在 0.1–0.25 区间，也应触发更严格的验证流程。
• 多模型对比： 如果同一场景下多个模型的 PSI 同时上升，优先排查数据源或客群层面的系统性变化，而非单个模型问题。