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
2 A1 R" w7 _* J. R* d0 i
; a: B5 f  t' i- r" E0 T$ K  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：

, V* W7 j1 H; _  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；
+ p- H+ t; o: }/ N! `
. r* R7 N0 L' i; i) o2 n  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：

# i# T( A1 s0 J: ^( V( r6 Q/ E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。
& Z1 {& \! i1 A7 u5 ~
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。

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。

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( o8 ~* g; \: X/ R2 Z) [4 K
. m" k! V$ Y( Y* C$ `  e) l2 j' E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。
+ r% Z; Y8 [% H0 k' {! {
  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。

$ [" r. ~: g9 `! @1 P1 F
画个VISIO：
9 \8 T3 A. [  F! H, t% z% _; q
  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）
) ?6 [. Z( u* s
  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。

6 k$ b* |% ^; A% z. x" d& h1 A1、行业经验
, }+ A6 B0 O; T+ K- Q, w! ]2 t
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。
2、知识基础

) K2 v4 F1 n' f% J, M7 o2 v（以下详细内容请看笔者其他相关文章）
7 f. H( M0 [- |2 v
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。
  ^: H1 K5 P4 m- i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。
# @2 r! v/ @6 V. K3、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。
; P* {$ L6 m0 p( u7 n（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）
+ J; p) y; u( d$ ?
二 面试问题
* ?/ T8 j! |& t+ `: R
5 [" F2 s! `* G  o% s  h$ H$ f# D1、风控建模

谈谈你对风控模型的理解？

6 X; N; ~, x- g9 Y4 z模型如何设计？
1 ?+ C# r/ G* k# s1 C可以从滚动率、迁徙率来回答，也可以从反欺诈、ABC卡回答。

3 q1 I5 u6 `2 N( H' y1 ?对客群进行细分建模的本质是什么？
: b8 W/ D- z2 p0 }! k" H, l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。

$ Y9 V4 I+ J7 B/ o拒绝推断应该怎么做，作用是什么？效果怎么样？
- e8 w+ b4 r8 n$ I! {4 F（多查资料，博学审问慎思明辨）
: r" v* N9 s% Y1 G- i* C" b/ J0 g. S5 |
简要说明下标准评分卡开发流程
0 b9 y( j- i# C" z; I4 w# _（多查资料，博学审问慎思明辨）
7 \$ f, k  Y4 W/ q3 b! C! P- I
2、特征工程
0 g" \  O* E0 }8 y& ~! m
! w& u4 |8 A( X; b2 ?, z9 \: b" |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：
. g$ W/ J% A5 q+ C) _( i1、数据分布。
2、数据集中度检测。
/ g. {9 M, j: d3、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。
) I+ q8 b- ]5 o8 V# N7 ^( U3 P特征工程流程
1 F( l  N! T5 u" B$ F4 ^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？
) {; F/ f$ j& y1 x1、稳定性高
2、区分度高
3、差异性大
4、符合业务逻辑
" R9 Q% v; n( c/ k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：
- Q& c4 I( H4 q$ Y# I- v1、数学运算。求和、比例、频率、平均等。
% P4 v, K. B2 n' e8 ^* j5 r% K2、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。
/ T% m. d/ l% l. k+ [$ w4 r. Z3、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。
4 \' `' s/ r4 u( j1 r6 v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

# |4 f, j3 y/ ~7 E. s5 q简单介绍你熟悉的几种算法及其在应用场景中的差别！
. S- i. q) g( f. d  A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。
9 A) n" ]- Q& h% A8 P0 ~1 }简单评价几种常用算法的优缺点：
$ t% U4 c3 Q6 @8 u9 i" {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
( r" o' v+ U+ @1 P2、决策树
0 X& m$ m# t! q" C+ Y优点：对数据质量要求不高，易解释
缺点：准确度不高
  L" a* o' L4 e. S! P  i4 r3、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
9 e1 |7 H7 l; E( Y! {  L缺点：不易解释，部署困难，计算量大
4、模型评估
7 v5 H  `9 O4 w. O, R. l
模型评估的常用方法？
0 O7 |8 s) ?* `7 k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
# f  Q7 Z) e1 }; L! R) ?+ @  d6 z3、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。
! U5 p  X0 F' k7 B0 `* F) F5 \5、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。
6、模型监测

+ |7 f+ ?$ J/ {; m; l" N上述一些运营数据和风控指标的关注
. y2 m" G# d: d2 y, f6 G4 T6 p/ C三 写在后边

1 b5 g8 K' g# b/ G3 U  a  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。

/ A, M* h' X- }: H$ `  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。
- j! X( e; {6 [5 s, x, m( S2 U——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。
- J7 [% g: u/ P$ x——数据驱动风险分析之父 阿什·古普塔
6 p) ?0 Y' B3 f/ k! n4 p. n( e  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。
2 {" m8 H5 E1 K! u$ C

! D: P' F/ R# s0 V! k$ w4 H& Y
1 o! Q# G2 Q) F5 K2 _  [
* X/ w4 t1 h6 u) q" |+ j( L; b" w

& V! ]8 N5 ]$ O: `