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
+ `/ O: j6 N4 c# M2 V一 准备工作
2 i8 \  [# L; }8 }, W: R5 r
) j$ d+ M5 Y. m* e8 F! _  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：
/ \7 ?/ K3 ^, ]* `0 |; n8 Q# Q
  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：
$ L% e0 w; ?( |  B
7 R) t2 A$ n0 _5 s: [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。

( F  ]. o0 \, c# x; z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。
8 _3 x& v; J* A3 ]. T- o6 }
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。

' {  ]3 k. b/ J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。
# I. E' s8 G! M8 [  X4 G
  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。
5 r0 J8 M) u3 V9 X

' y& V0 |/ e7 Y画个VISIO：
3 w- ^+ a# w; j/ u1 i# ^
  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）
4 J# W, _/ o/ ?3 H+ I% |
  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。

8 ]! s( t: f# a  q) d1、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。
7 `$ w( L+ j: U* s6 m' d% I) |0 w' E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 U6 w1 z, u2 K  d! L2、知识基础

" B3 |* h$ y( f) W（以下详细内容请看笔者其他相关文章）

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。
0 G/ u2 O; ?( b7 X- t' N7 ^, G) U" e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。
! v* _( ?* E8 p9 l% c7 R$ D  R% C9 A4 Y7 c3、代码能力

) h  H+ Z' m9 H1 |# K0 zpython | 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。
5 T# o, F, T! d1 M（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）

) ]1 h& u- B0 T, l1 x二 面试问题

1、风控建模

1 L3 V$ y! M! L1 J/ M; ~4 Z谈谈你对风控模型的理解？
; F( r( I+ K& k8 [( g
: j9 o5 I" E$ `: _+ Z& k模型如何设计？
0 D" k- C0 D8 \6 T' C可以从滚动率、迁徙率来回答，也可以从反欺诈、ABC卡回答。
- @. T. k9 e/ i/ M5 x
3 I+ [& c: ]: }# ?2 w' ~: J; E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。
0 y( T: x; @/ |3 l% N# \
, N! r$ P7 u7 Z1 c8 p拒绝推断应该怎么做，作用是什么？效果怎么样？
/ |0 q$ k( m% J! ~9 S, U（多查资料，博学审问慎思明辨）
9 z1 ]; D' j; z2 D, E" @
! M! f; ~( t8 f% r, U简要说明下标准评分卡开发流程
$ K+ z# [. {1 d/ g; {（多查资料，博学审问慎思明辨）
! e3 l6 a% k5 _
0 N; e: x% O' v9 A/ t2、特征工程

如何对数据做质量检验？
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：
; \/ ^. O1 }! P' s, J7 O  N1、数据分布。
9 o0 w, d- L* y, a2、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。
* [5 H. x$ A; z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。
8 o9 h7 F7 C, A筛选变量的常用方法
. q* ]) }1 q4 d7 V1 w& g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。
! p! ]5 j& a/ Z3 L1 \: n) c好的特征需要具备哪些优势？
9 m* N' p: L6 U' |/ Y0 Y+ g6 z1、稳定性高
' [  P8 v$ W4 K) [. l2、区分度高
( r/ }) t% F) u4 t# d2 Z6 m" Z( W3、差异性大
( N& V. {" w6 B. n! g4、符合业务逻辑
% T2 g( n2 f( x( [7 I) O2 g, h6 a) A如何衍生特征？
1 n0 M9 }' N( J2 N- ~变量的衍生并不复杂，通常我们会从三种角度出发：
" c, _, a3 f2 \% a0 v1、数学运算。求和、比例、频率、平均等。
3 |6 E8 t1 R$ ~2 B/ s2、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。
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

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：
& n/ x# b" _* [1、逻辑回归
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
. I$ g/ Z- |; G- D7 ]. R. E4 Z优点：对数据质量要求不高，易解释
缺点：准确度不高
4 R+ p: I- s; \! s3、其他元模型
& o1 J8 \1 }" X8 K6 K4、组合模型
2 ]$ ?& C) Y* S& {6 }优点：准确度高，稳定性强，泛化能力强，不易过拟合
1 s. P5 c7 }) L" T- z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？
3 b# ?/ ]( h4 b9 |, Z7 D. w从三方面回答：
" H+ f9 B) G# j1、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
2 t$ i" {( k, h! N6 J; |3、稳定性：主要有PSI指标，理解PSI的定义及用法
, [8 ]% d$ N8 l9 {% C# Nauc和ks的关系？
* G' n) {% X! J  z9 b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。
' l; \4 q! |# F5、模型部署

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。
; H6 b" R$ d! A, n* i5 s6、模型监测
8 n+ O6 ^8 i  J$ x" |, F2 @
上述一些运营数据和风控指标的关注
* G( u( K* }/ v( T& u# V- f$ x! F8 _三 写在后边
0 `8 u2 e, T( [1 r3 U# a
2 w9 c; W" x) c7 G  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 L. v* Y' Z3 `1 {7 F) J  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。
7 E. u; |8 h( |6 Z8 l——北大经济学博士 香帅老师
1 F0 A5 K7 F; Q. N  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。
6 H  D, _9 D$ z) k. i" ^
  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。



( N8 n* I8 ]! Z3 l' T
$ i. a' E+ h2 D

) S) \$ |' K  H0 H, E" L9 T4 ?