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
5 W+ T7 ]8 @: m& [& s& T! m一 准备工作

2 P: r$ j; _1 g( {- B/ n$ r* [  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：

  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；
# g* k& k) T- [3 s  t
- z% [8 s7 b  w/ q; Z" K4 }  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：

8 M7 z) D6 W  s+ J* U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。

( X) ~; p# _4 ~) g3 F! H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。
* r7 i5 Q# K& V, G" J6 M( U
3 g+ k, G7 ~* v) o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。
# r2 i! D: C; H9 _! l* [
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。
+ o3 q6 h* Y7 Y+ S7 J& j
  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( J- H- e6 p画个VISIO：
! O" C+ v3 T# w" `: y2 l4 }7 L
  f1 B- T4 b8 R/ O% Q* E1 n3 k4 w  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）

+ H# Z/ Q4 V) W; y9 b  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。
$ t/ j4 U  y0 c: N9 \( D: @
. I2 w* t) [- e4 C* S( }$ V; u% S1、行业经验

* k+ Z3 t  @8 p" a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。
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。
& {8 ~# M4 N5 ?$ v/ o  k2、知识基础
$ z" Y# g0 U" m/ V1 I
（以下详细内容请看笔者其他相关文章）
2 L2 w% H6 R& }2 V" B3 H
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

9 k' V" Q( v& d! @+ E) cpython | 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。
（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）
$ Y* T; M* j% y" B! J
二 面试问题

" W, @9 |2 F4 J* t' m3 o1、风控建模
) p( B5 D. Z1 W; z. R8 J( Z1 N) }
谈谈你对风控模型的理解？

模型如何设计？
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。

* r0 N! T0 s* m& I; d% H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）
3 M8 m0 T# ~# ]. w3 R- f' b1 i/ e. n
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）
1 y; B+ X9 i9 q2 M# w: P1 w
( S# g# q% s) j/ F- |0 o2、特征工程
& a$ j3 T+ j! A% l* N' ~: e* ~8 t+ o
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：
1、数据分布。
! G1 c3 X+ H& i$ x' M) 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。
: p% f$ v- w: B: z特征工程流程
9 R! M0 W7 }6 q' m' W9 z0 D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
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？
- X* f9 t4 u( g3 H) S. w1、稳定性高
2、区分度高
$ v4 ~7 T# {0 t- i, ]# f4 p9 H3、差异性大
7 t$ i! O7 T* @8 D4、符合业务逻辑
" c! x; N" @/ h" ~* \1 Q如何衍生特征？
9 j- @4 [) x+ R3 H' @' s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。
! |% L. M. t# ]7 d+ i+ s" z; b2、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。
' h" M  A0 Q* s9 f" [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。
, Z$ o' X; G) v- f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
' W6 L  E( w) r+ r" n- i
简单介绍你熟悉的几种算法及其在应用场景中的差别！
1 @. ]  P1 s) f! T2 r* [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。
7 `' b* {# F. q* S' v5 b8 K简单评价几种常用算法的优缺点：
- F) p4 q! E* [1 v4 Y6 q1、逻辑回归
优点：简单、稳定、可解释、技术成熟、易于监测和部署
/ b4 Q3 W- J0 j- U" y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
6 O5 A+ r/ y, h( ~9 r2、决策树
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
/ X6 ^0 R- \4 G1 J4 q4 K1 p4、组合模型
, B7 S9 R- O2 X0 L" K9 L优点：准确度高，稳定性强，泛化能力强，不易过拟合
缺点：不易解释，部署困难，计算量大
. x* o# L! I7 a! [- W4、模型评估

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
# X- B9 X# S" n# s. t3、稳定性：主要有PSI指标，理解PSI的定义及用法
auc和ks的关系？
- c7 j: h/ U" [# ]0 i) Y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。
/ G4 r6 X# F3 a9 A  U7 E) O5、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。
2 a0 h  g" U' p) T6、模型监测
" K% b/ [  E+ B) l8 ]
上述一些运营数据和风控指标的关注
三 写在后边
4 M- P$ G/ t0 v8 o! a" H8 l4 F. z( T+ K
  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。
0 y4 k& P! U8 u2 ~7 a6 T' 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。
) O& d; |& h7 \, ?% e! I
" }% Y  P5 p5 c  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。
8 k9 I7 P/ J* ^0 P8 @, j——北大经济学博士 香帅老师
; J0 A/ {* x1 A# X$ S  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。
7 K. @; A" b. c+ V# j8 \  g
  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。





+ S* i; [3 C; r7 {+ U5 a
3 }8 c  a4 e0 |4 {! J% o7 C