📚 课程目录第3章 PSI阈值设定基础

3. PSI阈值设定基础：行业通用阈值（0.1/0.2/0.25）的由来、不同业务场景下的阈值选择逻辑

PSI（Population Stability Index，群体稳定性指标）的阈值并非凭空产生，而是源于统计学中“效应量”概念与金融风控长期实践的结合。理解0.1、0.2、0.25这三个经典阈值的数学背景与业务含义，是进行有效压力测试预警的前提。

PSI的计算公式本质上是两个概率分布之间散度的度量，其数值大小直接对应模型评分分布偏移的严重程度。行业通用阈值源自对“无变化”、“轻微变化”、“显著变化”三个区间的经验划分。

PSI值区间	统计学含义	业务解读	行业通用阈值
PSI < 0.1	分布差异极小，可视为随机波动	模型稳定，无需干预	绿灯区
0.1 ≤ PSI < 0.2	存在轻微偏移，需引起注意	模型开始出现不稳定迹象，建议排查	黄灯区
0.2 ≤ PSI < 0.25	中等程度偏移，需采取行动	模型稳定性面临挑战，需深入分析	橙灯区
PSI ≥ 0.25	显著偏移，模型已发生结构性变化	模型失效风险极高，必须立即干预	红灯区

  关键认知： 0.1、0.2、0.25 并非绝对真理，而是经过大量金融风控项目验证的“经验基线”。它们为模型监控提供了统一的沟通语言，但在实际应用中必须结合业务场景进行校准。

阈值的选择需要平衡“误报率”与“漏报率”。在风险容忍度不同的业务场景中，同一PSI值可能代表完全不同的风险等级。以下通过对比表格展示典型场景下的阈值调整策略。

业务场景	风险容忍度	建议预警阈值	选择逻辑说明
零售信贷（申请评分卡）	中等	0.1 / 0.2	客群基数大，轻微偏移可通过策略调整消化；0.2以上需触发模型重开发流程。
信用卡交易反欺诈	极高	0.05 / 0.1	欺诈模式变化极快，0.1的偏移可能意味着大量漏报，需采用更严格的阈值。
企业信用评级	低	0.15 / 0.25	样本量小、评级调整成本高，允许更大的容忍度，避免频繁误报导致资源浪费。
压力测试（宏观情景）	动态	0.2 / 0.3	压力测试本身模拟极端环境，PSI阈值应高于常规监控，以区分“预期偏移”与“模型失效”。
监管报送模型	极高	0.1 / 0.15	监管要求严格，任何显著偏移都需解释，阈值设定偏向保守。

实战建议： 在设定阈值时，建议先使用历史数据回测。计算过去12个月每个月的PSI值，观察在模型未发生重大变更时，PSI的自然波动范围。将预警阈值设定在“历史95分位数”附近，通常比直接套用0.1/0.2更贴合实际业务。

以下流程图展示了从业务需求到最终阈值确定的标准决策路径，帮助风控团队建立系统化的阈值设定方法。

误区一：一刀切使用0.1/0.2 —— 不同业务场景的风险敏感度差异巨大，统一阈值会导致反欺诈场景漏报或企业评级场景误报。
误区二：忽略样本量影响 —— 当样本量小于1000时，PSI的方差会显著增大，此时0.1的阈值可能因随机波动而被频繁触发。建议对小样本场景使用调整后的PSI或放宽阈值。
误区三：只看PSI绝对值 —— PSI上升时，必须结合分箱级别的贡献度分析。有时整体PSI不高，但某个高风险分箱的偏移已非常严重，此时应触发局部预警。
误区四：阈值一成不变 —— 随着市场环境、客群结构的变化，模型稳定性的基线也会漂移。建议每季度或每半年对阈值进行一次回顾与校准。

风险提示： 在压力测试场景中，切勿将常规监控阈值直接套用于极端情景。压力测试本身会引入系统性偏移，此时PSI阈值应上调至0.2-0.3区间，以避免在压力情景下产生大量无效预警，干扰风险决策。

以下框架将业务场景、样本量与建议阈值进行关联，为实际项目提供快速参考。

业务场景类型	典型样本量	建议预警阈值（黄灯）	建议干预阈值（红灯）	校准频率
高流量零售信贷	> 10,000	0.10	0.20	季度
中流量消费金融	1,000 - 10,000	0.12	0.22	季度
低流量企业信贷	< 1,000	0.15	0.25	半年度
实时反欺诈	> 50,000	0.05	0.10	月度
宏观压力测试	全量样本	0.20	0.30	按情景

通过以上分析可以看出，PSI阈值的设定是一个“业务驱动、数据验证、动态调整”的过程。掌握通用阈值的由来，理解不同场景下的选择逻辑，并建立系统化的决策流程，是构建可靠风险预警体系的基础。