金融科技科技金融實(shí)習(xí)生實(shí)習(xí)報(bào)告一、摘要

2023年7月1日至2023年8月31日，我在一家金融科技公司擔(dān)任科技金融實(shí)習(xí)生，負(fù)責(zé)數(shù)據(jù)分析與模型測(cè)試。通過處理約5000條交易數(shù)據(jù)，我優(yōu)化了風(fēng)險(xiǎn)評(píng)估算法，使模型準(zhǔn)確率提升12%，回測(cè)結(jié)果顯示年化收益提高8.3%。核心工作包括使用Python（Pandas、Scikitlearn）進(jìn)行數(shù)據(jù)清洗、特征工程，并搭建機(jī)器學(xué)習(xí)模型驗(yàn)證框架。期間，我運(yùn)用了A/B測(cè)試方法，對(duì)比傳統(tǒng)邏輯回歸與集成學(xué)習(xí)的表現(xiàn)，最終采用XGBoost模型并完成10次迭代優(yōu)化。這項(xiàng)工作驗(yàn)證了深度學(xué)習(xí)在信用評(píng)分中的有效性，形成的標(biāo)準(zhǔn)化數(shù)據(jù)處理流程可應(yīng)用于其他金融場(chǎng)景。

二、實(shí)習(xí)內(nèi)容及過程

2023年7月1日至8月31日，我在一家做消費(fèi)信貸風(fēng)控的金融科技公司實(shí)習(xí)。公司主要用大數(shù)據(jù)和AI技術(shù)做用戶信用評(píng)估，我跟著團(tuán)隊(duì)做模型迭代和數(shù)據(jù)分析。

實(shí)習(xí)初期，我負(fù)責(zé)整理歷史交易數(shù)據(jù)，用Python清洗了3000多條缺失值較多的樣本，發(fā)現(xiàn)數(shù)據(jù)質(zhì)量問題直接影響特征工程效果。有個(gè)具體案例是用戶行為特征中的空值率高達(dá)28%，我建議用KNN填充結(jié)合業(yè)務(wù)規(guī)則修正，導(dǎo)師采納后特征完整性提升至92%，后續(xù)模型訓(xùn)練的RMSE值從0.35降到0.29。

中期參與實(shí)時(shí)反欺詐系統(tǒng)優(yōu)化，團(tuán)隊(duì)用Flink處理流數(shù)據(jù)，但我對(duì)窗口函數(shù)計(jì)算不熟，導(dǎo)致分析延遲超預(yù)期。為了趕進(jìn)度，我自己補(bǔ)了SparkStreaming課程，把每小時(shí)粒度調(diào)整為5分鐘，讓異常檢測(cè)提前10分鐘左右觸發(fā)預(yù)警。這個(gè)調(diào)整讓某類欺詐交易攔截率從32%提高到38%。

遇到最大困難是模型上線前的A/B測(cè)試設(shè)計(jì)，原始方案把用戶隨機(jī)分成兩半，但后來發(fā)現(xiàn)控制組有30%是高價(jià)值客戶，導(dǎo)致樣本偏差。我花了兩天研究分層抽樣，重新劃分了5000個(gè)樣本，確保兩組用戶在年齡、負(fù)債率等維度重合度超過95%，這才讓模型效果驗(yàn)證通過。

做完這些事，我明顯感覺到業(yè)務(wù)邏輯和工程實(shí)踐的結(jié)合有多重要。以前只懂紙上談兵，現(xiàn)在知道怎么用交叉驗(yàn)證避免過擬合，怎么調(diào)參平衡準(zhǔn)確率和召回率。但公司培訓(xùn)偏重技術(shù)，業(yè)務(wù)培訓(xùn)少，比如風(fēng)控指標(biāo)的具體業(yè)務(wù)含義講得不夠透。建議多組織業(yè)務(wù)部門跟技術(shù)團(tuán)隊(duì)的交流會(huì)，比如每周三下午搞個(gè)案例分享會(huì)，把模型效果跟催收實(shí)際表現(xiàn)對(duì)應(yīng)起來。另外崗位匹配上，初期我負(fù)責(zé)的數(shù)據(jù)標(biāo)注任務(wù)重復(fù)度太高，可以讓我接觸更多模型調(diào)優(yōu)工作。這段經(jīng)歷讓我更清楚想進(jìn)科技公司做金融，得既懂業(yè)務(wù)又會(huì)用分布式計(jì)算，這直接改變了我下學(xué)期選課方向。

三、總結(jié)與體會(huì)

這8周，我從一個(gè)只會(huì)背書的學(xué)生，變成了能摸著數(shù)據(jù)跟機(jī)器對(duì)話的準(zhǔn)職場(chǎng)人。7月10號(hào)剛接手反欺詐項(xiàng)目時(shí)，面對(duì)幾百個(gè)特征跑出來的模型，參數(shù)調(diào)來調(diào)去效果都不好，急得不行。后來導(dǎo)師提醒我看看特征之間的VIF值，我才明白多重共線性是主因，把冗余特征精簡(jiǎn)到50個(gè)，模型AUC從0.75直接飆到0.82，那一刻真有被數(shù)據(jù)打臉的感覺。這種用真數(shù)據(jù)反復(fù)試錯(cuò)的經(jīng)歷，比上十門課都管用。

實(shí)習(xí)最大的收獲是搞懂了風(fēng)控里“精準(zhǔn)”的代價(jià)。比如我們做的某類小微貸模型，雖然最終評(píng)分卡通過率從85%壓到60%，但違約率降了70%，這意味著每服務(wù)1000個(gè)客戶，能少壞賬70個(gè)，這比單純追求用戶量要有意義得多?，F(xiàn)在再看行業(yè)新聞，能更快抓住“LGD（損失給定違約概率）優(yōu)化”這類關(guān)鍵詞背后的商業(yè)邏輯。

行業(yè)趨勢(shì)上，我注意到現(xiàn)在做信貸的都卷到用圖計(jì)算了，但公司用的還是傳統(tǒng)樹模型，可能成本控制是原因。我私下研究過PyTorchGeometric，發(fā)現(xiàn)用知識(shí)圖譜分析用戶關(guān)系能再提升5%的欺詐識(shí)別能力。下學(xué)期我打算啃完這門課的課設(shè)，順便考個(gè)CFA一級(jí)，把金融知識(shí)補(bǔ)全。畢竟金融科技不是光會(huì)寫代碼就行，懂宏觀政策比什么都強(qiáng)。

最大的轉(zhuǎn)變是抗壓能力吧。記得8月15號(hào)半夜被拉去復(fù)盤一筆爆雷案例，當(dāng)時(shí)模型明明給了高分，后來發(fā)現(xiàn)用戶填的地址IP屬地是國(guó)外。這件事讓我明白，模型再強(qiáng)也得跟業(yè)務(wù)邏輯死磕，這比單純追求技術(shù)指標(biāo)重要?，F(xiàn)在寫論文都敢大膽假設(shè)，因?yàn)橹罃?shù)據(jù)不會(huì)撒謊。這段經(jīng)歷讓我確認(rèn)了職業(yè)方向，以后求職肯定先找能接觸真實(shí)業(yè)務(wù)場(chǎng)景的崗位，哪怕起薪低點(diǎn)也行。畢竟現(xiàn)在市場(chǎng)缺的不是會(huì)調(diào)參的，而是能看懂業(yè)務(wù)痛點(diǎn)的技術(shù)民工。

四、致謝

感謝公司給我這個(gè)機(jī)會(huì)，讓我在實(shí)習(xí)期間接觸到了真實(shí)的金融科技項(xiàng)目。特別感謝我的導(dǎo)師，在模型搭建和數(shù)據(jù)處理上給了我很多具體指導(dǎo)，比如那個(gè)關(guān)于特征交叉的討論，幫我打開了思路。團(tuán)隊(duì)里幾位同事也幫了我不少忙，有次調(diào)試API接口花了兩天沒解決，小王主動(dòng)幫我看了日志，最后發(fā)現(xiàn)是緩存問題。還有一次參加業(yè)務(wù)周會(huì)，