学习风控，这42道面试题你会吗

风控建模

1.建模总样本量，坏客户样本量和好客户样本量，坏客户占比多少？

2.原始特征数量，特征衍生的数量，入模特征数量

3.特征衍生的方法有哪些

4.缺失值填充的方式有哪些？

5.特征筛选的流程？（特征选择从可解释性，稳定性，预测能力,重要性）

6.数据集划分的方式？

7.用到了哪些第三方的数据变量（用过哪些三方数据，效果怎么样。）

8.用了哪些征信报告的数据变量（人行征信报告有哪些内容）

9.入模特征中，哪几个特征的预测能力最强，IV值比较高的（哪些特征你觉得比较有用）

10.y标签的定义？

11.评分卡模型的通过率是多少，业务客群的逾期率是多少，月客群的进件量多少？

12.模型在训练集和测试集、验证集上的ks和auc是多少？

13.建模评分卡，用到哪些算法模型？推导一下原理。例如逻辑回归和lightgbm

14.评分卡的映射分数公式？

15. 如何优化模型的参数，参数优化的方法有哪些

16.逻辑回归主要需要优化哪些参数，xgboost和lightgbm需要优化哪些参数？

17.随机森林的原理和决策树CART的原理了解一下

18.woe分箱的切分点是如何计算的，woe和iv计算的方法有哪些（特征分箱方法） 答：主要有人工分箱，卡方分箱，决策树分箱，等频等箱分箱

19.首逾期率FPD和次逾率SPD分别为多少

20.模型监控：基本回答一下监控哪些内容，大概多久或者什么情况更新模型。

21.模型优化：调参方法（主要是XGB的调参，从训练速度、精度、过拟合三个方面回答+网格搜索或者贝叶斯优化）

22.自定义损失函数和评价函数经验？

23.过拟合和欠拟合解决方法？

24.梯度下降参数权重最优求解？

25.评分卡一系列流程，包括LR,WOE,IV,PSI简单公式。

风控业务

1.你们公司的主要业务是什么？

Ø  属于什么类型的贷款产品（车抵贷、消费分期等等） Ø  客户一般来自什么渠道，是特定的群体（比如4S店买车，车商） Ø  贷款额度、还款周期：36期，几十万

2. 你们的业务做得怎么样？通过率为*%，模型通过率为*%，逾期率为*%~*%

3.你负责哪些业务？风控建模，策略规则开发，贷后催收监控开发

4.讲一下你的模型怎么做的？ØY标签如何定义，用到什么模型 Ø了解滚动率、迁移率

5.做模型用到哪些数据源？征信报告数据，运营商数据，平台自有数据，第三方数据

6.模型效果怎么样？训练集和测试集的ks、auc指标，模型的psi指标 单变量的IV筛选，分数的cutoff划分点

7.模型如何部署上线？生成pmml文件，给java开发调用 评分卡每个区间的分数加起来，利用if else 8.模型上线需要注意什么？线上线下变量的逻辑必须完全一致

9.推导一下逻辑回归和xgboost模型

10.风控建模中好坏定义的依据是什么，怎么划定表现期和观察期？

11.为什么要做拒绝推断，常用拒绝推断方法有哪些

12.滚动率矩阵的计算逻辑

13.如何辨识业务中的信用风险和欺诈风险，常用的反欺诈策略都有哪些。

14.woe分箱的方法和切分依据？

15.woe分箱的好处？

16. 逻辑回归的评价函数，由损失函数和正则项组成？

L1是正则项，主要有L1和L2正则两种。C表示正则化强度的倒数，较小的值指定更强的正则化。C越大，λ越小，对正则项的惩罚力度越小，参数选择的空间会变大。

17.模型上线之后区分度快速下降？

可能原因有：线上模型的特征和线下逻辑不一致。特征的稳定性出现问题。需要分析每个特征的PSI值，必要时进行模型重构。模型样本和进件样本分布不一致导致的模型误差。需要进行拒绝推断模拟进件样本的真实分布。

风控建模流程

①数据类型推断与调整（字符型，数值型，id型，时间型）

②划分数据集：训练集和测试集，验证集（按照时间段划分，调整各个样本集的好坏样本占比相近）

③计算特征偏移covariate_shift和训练集分箱，以训练集的分箱情况去切分测试集计算变量的psi指标，过滤不稳定的特征(psi>0.1)

④缺失值填充（随机森林和以坏账率最相近的分箱区间值作为填充）

⑤特征衍生（好坏客户自动评分衍生，决策树衍生，低IV变量重新组合衍生，聚类标签衍生）

⑥特征筛选

1.剔除缺失率大于*的变量

2.剔除类别大于*的变量

3.剔除时间变量

4.剔除单一值的变量

5.剔除共线性问题的变量，VIF大于*的变量

6.剔除iv小于*

7.剔除高相关性变量中IV较低的，保留IV较高的变量

8.模型的特征重要性过滤（三种方法）

⑦超参数寻优的方法和避免过拟合（K折交叉验证，L1正则项）

⑧KS和AUC值在训练集和测试集上的表现对比

⑨score的psi和iv

⑩生成模型pmml，监控模型。