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

" c* p4 _; ^0 Z  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：

% f0 H) A; H& \3 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；
: G1 P2 V) m8 ~+ d% x. Q& o
  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：

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 y( m' Y; ?7 }, X. j( L
8 A  w0 ~% O6 z( j% }1 p( {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。
" f# ]2 u: _4 r
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。
7 f: H) L& F6 j- D9 _
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。
  I  ~) }% h- o) j3 k; {2 D
9 h5 x& B  A9 `2 X1 Y( X7 N$ |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。
+ b* r. x- \" i. x4 W! n
* S" e  H1 B' ~+ N" W  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。
6 ^& x: J; ]4 ~" p

  [0 C; c9 \2 p2 ~2 j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 L# {+ L& M! v3 e/ K  ?
; R0 I& b9 |6 o) h- Z" 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。

1、行业经验
2 s4 l+ U1 x6 o6 F
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。
& v: F1 v' P+ ]6 w& y) e7 }2、知识基础
3 A6 w0 G9 R+ I3 \
9 M( l# O0 z' t" H' P（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。
5 g, P" K' \! M( \7 c9 S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 ~, @2 @& i( C' l  A/ M8 z7 I' ?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。
, C: e) a# N- Q* j5 z2 k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
( I6 @! t8 T2 W
8 I, V7 T, x' E2 }& b2 ipython | 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。
% \! Z" H1 O2 e, p5 I4 [2 `. u（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）
5 O- l; r& |% V2 z; n; N
二 面试问题

1、风控建模

谈谈你对风控模型的理解？

模型如何设计？
3 Y% Z. F2 w* t" V1 p0 r) q可以从滚动率、迁徙率来回答，也可以从反欺诈、ABC卡回答。
' t8 x2 f: `' u4 a
/ m2 Q. y/ e# b对客群进行细分建模的本质是什么？
9 d7 _# {# v) 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。
- N; z% [" G% v2 r% x( n; O* ?
  `' U6 v0 a9 U  P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）

- h6 z/ ^# G* R% f; w简要说明下标准评分卡开发流程
% i5 H* p  X9 y2 i3 B9 E0 \$ H6 U# d（多查资料，博学审问慎思明辨）
1 z* G3 G6 ~% c3 I9 r; m+ L
2、特征工程

7 H" Q6 C" G7 e) A  Y如何对数据做质量检验？
1 l/ z+ J9 ?" E$ s% Q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：
5 t/ E, m( i5 `7 |2 O! \/ x" o8 [1、数据分布。
2、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
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？
* }! [5 C. ~5 B1、稳定性高
2、区分度高
3、差异性大
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：
6 S6 @% ^0 I$ q+ D, P; e. w1、数学运算。求和、比例、频率、平均等。
% y" q- |) m) |2 R2、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。
5 P2 ^2 M; k3 |6 A' g! ~* s3、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。
/ F3 W, H" ]5 R5 }6 T- E7 {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
( E' l% o9 i: d- z( t! T  ]7 D0 ?
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。
2 x% |' I2 v6 Z5 j, ~# y2 a& W简单评价几种常用算法的优缺点：
$ _$ e, N' E5 r& X. S5 @( r1、逻辑回归
优点：简单、稳定、可解释、技术成熟、易于监测和部署
; C$ S- I8 s: X' x& t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
5 E+ J2 q: e" M1 R. K" [2、决策树
优点：对数据质量要求不高，易解释
' ?& T% _0 b9 z' z+ Z4 ^缺点：准确度不高
3、其他元模型
2 P; v+ L. i2 s  K4、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
+ r, b  s8 I- f4、模型评估
1 |" t  u( o  h* p& N# ^5 f/ C
模型评估的常用方法？
从三方面回答：
4 e( O3 R3 P3 D6 m. n4 B1 X1、区分度：主要有KS和GINI指标，理解KS的定义及用法
  H! m9 ~* }! U5 ~+ `$ R- e2、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？
; V9 E* J- c( I% H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。
8 B- x! d& D, R6 J7 u& p: x5、模型部署

, [% V9 M% n7 t3 x/ U- e! N# p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

) Y8 g2 c0 H1 C( ^+ q  F5 J上述一些运营数据和风控指标的关注
三 写在后边

  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$ ^7 n: x( X* [
7 @7 q3 Y1 \$ e+ U  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。
——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。
——数据驱动风险分析之父 阿什·古普塔
  |; \9 z) @( f9 t1 l6 q  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。
% u4 B8 X0 M1 f; j) i7 a; m) }  B

; k  r9 k5 q: H! H, P; S
+ y% }# J+ H9 u9 J, e7 ~
+ |7 X3 ~# Z+ W% a; i* k# f3 M5 p% j
7 z3 r' L& ~2 k1 O9 X