风控建模】互金 风控模型岗 基本要求及面试问题总结

杨利霞

风控建模】互金 风控模型岗 基本要求及面试问题总结
一 准备工作

  E( m' g  R2 i" d9 @) W  根据核心职业CD法则，找工作前，你得先清楚自己有什么，自己要什么；面试单位有什么，面试单位要什么。就笔者近一年的学习及工作经验总结而言：
& _  i$ W2 D4 A
6 N) n; N! q- E8 n  科班同学，最好直接从统计分析、应用统计角度入手，从事金融、生物、医药等领域里的数据分析或数据挖掘相关工作；

. \. M* k  i$ C7 y3 I0 C" ~  非科班转行来的，建议直接做金融，需要的专业知识不多，行业知识也易懂，而且信用中国还有很长的路要走，在这个领域扎根越久，收益越高，因为我们要学的这些知识首先是保值甚至是增值的。可掌握的技能基本可以选择大数据、数据提取、处理、分析、建模这五大块儿，内容及要求总结如下：

) H) }% I2 q) V, e7 @前搞MIS（报表分析）：业务报表及报告的生产，掌握excel手动报表汇总、透视等功能，tableaue等线上BI报表制作、分析。
5 _/ ]: h" v7 p: h7 `
! e# d. G: f0 f1 s后搭数仓（数据提取）：数据仓库，包括关系型、非关系型、大数据、图数据等数据库、数据表的设计（常为后端人员开发，数据人员需要了解表结构、字段类型等），数据存储、提取、转换、清洗、处理；需熟练掌握SQL、HQL、NQL等语言，可以做json、dict、frame、pkl等数据格式的转换。
  s- g" N. w4 m4 l. j3 o9 a
! z( l- r* U3 `3 m左建模型（模型开发）：金融风控模型，不单单指评分卡，而是针对产品营销、定价、授信、管理、催收、监测等业务流程开发的一系列策略、规则、评分卡的集合，通常我们认为，利用有监督、无监督、半监督、深度学习等算法开发的评分卡是风控模型中卓有成效的技术。
) I' E+ T4 w0 g9 E7 V
# d) k  w: I6 t  i7 ~9 S  ]右通算法（数据挖掘）：LR、RF、XGBoost、SVM等常见算法。对跨领域转行过来的同学来说，算法这块，既有趣，又神秘，关键还难懂，让人又爱又恨。好的算法工程师，需要扎实的计算机算法、算力、数据结构等基础，需要扎实的概率、统计、多元回归、矩阵等基础，我等渣渣励志做算法的话，3~5年起步吧。

* _) E; o" g/ F2 o: K核心懂业务：P2P、消费分期、现金贷、传统金融、大额、小额、信用卡、车贷、抵押、资产、标的等业态；风险定价、反欺诈、信用循环、信审、提额等环节；滚动、迁徙、账龄、递延、回收、坏账等指标。要懂的东西，也多也不多。
" y( r! t# j5 }  _) `5 P
  所以，除非奔着算法工程师去，否则最好的入行策略就是熟知行业业务流程，从数据库、数据提取、数据挖掘、数据分析、风控建模等岗位中择一良木而栖，夯实基本数据提取、挖掘、建模等流程所用到的技术。算法这块儿，只需要掌握常用LR、树模型等算法的原理，能够使用编程工具实现即可。


/ @( t5 m( l6 S# u. j6 [画个VISIO：

' m: e& q9 t* L4 n. P* m- ]- w3 R  所有知识点都掌握，并且能够熟练运用，已然建立体系，胸有成竹，你就可以骄傲的自封一个全能数据战士的名号了，简直朝阳区中最靓的仔。（悄悄说一句，全栈离经理和总监更近，产品、前后端都得给你点个赞）

- y: x  p& C; o1 z/ ^0 z9 g  那针对金融风控岗，我们的面试准备工作，就从以上几点出发，重点从模型着手。
7 ~4 S9 B  D$ H$ W" K
1、行业经验
% G7 I! A% M; G; @& b8 L. h% d
互联网金融风控岗位的业务理解，比如：信用循环体系；核拨率、递延率、坏账率等运营指标；滚动率、账龄分析等分析指标。
1 f% {& L# P  f! c/ q风控模型的开发流程，比如：信用模型评分卡的开发、上线、优化等过程及方法。
$ l9 {3 |$ F) x1 a1 {! l+ ^) r2、知识基础

（以下详细内容请看笔者其他相关文章）
/ Y, Q- v8 J5 E7 a
数据存取与处理： 基础能力，这是数据分析类工作的技能基础，也是任何一个数据类工种都需要的基础能力，不熟练的话就再学一段时间。
5 }6 P4 ?# t, k( I  A统计学习： 机器学习的基础是概率论与统计学习，这块儿你可以不必特别扎实，但像五位数、方差、正态分布、相关系数、假设检验常用知识点得了解并掌握。
# g( P7 b4 b, }6 n- h8 r9 }6 U数据挖掘： 不论是规则还是评分卡，风控建模类工作的大量工作内容就是对用户特征的挖掘、定义、扩展、转换、处理、分析、运用，以产生对业务有帮助的决策数据。所以特征工程来龙去脉需要懂，并且会熟练使用。
0 q; L8 I! N2 c常用算法： 用于特征工程及建模工作，同样不必全懂，但一到两种常用算法的推导及一到两种融合算法的原理必须掌握，常用的元模型为逻辑回归、决策树；常用的融合模型有随机森林；神经网络则有ANN。
. m* h( a& O9 W9 s5 L0 n3、代码能力

python | R | sas，把一门代码类工具运用熟练即可。就python而言，像pandas、numpy、statsmodels、sklearn，这几个包学扎实就行。
. l4 t4 g7 z8 j, n) K（选工具的话，建议python，别问为什么，怕被隔壁用R、spss、PHP、java、excel的媛儿们暴锤）

% p1 m, ?/ G0 x) u二 面试问题

1、风控建模
/ h# Z$ `3 Y) t
谈谈你对风控模型的理解？
& F. {3 ^) y# H. Q- v, g
模型如何设计？
' c  C! F) ?# X3 w" q可以从滚动率、迁徙率来回答，也可以从反欺诈、ABC卡回答。

对客群进行细分建模的本质是什么？
其实分客群进行建模，实质也是一种交叉特征，能提高模型稳定性。
! z, D6 `5 g9 U7 U- x6 I
; P- G, {/ h% e& j3 B- F4 G3 R$ E拒绝推断应该怎么做，作用是什么？效果怎么样？
（多查资料，博学审问慎思明辨）

  G+ M/ i. |8 e% ?/ f简要说明下标准评分卡开发流程
（多查资料，博学审问慎思明辨）

2、特征工程
6 z4 ~: H" t2 k& o7 h
如何对数据做质量检验？
) q+ S+ E6 o. ?0 e( u在完成数据匹配工作之后，建模之前，我们需要对数据进行整体的质量检测，主要有两个方面：
" i% w, m" z# H( |& B. q1、数据分布。
5 B6 o/ ^' U7 S6 k+ h1 b2、数据集中度检测。
3、数据脏乱情况。缺失值（是否隐藏风险）、离群值、错误值、重复值，根据其是否符合业务逻辑，判断数据是否存在异常。
特征工程流程
关键词： 特征预处理、特征选择、特征衍生、特征提取等。用到的技术主要有连续变量离散化、分类变量哑编码、卡方分箱、特征编码、共线性检验、PCA降维、交叉验证等。
筛选变量的常用方法
8 j) ^, {* i+ C3 U2 F1 n! D筛选变量有很多种方法，随机森林、GBDT、逻辑回归显著性、VIF共线性、相关性图谱等、随机逻辑回归筛选、递归法筛选等。
' X+ y, Q. b0 N' s: H好的特征需要具备哪些优势？
1、稳定性高
2、区分度高
3、差异性大
4、符合业务逻辑
如何衍生特征？
变量的衍生并不复杂，通常我们会从三种角度出发：
1、数学运算。求和、比例、频率、平均等。
2、时间窗口。有些变量的意义只有在一段时间内才有效，所以针对时间比如说注册如期、交易日期等变量，需要计算其到现在的时间段，完成变量的衍生。
5 a( ?' L5 j; P, f) R3 ]3、交叉组合。GBDT\XGBoost、LDA主题模型、用户画像分等等都可以做特征衍生。
+ \* G, K+ {. H! R* Y衍生出来的特征要符合实际业务含义，并且要保持稳定。
. n& R3 j1 Q  n' O5 F0 Z! O  {! z# O& F3、机器学习算法
) o3 N, ]* F. x3 N; q% D7 k) b
3 _3 w! b" e& `$ J! e5 D* @$ _简单介绍你熟悉的几种算法及其在应用场景中的差别！
一些基本公式的推导，比如LR、xgb之类的，这些可以自己推导一下。
简单评价几种常用算法的优缺点：
$ _  i  L; S# b3 K# U) p1、逻辑回归
2 r6 a) l0 q, E7 b9 x优点：简单、稳定、可解释、技术成熟、易于监测和部署
缺点：一定不能有缺失数据；必须是数值型特征，需要编码；准确度不高
9 \' _! I: u' u7 U( J4 G2、决策树
优点：对数据质量要求不高，易解释
4 T8 R& P4 u- S* w8 p# j7 l缺点：准确度不高
) g' d) ?* T: w& P" o5 J3、其他元模型
4、组合模型
优点：准确度高，稳定性强，泛化能力强，不易过拟合
4 {  g; l* Z6 h6 G) c( k- E) b+ W7 J缺点：不易解释，部署困难，计算量大
$ G' d* e- ]4 M4 ^1 E7 g4、模型评估
! l. r8 X0 a2 \7 O* ]5 Z
0 m/ D& \7 Q3 ?3 j& y+ V; c模型评估的常用方法？
从三方面回答：
1、区分度：主要有KS和GINI指标，理解KS的定义及用法
2、准确性：主要有roc曲线和AUC指标，理解AUC的定义及用法
/ B' Q. N. A* N3、稳定性：主要有PSI指标，理解PSI的定义及用法
auc和ks的关系？
3 ~0 ?' J& p* a( w- n! c有人说auc是衡量整个模型的排序能力，KS是衡量某个分段的区分能力。
8 x; H2 `8 I3 c; c6 B% ~5、模型部署
% F7 j& V$ J, t$ t) z3 {" X4 I
( l3 P0 Q: [! O% O+ v0 ^模型的部署上线应用类似的问题，偏开发，分析人员可能不太擅长。主要就是api接口安装、测试、等级划分、额度设计、风险定价、ABtest的设计等等。
2 h- }7 U5 D8 d" X  r" m6、模型监测
& G2 ?5 L' A" L% h, O: y
上述一些运营数据和风控指标的关注
% J/ w3 G  T' O0 C" }: d三 写在后边

  在全世界，分析能力都有同质化的趋势——大量的技术已经进入这个领域，壁垒几乎已经没了。长期、可持续的优势，来自企业拥有的人才和你手里的数据。

  总体而言，中国的金融科技市场是全世界最先进的，而且领先了很多。不过，在一个领域，中国的进步没有世界上其他国家大，那就是综合数据分析领域。如何更明智地使用数据，是全世界留给中国人的机会。

  关于学什么这件事情。原本一直非常犹豫要不要学习编程，现在非常明确了，这件事最好的开始时间是大学，其次是现在，而且必须是直接掌握最先进的编程语言，主攻数据挖掘和数据分析的方向，并与这方面的专业人士建立链接。
——北大经济学博士 香帅老师
: ]2 T7 A9 j5 y  风险管理绝不只是数据、模型，它是产品、流程和分析的有效结合。好的风险管理能真正理解流程，真正进入流程、着眼于流程。它能理解产品，理解客户和竞争对手的意图，然后将数据和分析与之结合。
——数据驱动风险分析之父 阿什·古普塔
  别怕，难者不会，会者不难，稀缺意味着价值。每当坚持不下去的时候，回头看看你自己走过的那段路，虽然曲折，但异彩纷呈，关键还有这么一群可爱又努力的人陪着。

' I3 |+ V; f  ^& M" ]! D4 M  总结经验，昂首阔步，心里装着善良和坚强，到哪都会散发光芒。
2 j4 B9 z4 G3 Q

* s3 `$ ~# x1 L) F
5 z# a1 n( W2 b
: Y3 k" A3 C. y9 Q4 Z3 D5 c6 O