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 U8 d( V6 m9 X* ]* s. s9 N( m& }9 i一 准备工作
4 e1 D5 Y; q: L% r, E: _
  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；

  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：

+ O4 `9 Q7 B# F8 [: I+ e" z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。
9 f1 e8 f# ^! b# j. N
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。
. T$ ?6 M7 y$ E/ X) ^  ^
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。

) u3 n* e; e4 e, Y6 _5 r2 I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。

( X; [6 Y1 K% y1 R+ D' F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。
1 _7 a* }4 F$ J  E
: M, z; g4 s) I  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。

* x3 f  X8 c! W% t
画个VISIO：
, S. m' H3 A6 s
  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）
) M$ h6 [# ^( T  w
& L1 `4 ]" [* }7 d, T' G6 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。
2 o2 [/ N. C0 e( E
, @5 t% }+ }" v8 c; }1、行业经验
0 {' E8 R: W- _! e
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& }1 S3 z5 d$ W0 w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。
+ Z8 T. X) N0 z4 l. ?: e: Z  ]2、知识基础
% c& K' i# E4 W+ Q
（以下详细内容请看笔者其他相关文章）
, J" c( J' `# g' H( z+ x$ u$ ]# I
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。
3 j% A9 C* _' g- p" Q$ k1 A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。
7 V7 _0 w+ j8 X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
6 h9 X+ l% M! l9 I/ P, |
( ?; g& w( h: fpython | 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）

二 面试问题
$ v5 y5 O. [+ ^! i  m0 p7 T8 `
6 N  S' y6 _2 w1、风控建模

) T( ^; ]" O- B2 A% k6 G2 {谈谈你对风控模型的理解？

模型如何设计？
  j$ p  O9 z* S8 V可以从滚动率、迁徙率来回答，也可以从反欺诈、ABC卡回答。
, b: D/ z3 S& X' z
对客群进行细分建模的本质是什么？
0 d' n$ V! {) v3 {, t1 G- 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。
/ ]( `9 ^+ N' r* w' o% h/ v6 T
! N+ t: o% M/ C' s( P拒绝推断应该怎么做，作用是什么？效果怎么样？
" d7 d/ X* Q: T/ r0 C+ {3 B( c- }# W（多查资料，博学审问慎思明辨）
; t0 }) X9 t! t5 D: }& z
简要说明下标准评分卡开发流程
2 T4 I) J0 }$ f  ~（多查资料，博学审问慎思明辨）
( h9 r4 X9 u3 w' f" j; D( }
6 g0 |1 Q4 b, n9 c, ]! f* k2、特征工程
6 e$ X5 A: B. G5 q! M% j; s
如何对数据做质量检验？
4 v2 d' e0 f/ _, r  o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。
! P% r2 @( q7 ^5 Q  H0 l. L2、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。
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。
筛选变量的常用方法
2 `/ }- E1 A1 ^, `+ R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
* C, v8 @1 j7 |+ F2、区分度高
8 M5 Z4 U& v; d  h& U( T4 M3、差异性大
+ H- l+ P' P8 D3 H7 R4、符合业务逻辑
" I$ M' h4 i7 i. Z) R1 e9 ^  j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：
1、数学运算。求和、比例、频率、平均等。
; W# z. A* m+ @+ Y" j2、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。
8 j$ j6 a7 t9 m2 o5 b- Z5 B0 N3、机器学习算法

, l% i% m) ~1 E8 M7 ]5 H' w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：
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
* x( V2 Y5 q) j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
优点：对数据质量要求不高，易解释
) v% P- o6 p. _; Z+ `' i# V缺点：准确度不高
3、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
* F5 M& z. a% V; u6 z8 k8 k缺点：不易解释，部署困难，计算量大
4、模型评估
+ o& K4 c( h7 x
模型评估的常用方法？
  r! z( @# k! T从三方面回答：
# [) V' R+ d! [+ ~6 p- R" d1、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
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。
, Q  I  G7 l% l$ a& M5、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。
  O$ o, }( @! K  i9 y6 ~6、模型监测
: j; {: A! B& d$ V& ?7 F
* ]! R$ z. I7 G6 ]' u上述一些运营数据和风控指标的关注
9 a/ e) I* R+ ^) C$ R三 写在后边
+ s( W" L$ ~+ a+ M! v9 [
  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。
) Y+ A/ [4 @7 d; y4 w
  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; E# O( \2 m( m  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
- f: D+ {, q' `* K) C  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。
( i/ J9 f  m7 A5 z1 O* [# K. Y——数据驱动风险分析之父 阿什·古普塔
; \- ?  r" U# A  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。
+ Y7 e5 K) y& Y$ 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。
" y5 Z5 {. I1 A6 |+ N  U
0 K/ z9 E: T9 \6 {




. J* V7 e$ r5 S# K/ {' Y& j: c" q7 V