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
: M' g$ W' ~0 R  K; W1 F
' ]  n! ^" D! P$ j5 D( V  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：
3 }+ A7 B2 u' t
( F; [. ~3 A; j8 z: c  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；

  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：

3 f3 H' @7 g8 O1 m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。

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。
2 \* N0 f4 [3 {
  `  K" c6 l% h! ^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。
2 T0 G0 ~; ^6 \! |! @" f* o
9 v9 c' l6 W+ `7 S9 x7 ~5 [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。

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。

  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。
' D# F1 O5 G/ v6 H; q* x3 M$ v
4 W6 s, @6 Z  h6 w, A  A
2 [  A; _( {6 |' n$ ?+ m! N画个VISIO：

2 M9 p1 J' N3 Q# o* U  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）

* L8 y' M5 Z& R* K3 l0 z4 c  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。

1、行业经验

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。
$ J% R5 ]2 Q$ L1 [  G+ l( U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。
2、知识基础
5 @% A4 Z1 U( M* }/ d
（以下详细内容请看笔者其他相关文章）
0 m) t4 U: n8 {
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。
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。
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。
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。
3、代码能力
$ E2 L+ U9 Z2 t6 T' B- Q
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。
8 T6 e( e# J5 u2 U9 m) d（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）
& ?2 w2 Y, l/ B
二 面试问题

1、风控建模

谈谈你对风控模型的理解？
0 l/ H( S5 K$ i% S( h- C
) t4 N; ^: m* f模型如何设计？
0 K1 b/ o4 U# |$ O# Z可以从滚动率、迁徙率来回答，也可以从反欺诈、ABC卡回答。
: l5 S% g! b. o! }# c
- t, M9 o6 E1 g. ?5 ^* G对客群进行细分建模的本质是什么？
- e) O8 ]. H$ Q, ]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。

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）
! j; L, m, v. m+ w4 K; w' D( ?, H
% [, L; ]- K3 O1 Y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）

! u& h8 ^9 {$ Y6 A1 W2、特征工程
/ i" g0 N& {4 l7 A* _; F9 ?
% S& _' r6 L4 q& j3 `如何对数据做质量检验？
" _3 D: S- {* p4 _- Q# D( i, L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：
9 L# T" p2 F' J5 u! ?; E7 Y4 w1、数据分布。
5 ~" s2 N1 w: r; K+ u2、数据集中度检测。
. N# V( M) `, c8 [4 }: i/ f3、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
) H; ~1 y* N1 h' Z/ i& }' ~7 Z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。
( v2 O' K+ ^6 \$ m; n筛选变量的常用方法
6 }. r: b  V( l! s, p! |5 h9 x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。
好的特征需要具备哪些优势？
1、稳定性高
0 M& u: o, P/ M- g1 n; L! A3 @2、区分度高
6 J* _5 o; g2 p3、差异性大
4、符合业务逻辑
如何衍生特征？
' S5 e% r4 w# e% G( m& a变量的衍生并不复杂，通常我们会从三种角度出发：
# H% \; B1 l. N, Z  ~% `4 j1、数学运算。求和、比例、频率、平均等。
0 a; ^  G! f4 c5 G$ ]+ y2、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。
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。
  W( U  K8 j8 j+ [# m7 @: i衍生出来的特征要符合实际业务含义，并且要保持稳定。
3、机器学习算法
2 l" m$ x. s, I1 b  j/ b9 \+ y
简单介绍你熟悉的几种算法及其在应用场景中的差别！
1 C% w& X, U2 c9 V' F- m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。
+ n. X3 h* x- t0 \2 k简单评价几种常用算法的优缺点：
1、逻辑回归
- I& U% n8 k: E" B! ]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
2、决策树
) [' {  u/ o( A1 x* P! |优点：对数据质量要求不高，易解释
缺点：准确度不高
3、其他元模型
. p4 A! M! y( \# K# o4、组合模型
优点：准确度高，稳定性强，泛化能力强，不易过拟合
! y1 m2 [  u. k% i) A7 B9 B缺点：不易解释，部署困难，计算量大
4、模型评估

模型评估的常用方法？
2 C& B% L. p9 g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
6 y. R* ~( N- r8 r6 {  [3、稳定性：主要有PSI指标，理解PSI的定义及用法
auc和ks的关系？
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。
- e# e; K" b+ G' b  s1 x" W& E: h  U5、模型部署
" I& `( X* E# g4 O
5 t$ ~- R$ \* J) k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。
! e  {0 J9 T4 _1 m' _4 k& Z6 a6 U1 h9 c. o6、模型监测

' {% ]* b  I" N上述一些运营数据和风控指标的关注
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。

5 y  T, z0 i* X4 X; }& g  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。
; @3 o5 ]7 `# j- l
; P8 w3 [  @$ w+ D" ~  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。
4 i$ R5 g7 E/ v( E8 j——北大经济学博士 香帅老师
  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
5 G- c1 O9 _; _. D  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。

  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。


. m( j% }1 G1 N6 v- J& c0 W
: `2 |1 ?5 o5 f1 u$ l" B! x1 U5 x

, |! U6 T$ y  ?. }4 n: e; f