風險管理崗位面試問題請你先自我介紹下回答提示：一般人回答這個問題過于平常，只說姓名、年齡、愛好、工作經(jīng)驗，這些在簡歷上都有。其實，企業(yè)最希望知道的是求職者能否勝任工作，包括：最強的技能、最深入研究的知識領(lǐng)域、個性中最積極的部分、做過的最成功的事，主要的成就等，這些都可以和學(xué)習(xí)無關(guān)，也可以和學(xué)習(xí)有關(guān)，但要突出積極的個性和做事的能力，說得合情合理企業(yè)才會相信。回答參考：領(lǐng)導(dǎo)您好，我是來自XX大學(xué)XXX專業(yè)的XXXX，很榮幸能夠有機會參加本次面試。我曾在大學(xué)擔任學(xué)生會XX部門負責，組織策劃了一場800人+的校園活動，活動結(jié)束有180人順利晉級，培養(yǎng)了本人吃苦耐勞，組織策劃和溝通的能力。本次面試貴公司XX崗位，希望能夠有此機會進入到夢想的地方學(xué)習(xí)。謝謝！你覺得你有什么缺點？回答提示：這個問題問的概率很大，通常HR不希望聽到直接回答的缺點是什么等，如果求職者說自己小心眼、愛忌妒人、非常懶、脾氣大、工作效率低，企業(yè)肯定不會錄用你。絕對不要自作聰明地回答“我最大的缺點是過于追求完美”，有的人以為這樣回答會顯得自己比較出色，但事實上，他已經(jīng)岌岌可危了。HR喜歡求職者從自己的優(yōu)點說起，中間加一些小缺點，最后再把問題轉(zhuǎn)回到優(yōu)點上，突出優(yōu)點的部分，企業(yè)喜歡聰明的求職者?；卮饏⒖迹嚎梢哉f資歷較淺，經(jīng)驗不足，在工作上會有所欠缺。其次，在做事方面有時候性子急，對于做事效率不高的人，往往會比較著急。但是，平常我會努力平復(fù)自己的情緒，學(xué)會聆聽，慢慢改變自己偶爾的急躁。你對薪資待遇有什么要求？回答提示：如果你對薪酬的要求太低，那顯然貶低自己的能力；如果你對薪酬的要求太高，那又會顯得你分量過重，公司受用不起。一些單位通常都事先對求聘的職位定下開支預(yù)算，因而他們第一次提出的價錢往往是他們所能給予的最高價錢，他們問你只不過想證實一下這筆錢是否足以引起你對該工作的興趣。回答參考：參考1：領(lǐng)導(dǎo)您好，綜合我的面試情況，您覺得我能勝任多少薪資呢？謝謝！參考2：領(lǐng)導(dǎo)您好，因為我不清楚咱們公司的具體薪酬結(jié)構(gòu)，包括績效方面，年終福利方面，您可以先簡單告知我一下。謝謝！你對公司加班是怎么看的？回答提示：實際上好多公司問這個問題，并不證明一定要加班，只是想測試你是否愿意為公司奉獻?；卮饏⒖迹侯I(lǐng)導(dǎo)您好，如果是個人效率問題，我一定會努力提高效率，在合理的時間內(nèi)完成工作安排，絕不用加班來彌補自己的工作效率問題；如果是工作需要我會義不容辭加班，我現(xiàn)在單身，沒有任何家庭負擔，可以全身心的投入工作。但同樣，我也會提高工作效率，減少不必要的加班。5.3-5年內(nèi)，你有什么職業(yè)規(guī)劃嘛？回答提示：這是每一個應(yīng)聘者都不希望被問到的問題，但是幾乎每個人都會被問到，比較多的答案是“管理者”。要知道，HR總是喜歡有進取心的應(yīng)聘者，此時如果說“不知道”，或許就會使你喪失一個好機會。最普通的回答應(yīng)該是“我準備在XXX領(lǐng)域有所作為”或“我希望能按照公司的管理思路發(fā)展”?；卮饏⒖迹侯I(lǐng)導(dǎo)您好，3-5年內(nèi)，我的目標是在工作方面超額完成，讓自己在工作領(lǐng)域有所建樹；在行業(yè)方面，希望自己以后能成為領(lǐng)域行家，根據(jù)公司脈絡(luò)發(fā)展進步，能夠讓自己與公司共同進步，實現(xiàn)雙贏。你對我們公司了解多少？回答提示：這個問題考察的是，求職者對公司的了解程度，熱衷程度。對于求職者來說，這個問題最好的答案就是你的面試作品，反殺一擊的重要工具。你的面試作品可以是競品分析，行業(yè)報告，崗位解讀，產(chǎn)品介紹等等，這些足夠體現(xiàn)出你的用心，你對公司的了解程度?；卮饏⒖迹侯I(lǐng)導(dǎo)您好，我通過簡單了解。知道咱們公司的主要產(chǎn)品有XXXX,咱們現(xiàn)有媒介平臺是通過XXX，渠道合作方面包括XXXX。如果公司錄用你，你將怎樣開展工作？回答提示：如果應(yīng)聘者對于應(yīng)聘的職位缺乏足夠的了解，最好不要直接說出自己開展工作的具體辦法?？梢試L試采用迂回戰(zhàn)術(shù)來回答，如“首先聽取領(lǐng)導(dǎo)的指示和要求，然后就有關(guān)情況進行了解和熟悉，接下來制定一份近期的工作計劃并報領(lǐng)導(dǎo)批準，最后根據(jù)計劃開展工作?！被卮饏⒖迹哼@里舉個例子來具體介紹，比如你應(yīng)聘BD商務(wù)運營，你可以這樣回答：領(lǐng)導(dǎo)您好，如果公司錄用我，我的具體工作安排順序是這樣的用戶調(diào)查—內(nèi)容制作—渠道選擇—數(shù)據(jù)反饋—調(diào)整優(yōu)化，具體的思路是這樣的，首先我會對公司現(xiàn)有的平臺進行……你還有什么問題要問嗎？回答提示：企業(yè)的這個問題看上去可有可無，其實很關(guān)鍵，企業(yè)不喜歡說“沒問題”的人，因為其很注重員工的個性和創(chuàng)新能力。企業(yè)不喜歡求職者問個人福利之類的問題?；卮鸾ㄗh：貴公司對新入公司的員工有沒有什么培訓(xùn)項目嗎？或者說貴公司的晉升機制是什么樣的？企業(yè)將很歡迎，因為體現(xiàn)出你對學(xué)習(xí)的熱情和對公司的忠誠度以及你的上進心。數(shù)據(jù)驅(qū)動型金融場景下，風控模型的種類有哪些？回答參考:獲客階段：用戶響應(yīng)模型，風險預(yù)篩選模型授信階段：申請評分模型，反欺詐模型，風險定價模型，收益評分模型貸中階段：行為評分模型，交易欺詐模型，客戶流失模型貸后階段：預(yù)催收模型，早期催收模型，晚期催收模型簡單描述一些風控建模的流程？回答參考:（1）前期準備工作階段：不同的模型針對不同的業(yè)務(wù)場景，在建模目開始前需要對業(yè)務(wù)的邏輯和需求有清晰的理解，明確模型的業(yè)務(wù)目標和作用，項目周期時間和安排進度，以及模型效果的要求。（2）模型設(shè)計階段：包括模型的選擇（評分卡亦或是集成模型）單個模型還是做模型的細分-子模型。是否需要做拒絕推論；觀察期、表現(xiàn)期、目標好壞用戶的定義；數(shù)據(jù)的獲取途徑等。（3）數(shù)據(jù)歸集與清洗階段：根據(jù)觀察期和表現(xiàn)期的定義從數(shù)據(jù)集市（或數(shù)據(jù)倉庫，一般不太建議建模人員從生產(chǎn)上拿數(shù)據(jù)）中取數(shù)，并進行前期的數(shù)據(jù)清洗和穩(wěn)定性驗證工作。數(shù)據(jù)清洗包括用戶唯一性檢查，Missing值檢查，異常值檢查，Zero-rate等。穩(wěn)定性驗證主要考察變量在時間序列上的穩(wěn)定性，衡量的指標有PSI、平均值/方差，IV等。（4） 特征工程階段：這一階段是風控建模流程的重點。注意，是風控建模，對于類似NLP、Graph那些模型開發(fā)中，特征工程已被自動化取代，（5） 模型建立和評估階段：選擇與業(yè)務(wù)/企業(yè)適配的模型，像評分卡可以用邏輯回歸，如果只需要做出二分類預(yù)測可以選擇Xgboost等集成模型，模型構(gòu)建好后需要做模型評估和驗證，計算AUC,KS，并對模型做交叉驗證來評估模型泛化能力及模型的穩(wěn)定性。（6） 模型上線部署階段：在風控后臺上配置模型規(guī)則，對于一些復(fù)雜的模型還需要將模型文件進行轉(zhuǎn)換，并封裝成一個類，用Java等其他形式來調(diào)用。（7） 模型監(jiān)控階段：前期主要監(jiān)控模型整體及變量的穩(wěn)定性，衡量標準主要是PSI，并每日觀測模型規(guī)則的拒絕率與線下的差異。后期累計一定線上用戶后可以評估線上模型性能和資產(chǎn)質(zhì)量。模型性能可以參照AUC,KS等量化指標，與線下進行比較，衡量模型的線上實際效果。11..評分卡,集成模型在線上如何部署？回答參考:評分卡的部署較為簡單,因為評分卡將變量映射到了一個個區(qū)間及得分,所以在普通的風控決策引擎上就可以配置。像一些比較復(fù)雜的模型，比如Xgboost和lightgbm,—般是將模型文件轉(zhuǎn)換成pmml格式，并圭寸裝成pmml，在風控后臺上傳pmml和變量參數(shù)文件，并配置好模型的閾值。Python和R開發(fā)的模型都可以用這種方式來部署。12?模型轉(zhuǎn)化為規(guī)則后決策點（cutoff）怎么設(shè)定？回答參考:規(guī)則只是判斷用戶的好壞，而不會像模型輸出違約概率，所以設(shè)定決策點時要考慮到規(guī)則的評估指標（精準率、查全率、誤殺率、拒絕率），一般模型開發(fā)前會設(shè)定一個預(yù)期的拒絕率，在這個拒絕率下再考量精準率、查全率和誤殺率的取舍，找到最佳Balancepoint。好的模型能接受更多的好用戶，拒絕掉更的壞用戶，也就是提高好壞比例。所以可事先設(shè)定一個預(yù)期目標的好壞比例來選擇最佳的決策點。怎么做風控模型的冷啟動？回答參考:風控模型的冷啟動是指產(chǎn)品剛上線時，沒有積累的用戶數(shù)據(jù)，或者用戶還沒有表現(xiàn)出逾期、違約等狀態(tài)，用于標記“好與壞“。此時，需要做模型就是一個棘手的問題，常用的方法如下：不做模型，只做規(guī)則。憑借專家業(yè)務(wù)經(jīng)驗，做一些HardCheck，比如設(shè)定用戶的準入門檻，考量用戶的信用歷史和多頭風險，而且可以接入第三方提供的反欺詐服務(wù)和數(shù)據(jù)評分等。值得一提的是，可以結(jié)合人工審核來對早期用戶的申請資料做風險評估。借助相同模式產(chǎn)品的數(shù)據(jù)來建模。如果兩個產(chǎn)品的獲客渠道，產(chǎn)品設(shè)計，風控邏輯，用戶特征都差不多的話，可以選擇之前已經(jīng)上線的那個產(chǎn)品所累計的用戶數(shù)據(jù)來建模，不過在模型上線后需要比較線上用戶的特征是否與建模用戶有較大的差異，如果差異較大，則需要對模型做快速調(diào)整。規(guī)則+專家評分卡。對于早期缺少用戶label時，考量結(jié)合風控業(yè)務(wù)專家經(jīng)驗，開發(fā)一套專家評分卡，也是一個不錯的選擇。無監(jiān)督模型+評分卡。這種方法適用于產(chǎn)品上線一段時間后，表現(xiàn)出好壞的用戶比較少，但老板要求做一個模型出來。此時可以用線上的申請用戶做無監(jiān)督模型，找出一部分壞樣本和好樣本，用這些數(shù)據(jù)來做評分卡模型。當然這種模型的準確性是存疑的，需要后續(xù)對模型不斷迭代優(yōu)化。如何成為一個優(yōu)秀的風險管理人員？回答參考:我認為做好一位合格的風控人員有以下幾點:第一，風控人員要提高自身理論水平和專業(yè)知識。隨著業(yè)務(wù)的開展，期貨公司對高素質(zhì)專業(yè)人才的需求越來越大，風控人員應(yīng)該加強理論知識、國家政策、業(yè)務(wù)技能等方面的學(xué)習(xí)和提高，以更好地完成自身的工作。第二，風控崗也要了解市場行情，對行情的走勢要有一個比較客觀的判斷，尤其是在極端行情出現(xiàn)的時候，要能冷靜清晰分析該如何規(guī)避風險，用專業(yè)的態(tài)度做出合理的判斷。第三，要有扎實的業(yè)務(wù)素養(yǎng)和良好的溝通技巧。風控人員要熟悉行業(yè)情況，要學(xué)會及時和業(yè)務(wù)部門及客戶進行溝通，尤其是在對重點客戶的風險處理上，第一要注意溝通技巧，謹慎解答客戶疑問，以免造成誤解；第二個就是要合理把關(guān)，該通融的通融，不該通融的絕不通融，要有控制風險的底線。第四，風控人員還要學(xué)會自我疏導(dǎo)，在重大的工作壓力之下要學(xué)會適時地釋放負面情緒，工作之余多外出散心，呼吸新鮮空氣，洗滌內(nèi)心的戾氣，讓自己有一個平靜的好心態(tài)?？傮w而言，風險控制是一門“金融藝術(shù)”，風控專員崗位職責其實是風險控制的體現(xiàn)，所以必需要有扎實的專業(yè)素養(yǎng)、良好的心理素質(zhì)及溝通能力，才能既維護好客戶和公司的利益，又避免產(chǎn)生負面影響。一個優(yōu)秀的風控人員不是一天兩天就能練成的，只有長時間的工作歷練，在經(jīng)歷過重重困難險阻之后才能破繭成蝶。困難無處不在，我們也只有通過堅持不懈地武裝自己，才能夠用專業(yè)的利劍去將困難擊碎。建模是怎么做的？模型如何設(shè)計？回答參考:確定Y,了解滾動率、遷移率，逾期幾天為1,幾天為0前期數(shù)據(jù)準備（提供的CSV文件，還是從大數(shù)據(jù)數(shù)據(jù)庫，還是從MYSQL）反欺詐、ABC卡、建模技巧、算法選擇等等請回答數(shù)據(jù)提取，模型開發(fā)，數(shù)據(jù)挖掘，核心業(yè)務(wù)。回答參考:數(shù)據(jù)提取：數(shù)據(jù)倉庫，包括關(guān)系型、非關(guān)系型、大數(shù)據(jù)、圖數(shù)據(jù)等數(shù)據(jù)庫、數(shù)據(jù)表的設(shè)計（常為后端人員開發(fā)，數(shù)據(jù)人員需要了解表結(jié)構(gòu)、字段類型等），數(shù)據(jù)存儲、提取、轉(zhuǎn)換、清洗、處理；需熟練掌握SQL、HQL、NQL等語言，可以做json、dict、frame、pkl等數(shù)據(jù)格式的轉(zhuǎn)換。模型開發(fā)：金融風控模型，不單單指評分卡，而是針對產(chǎn)品營銷、定價、授信、管理、催收、監(jiān)測等業(yè)務(wù)流程開發(fā)的一系列策略、規(guī)則、評分卡的集合，通常來說，利用有監(jiān)督、無監(jiān)督、半監(jiān)督、深度學(xué)習(xí)等算法開發(fā)的評分卡是風控模型中卓有成效的技術(shù)。數(shù)據(jù)挖掘：LR、RF、XGBoost、SVM等常見算法。好的算法工程師，需要扎實的計算機算法、算力、數(shù)據(jù)結(jié)構(gòu)等基礎(chǔ)，需要扎實的概率、統(tǒng)計、多元回歸、矩陣等基礎(chǔ)核心業(yè)務(wù)：P2P、消費分期、現(xiàn)金貸、傳統(tǒng)金融、大額、小額、信用卡、車貸、抵押、資產(chǎn)、標的等業(yè)態(tài)；風險定價、反欺詐、信用循環(huán)、信審、提額等環(huán)節(jié)；滾動、遷徙、賬齡、遞延、回收、壞賬等指標。你是如何標記客戶好壞的？回答參考:逾期天數(shù)作為標記好壞的依據(jù)因為本身樣本不均衡，會偏向擴充壞人的數(shù)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）你做模型時用到了哪些數(shù)據(jù)源？回答參考:征信數(shù)據(jù)運營商數(shù)據(jù)埋點數(shù)據(jù)平臺自有數(shù)據(jù)用戶手填數(shù)據(jù)模型的效果怎么樣？回答參考:模型評估的方法，三個方面：區(qū)分度：主要是KS和GINI指標，一般二分類都是用KS衡量模型的效果，這里著重理解KS的定義及用法，理解AUC和KS的關(guān)系，他們之間有一個公式，大致可以推斷出你模型得到的指標是不是正確的。準確性：主要是ROC曲線和AUC指標，理解AUC的定義和用法，需要注意的是，在建模的過程無論是訓(xùn)練集、測試ji，還是驗證集AUC的值不能相差太大，最好的狀態(tài)是三個值一致。穩(wěn)定性：主要就是PSI指標，理解PSI的定義和用法。一般如果我們有跨時間的驗證集用于測試模型，是非常好的，但是由于建模樣本非常少可能很難收集到這樣的樣本，可以在上線一個月或者幾個月，持續(xù)的跟蹤模型KS、AUC的變化。如何對數(shù)據(jù)做質(zhì)量檢驗？回答參考:數(shù)據(jù)分布。數(shù)據(jù)集中度檢測。數(shù)據(jù)臟亂情況。缺失值（是否隱藏風險）、離群值、錯誤值、重復(fù)值，根據(jù)其是否符合業(yè)務(wù)邏輯，判斷數(shù)據(jù)是否存在異常。特征工程的流程是怎么樣的？回答參考:特征預(yù)處理、特征選擇、特征衍生、特征提取等。用到的技術(shù)主要有連續(xù)變量離散化、分類變量啞編碼、卡方分箱、特征編碼、共線性檢驗、PCA降維、交叉驗證等。篩選變量的常用方法篩選變量有很多種方法，隨機森林、GBDT、邏輯回歸顯著性、VIF共線性、相關(guān)性圖譜等、隨機邏輯回歸篩選、遞歸法篩選等如何衍生特征？回答參考:數(shù)學(xué)運算。求和、比例、頻率、平均等。時間窗口。有些變量的意義只有在一段時間內(nèi)才有效，所以針對時間比如說注冊如期、交易日期等變量，需要計算其到現(xiàn)在的時間段，完成變量的衍生。交叉組合。GBDT\XGBoost、LDA主題模型、用戶畫像分等等都可以做特征衍生。衍生出來的特征要符合實際業(yè)務(wù)含義，并且要保持穩(wěn)定什么是風險?回答參考:風險就是生產(chǎn)目的與勞動成果之間的不確定性。大致有兩層含義：一種定義強調(diào)了風險表現(xiàn)為收益不確定性;而另一種定義則強調(diào)風險表現(xiàn)為成本或代價的不確定性。若風險表現(xiàn)為收益或者代價的不確定性