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
* y4 b4 y, ~- j0 o0 j, p, P& j
) o) Z! u1 g/ [" [# Y+ }  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：

6 n0 b6 T% ]) g) T0 I! O  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；
% \/ ~7 F, D: @5 z
  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：

- O1 P  }( T. |+ T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。
+ i) V9 S. X/ 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。

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。
9 d, }) @% w$ f" B# X- j, o
( s; g, C: L$ c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。
* P, z+ t- B" p% w
: T" Y# P6 f/ y( E1 V! c0 u. s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。

9 Y& ?  c' ?, N$ E  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。
/ V! _+ Y! y2 Z; A5 X

画个VISIO：
" O: P! x1 [" h1 F# I
  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）
& S0 n% r6 x- P3 [% ]' z
& X. q4 P+ W9 i9 f  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。
5 B% v1 x4 @  D. o" t
1、行业经验
0 b( o; i$ Q$ ?
& a/ ]+ h2 x) u2 r: x, h/ m$ ]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
$ M2 R" G% m/ y" ~
（以下详细内容请看笔者其他相关文章）
9 P( i% J& N7 M) |3 h
5 v9 g$ n/ U6 C2 A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。
7 ?( \0 A2 U" n: i; Z# K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。
, ?4 o! _; j. r# x$ X" H3 K. e: ~5 `" 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。
' T: P5 H2 I: T* \0 E. O, S  w3、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。
: g5 l0 ^* p: W+ X, I（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 |# p; F  j" J
二 面试问题
3 _' r$ v& D! J. ~2 ^) U
1、风控建模
, M$ d& n" j9 ?! ]7 Q
1 G2 `! \/ Y. [* l  k) J0 y3 `0 q谈谈你对风控模型的理解？
; e: y4 B5 r, R
3 g: a1 y9 R: X6 E/ b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。
4 O$ R+ K3 a, d: U6 k- h0 k
对客群进行细分建模的本质是什么？
: T$ R; M- z: ]( ~0 n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。
' P1 w- _: m4 l* m. ^( K
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）

$ F) J2 L; X5 @8 _7 v; }3 T简要说明下标准评分卡开发流程
  ~7 L4 }1 M7 W6 p) Q1 h2 Y) H9 D2 `5 s" I（多查资料，博学审问慎思明辨）

6 @' l( p% a+ P8 t2、特征工程

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：
3 W9 {+ F9 N' }6 j' P" ^/ t1、数据分布。
2、数据集中度检测。
1 g, F' s" b/ ~" I7 V. r3、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。
) H# d% ]* e, T9 V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？
1、稳定性高
% h, {/ `. v( G: B2、区分度高
* c' ?8 _4 E  U5 n' E$ q9 `3、差异性大
- ^" U- e. n6 M$ y6 U4、符合业务逻辑
6 l6 }& g/ j5 j- L% `% @3 B0 i如何衍生特征？
4 ?9 r  a. I* @% X变量的衍生并不复杂，通常我们会从三种角度出发：
0 q5 ^% j' u3 q, ^1、数学运算。求和、比例、频率、平均等。
2、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。
2 Z/ v+ R- z- l4 L# M8 S# Q衍生出来的特征要符合实际业务含义，并且要保持稳定。
2 `& a. d$ O# i3 ^/ v/ j. ]3、机器学习算法

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。
! q) x( s1 I- k; R4 ]# M6 q: u5 x: J" h简单评价几种常用算法的优缺点：
4 F4 f. C  h9 `; _1、逻辑回归
2 ^# P  L' K! ]/ ]( o  F3 e  x" A优点：简单、稳定、可解释、技术成熟、易于监测和部署
! g1 `& ?* `: ]* I' [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
+ z; m6 @1 s) Y8 `) c3 A2、决策树
$ U2 A$ g/ E& S( Y优点：对数据质量要求不高，易解释
缺点：准确度不高
( o5 a& e8 E9 a! D4 s& K$ T' ?3、其他元模型
1 {! D: X9 G, ^4 A4、组合模型
% G* x! v7 F/ T$ e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
$ i' _* W- b: p3 v6 w4、模型评估
% X9 H9 z9 S$ e& e
- N) J: n3 I2 @模型评估的常用方法？
. y# b, L1 s& z& Z8 D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
. ]& K# c) v! ?7 G4 Y2、准确性：主要有roc曲线和AUC指标，理解AUC的定义及用法
6 z5 C6 H9 O) ]+ `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？
3 Z! _& u# t% V; [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
7 c5 ?" O  r* B+ d5 J; T( G! Q
" B* J' b2 t4 x  p" J* k8 B& B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/ j- p# J( Z" s( ~, D6、模型监测

2 q; C3 {  a9 }# v1 B上述一些运营数据和风控指标的关注
2 O, H  g8 T9 Z4 h& C5 P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。
# j$ q+ d7 [/ i: c) V) S% {
  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。
3 k  X: M) ~7 B% K- B% b) I/ o
  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。
( d  S+ J9 b: I4 s' k' ]( ]1 s——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
5 ^; A3 I. \9 x$ f! b$ \) V  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。
# J! Y+ k' w* p) \1 |
  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。

% o! U) O) G; s/ z. Z
; e/ E# W; m- ^2 A
" p/ U/ v. _$ b" ?, z  T
8 s3 i) [. @' u
9 T& i( J7 {1 ~$ r* @8 X6 p' g