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
6 ^, T1 g( O$ }5 e; x一 准备工作

  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：
" U# [4 s) A, ^, S7 a% R  B
  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；
/ Z1 X; n& t+ U" x  ^
  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：
4 X" @, V2 R4 m& o% x. p( ]
( u1 f. @+ n+ t) P9 W- A% w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。

2 L9 P& v1 M7 e  a5 \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。
/ P2 @, J* q$ V
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。

: u, r: {6 v: @+ y' |' 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。
$ g! ^' E6 e! ]' x
) p4 z! l: R* v8 {4 I* Z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。
$ {4 m) `" b3 p
* I8 ]- E8 P  D: 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。
' W- L9 u- ?3 q; S4 a; S8 ]
8 ]5 u0 G' \0 Y
0 C' O3 z- ]0 T' s, q5 x6 n) e画个VISIO：

  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）
7 Y; B' q/ ?" ?! _, P
# }& V) }% l3 v* s! M, [& d  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
& d# P5 I& W5 @' L2 j% u
4 c0 u  H/ z$ R: }( f& J( X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。
5 A  K2 b1 Y% H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。
! S4 t; Q) C0 z) k4 e: i* f! ^& Y2、知识基础

（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。
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。
/ b# S4 m" b) y+ T7 S- L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。
; P) L/ B4 Z  L; b5 g3、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。
* R1 R1 C! Q9 y* 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）

7 y8 @8 _5 h3 b3 q. b6 J二 面试问题

$ f" _4 o" W* |, a# Q1、风控建模
' f9 o% r8 ?( U9 l0 a( ^! ^
谈谈你对风控模型的理解？

0 F$ g$ ?' B. f4 d5 ^4 Y模型如何设计？
5 j1 R3 f. d' u6 G- P. e9 Z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。

拒绝推断应该怎么做，作用是什么？效果怎么样？
. _2 X) I' f/ O0 k& h4 H（多查资料，博学审问慎思明辨）
% R& |; a' s- V
4 ^1 I# f/ x( k  t  d简要说明下标准评分卡开发流程
4 y% L% ]/ o& t3 U! V2 f4 d（多查资料，博学审问慎思明辨）
% a4 v3 d1 n3 @& c
$ t: }* z5 ?3 V1 D1 c- A7 ^! c) D2、特征工程
1 y9 O# @& ^8 y, \2 w2 p" K# C
) W( T  R( h! m- m' T' C: p如何对数据做质量检验？
1 ?9 l% M2 {$ ]( e, [( F* f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：
3 j" _1 n+ |+ u5 ^6 g1、数据分布。
2、数据集中度检测。
* n6 S( Z$ t* M  z  h8 U* A3、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
1 a' O3 T, ^7 V$ ^' y/ [4 \5 ?  c, k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。
: l+ h; t5 ?% G$ l& i5 N0 \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。
/ a4 A' _) [3 H# f- K* Y1 j* K好的特征需要具备哪些优势？
1、稳定性高
, |/ G* i6 b  o5 N' b& F2、区分度高
3、差异性大
  W; P3 l( w; \: {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：
) K3 ]& h, r: Z1、数学运算。求和、比例、频率、平均等。
% z; T9 z- ?: l2 o2、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。
8 k- T, X* j& K0 r! e* A  }* C3、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。
; C; m# P6 p* |: S3、机器学习算法
' l) c/ v" F  F
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。
- e+ Z, P# c5 P( o0 D( X8 Q简单评价几种常用算法的优缺点：
: w( J+ x# j" J4 w, H( u7 S. ]1、逻辑回归
- y& i' H) i1 m5 c8 q: K$ V优点：简单、稳定、可解释、技术成熟、易于监测和部署
; i7 _. ~7 k. F& E, `9 l8 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
. G6 C$ y6 a" w6 @2、决策树
优点：对数据质量要求不高，易解释
+ K1 w" _4 a5 d/ D7 r1 N缺点：准确度不高
3、其他元模型
! R# [( H+ Y" Z) 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
缺点：不易解释，部署困难，计算量大
7 R! q- A/ `/ v6 @& V4、模型评估
3 c! A. Y) ]' n. M" x& S
模型评估的常用方法？
, t) V% ~9 i5 `从三方面回答：
8 a+ x. C4 O7 m) {. l. r& `1、区分度：主要有KS和GINI指标，理解KS的定义及用法
. M) n1 `. g& D2 p: Y* F  K2、准确性：主要有roc曲线和AUC指标，理解AUC的定义及用法
6 L# g3 P  J; C3、稳定性：主要有PSI指标，理解PSI的定义及用法
& T1 S1 }( R8 @( G* Uauc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。
5、模型部署
. T9 d& N. Y" ^
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。
/ ?+ a. A* [, t" B7 ~6、模型监测
3 w5 ?, L6 G; l
上述一些运营数据和风控指标的关注
三 写在后边
$ u! T- z$ W7 _6 f$ m2 Y! P
0 }* ^3 Y7 C# }+ k: h5 h0 J+ x  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。
: B8 T0 O+ Y% K
  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。
! ~2 P2 e. q# g6 c0 w0 k+ B
* Y0 q. u3 P! a  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
: V) D9 _7 \7 Q/ F3 A  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。
$ Y( W" M9 H; r1 K+ q$ l——数据驱动风险分析之父 阿什·古普塔
3 {9 G4 b) ?7 f1 K# g  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。
- Z* r( @4 ^$ ]
  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。
; E1 c! _3 _# K6 O: b

; W* h) M5 v1 N( {. O

/ ]; @" r) L3 ?- t  @$ o9 O