金融風控面試十二問

寫在最前面的話

最近看有些同學在找金融風控方面的工作。咱們課程涉及到的，主要是建模的過程。有些同學對整個業務框架不是很了解，所以總結了一下平時面試聊的比較多的一些點。

前九道題都是工作中一定會碰到的基本內容，如果有一些這方面的工作經驗，基本上都會聊到。後面的因人而異，工作經驗少的同學，面試官可能會重點看一下對演算法的理解，以及一些SQL能力。

PS：我們的風控項目是很精彩，也是我們的簡歷的核心內容，但是不要寫的太過詳細了，感覺像是在讀一個完整的建模文檔一樣。最好是每一步寫幾個概括性的詞語，細節留在面試的時候給面試官講出來，不然面試的時候，就成了你背簡歷，他讀論文......

第一題：你們公司的主要業務是什麼？

• 屬於什麼類型的貸款產品（現金貸、消費分期等等）
• 客戶一般來自什麼渠道，是特定的群體（比如滴水貸只借給滴滴平台的司機），還是面向所有人的（比如常規的p2p公司）
• 貸款額度、還款周期

第二題：你們的業務做得怎麼樣？

• 通過率是多少
• pd0、pd7、pd30 大概是多少

注意：這些都反應了你的模型做的如何，通過率越高，逾期率越低，模型越好。

ps：pd0指的是到期當天，pd1指的是逾期一天。

第三題：你都負責哪些業務？

• 准入策略
• 風控模型
• 貸後監控

我們平台的學員，主要是風控模型這塊。監控也是必須的，我們要時刻關心模型的通過率和貸後表現是否有異常，警惕欺詐。

第四題：你講一講你模型是怎麼做的？

• 確定y如何標記（逾期幾天為1，幾天為0，每種產品不一樣，如果不知道，我建議你說15天為分割點，沒什麼大問題）
• 前期數據準備（數據來自 HIVE？MySQL？MongoDB？Spark？）
• 這裡就可以接上學過的風控項目

包括各種演算法，建模技巧，基本上都是這裡引出的。

第五題：你是標記客戶好壞的？

• 逾期天數作為標記好壞的依據
• 因為本身樣本不均衡，會偏向擴充壞人的數量（比如以pd1來標記好壞，壞人肯定比pd15會多很多）
• 注意很多公司建模的時候，去除一部分灰色客戶（比如去掉pd1~pd5的客戶）

第六題：你做模型時用到了哪些數據源？

• 徵信數據
• 運營商數據
• 埋點數據
• 平台自有數據
• 用戶手填數據

數據有很多，每家都各有不同，小心點也可能問你數據來自哪家平台哦。

ps：見過很多小型公司都喜歡用運營商數據，因為便宜，很多都是免費的。

第七題 模型的效果怎麼樣？

• 測試集和跨時間驗證集的KS和AUC是多少
• 上線後一個月或者幾個月後，模型的KS是多少，AUC是多少

第八題：你們模型是怎麼部署上線的？

我經歷過的幾種上線方法可以分享給大家。

• 最簡單的，把評分卡每個區間加多少分減多少分，怎麼做映射的邏輯，講給開發小哥，他會幫你在線上寫 if else
• 生成一個pmml文件，給開發小哥調用
• 公司自己做的決策引擎，或者是租的，自己寫變數邏輯上線
• 用flask或者Django自己寫介面上線

第九題：上線需要注意什麼？

• 線上線下變數的邏輯必須完全一致，這是最重要的
• 很多公司會做類似於AB test，兩套模型競爭（一個champion做決策，和一個challenger空跑，也有可能champion 70%，challenger 30%）

第十題：推導一下邏輯回歸 & XGBOOST

• 對於別人可能有些難度，但我相信咱們平台的學員是完全沒有問題的

第十一題：講一下評分卡的分數映射公式

• 推導主要是換底公式，詳見評分卡文檔
• 如果現在刻度區間過大應該如何調整

這裡的邏輯要搞清楚，不然通過率出了問題，連怎麼調整都不知道

第十二題：手寫一下SQL代碼

一般演算法崗對SQL能力都是有要求的，稍加練習基本沒有問題，這裡放一個我們公司的筆試題。

• 請取出，每個班級 所有課程 平均分大於80分的 學生名字

希望你們都是offer收割機~

推薦閱讀：

相关文章