风险管理岗位面试问题

风险管理岗位面试问题请你先自我介绍下回答提示：一般人回答这个问题过于平常，只说姓名、年龄、爱好、工作经验，这些在简历上都有。其实，企业最希望知道的是求职者能否胜任工作，包括：最强的技能、最深入研究的知识领域、个性中最积极的部分、做过的最成功的事，主要的成就等，这些都可以和学习无关，也可以和学习有关，但要突出积极的个性和做事的能力，说得合情合理企业才会相信。回答参考：领导您好，我是来自XX大学XXX专业的XXXX，很荣幸能够有机会参加本次面试。我曾在大学担任学生会XX部门负责，组织策划了一场800人+的校园活动，活动结束有180人顺利晋级，培养了本人吃苦耐劳，组织策划和沟通的能力。本次面试贵公司XX岗位，希望能够有此机会进入到梦想的地方学习。谢谢！你觉得你有什么缺点？回答提示：这个问题问的概率很大，通常HR不希望听到直接回答的缺点是什么等，如果求职者说自己小心眼、爱忌妒人、非常懒、脾气大、工作效率低，企业肯定不会录用你。绝对不要自作聪明地回答“我最大的缺点是过于追求完美”，有的人以为这样回答会显得自己比较出色，但事实上，他已经岌岌可危了。HR喜欢求职者从自己的优点说起，中间加一些小缺点，最后再把问题转回到优点上，突出优点的部分，企业喜欢聪明的求职者。回答参考：可以说资历较浅，经验不足，在工作上会有所欠缺。其次，在做事方面有时候性子急，对于做事效率不高的人，往往会比较着急。但是，平常我会努力平复自己的情绪，学会聆听，慢慢改变自己偶尔的急躁。你对薪资待遇有什么要求？回答提示：如果你对薪酬的要求太低，那显然贬低自己的能力；如果你对薪酬的要求太高，那又会显得你分量过重，公司受用不起。一些单位通常都事先对求聘的职位定下开支预算，因而他们第一次提出的价钱往往是他们所能给予的最高价钱，他们问你只不过想证实一下这笔钱是否足以引起你对该工作的兴趣。回答参考：参考1：领导您好，综合我的面试情况，您觉得我能胜任多少薪资呢？谢谢！参考2：领导您好，因为我不清楚咱们公司的具体薪酬结构，包括绩效方面，年终福利方面，您可以先简单告知我一下。谢谢！你对公司加班是怎么看的？回答提示：实际上好多公司问这个问题，并不证明一定要加班，只是想测试你是否愿意为公司奉献。回答参考：领导您好，如果是个人效率问题，我一定会努力提高效率，在合理的时间内完成工作安排，绝不用加班来弥补自己的工作效率问题；如果是工作需要我会义不容辞加班，我现在单身，没有任何家庭负担，可以全身心的投入工作。但同样，我也会提高工作效率，减少不必要的加班。5.3-5年内，你有什么职业规划嘛？回答提示：这是每一个应聘者都不希望被问到的问题，但是几乎每个人都会被问到，比较多的答案是“管理者”。要知道，HR总是喜欢有进取心的应聘者，此时如果说“不知道”，或许就会使你丧失一个好机会。最普通的回答应该是“我准备在XXX领域有所作为”或“我希望能按照公司的管理思路发展”。回答参考：领导您好，3-5年内，我的目标是在工作方面超额完成，让自己在工作领域有所建树；在行业方面，希望自己以后能成为领域行家，根据公司脉络发展进步，能够让自己与公司共同进步，实现双赢。你对我们公司了解多少？回答提示：这个问题考察的是，求职者对公司的了解程度，热衷程度。对于求职者来说，这个问题最好的答案就是你的面试作品，反杀一击的重要工具。你的面试作品可以是竞品分析，行业报告，岗位解读，产品介绍等等，这些足够体现出你的用心，你对公司的了解程度。回答参考：领导您好，我通过简单了解。知道咱们公司的主要产品有XXXX,咱们现有媒介平台是通过XXX，渠道合作方面包括XXXX。如果公司录用你，你将怎样开展工作？回答提示：如果应聘者对于应聘的职位缺乏足够的了解，最好不要直接说出自己开展工作的具体办法。可以尝试采用迂回战术来回答，如“首先听取领导的指示和要求，然后就有关情况进行了解和熟悉，接下来制定一份近期的工作计划并报领导批准，最后根据计划开展工作。”回答参考：这里举个例子来具体介绍，比如你应聘BD商务运营，你可以这样回答：领导您好，如果公司录用我，我的具体工作安排顺序是这样的用户调查—内容制作—渠道选择—数据反馈—调整优化，具体的思路是这样的，首先我会对公司现有的平台进行……你还有什么问题要问吗？回答提示：企业的这个问题看上去可有可无，其实很关键，企业不喜欢说“没问题”的人，因为其很注重员工的个性和创新能力。企业不喜欢求职者问个人福利之类的问题。回答建议：贵公司对新入公司的员工有没有什么培训项目吗？或者说贵公司的晋升机制是什么样的？企业将很欢迎，因为体现出你对学习的热情和对公司的忠诚度以及你的上进心。数据驱动型金融场景下，风控模型的种类有哪些？回答参考:获客阶段：用户响应模型，风险预筛选模型授信阶段：申请评分模型，反欺诈模型，风险定价模型，收益评分模型贷中阶段：行为评分模型，交易欺诈模型，客户流失模型贷后阶段：预催收模型，早期催收模型，晚期催收模型简单描述一些风控建模的流程？回答参考:（1）前期准备工作阶段：不同的模型针对不同的业务场景，在建模目开始前需要对业务的逻辑和需求有清晰的理解，明确模型的业务目标和作用，项目周期时间和安排进度，以及模型效果的要求。（2）模型设计阶段：包括模型的选择（评分卡亦或是集成模型）单个模型还是做模型的细分-子模型。是否需要做拒绝推论；观察期、表现期、目标好坏用户的定义；数据的获取途径等。（3）数据归集与清洗阶段：根据观察期和表现期的定义从数据集市（或数据仓库，一般不太建议建模人员从生产上拿数据）中取数，并进行前期的数据清洗和稳定性验证工作。数据清洗包括用户唯一性检查，Missing值检查，异常值检查，Zero-rate等。稳定性验证主要考察变量在时间序列上的稳定性，衡量的指标有PSI、平均值/方差，IV等。（4） 特征工程阶段：这一阶段是风控建模流程的重点。注意，是风控建模，对于类似NLP、Graph那些模型开发中，特征工程已被自动化取代，（5） 模型建立和评估阶段：选择与业务/企业适配的模型，像评分卡可以用逻辑回归，如果只需要做出二分类预测可以选择Xgboost等集成模型，模型构建好后需要做模型评估和验证，计算AUC,KS，并对模型做交叉验证来评估模型泛化能力及模型的稳定性。（6） 模型上线部署阶段：在风控后台上配置模型规则，对于一些复杂的模型还需要将模型文件进行转换，并封装成一个类，用Java等其他形式来调用。（7） 模型监控阶段：前期主要监控模型整体及变量的稳定性，衡量标准主要是PSI，并每日观测模型规则的拒绝率与线下的差异。后期累计一定线上用户后可以评估线上模型性能和资产质量。模型性能可以参照AUC,KS等量化指标，与线下进行比较，衡量模型的线上实际效果。11..评分卡,集成模型在线上如何部署？回答参考:评分卡的部署较为简单,因为评分卡将变量映射到了一个个区间及得分,所以在普通的风控决策引擎上就可以配置。像一些比较复杂的模型，比如Xgboost和lightgbm,—般是将模型文件转换成pmml格式，并圭寸装成pmml，在风控后台上传pmml和变量参数文件，并配置好模型的阈值。Python和R开发的模型都可以用这种方式来部署。12•模型转化为规则后决策点（cutoff）怎么设定？回答参考:规则只是判断用户的好坏，而不会像模型输出违约概率，所以设定决策点时要考虑到规则的评估指标（精准率、查全率、误杀率、拒绝率），一般模型开发前会设定一个预期的拒绝率，在这个拒绝率下再考量精准率、查全率和误杀率的取舍，找到最佳Balancepoint。好的模型能接受更多的好用户，拒绝掉更的坏用户，也就是提高好坏比例。所以可事先设定一个预期目标的好坏比例来选择最佳的决策点。怎么做风控模型的冷启动？回答参考:风控模型的冷启动是指产品刚上线时，没有积累的用户数据，或者用户还没有表现出逾期、违约等状态，用于标记“好与坏“。此时，需要做模型就是一个棘手的问题，常用的方法如下：不做模型，只做规则。凭借专家业务经验，做一些HardCheck，比如设定用户的准入门槛，考量用户的信用历史和多头风险，而且可以接入第三方提供的反欺诈服务和数据评分等。值得一提的是，可以结合人工审核来对早期用户的申请资料做风险评估。借助相同模式产品的数据来建模。如果两个产品的获客渠道，产品设计，风控逻辑，用户特征都差不多的话，可以选择之前已经上线的那个产品所累计的用户数据来建模，不过在模型上线后需要比较线上用户的特征是否与建模用户有较大的差异，如果差异较大，则需要对模型做快速调整。规则+专家评分卡。对于早期缺少用户label时，考量结合风控业务专家经验，开发一套专家评分卡，也是一个不错的选择。无监督模型+评分卡。这种方法适用于产品上线一段时间后，表现出好坏的用户比较少，但老板要求做一个模型出来。此时可以用线上的申请用户做无监督模型，找出一部分坏样本和好样本，用这些数据来做评分卡模型。当然这种模型的准确性是存疑的，需要后续对模型不断迭代优化。如何成为一个优秀的风险管理人员？回答参考:我认为做好一位合格的风控人员有以下几点:第一，风控人员要提高自身理论水平和专业知识。随着业务的开展，期货公司对高素质专业人才的需求越来越大，风控人员应该加强理论知识、国家政策、业务技能等方面的学习和提高，以更好地完成自身的工作。第二，风控岗也要了解市场行情，对行情的走势要有一个比较客观的判断，尤其是在极端行情出现的时候，要能冷静清晰分析该如何规避风险，用专业的态度做出合理的判断。第三，要有扎实的业务素养和良好的沟通技巧。风控人员要熟悉行业情况，要学会及时和业务部门及客户进行沟通，尤其是在对重点客户的风险处理上，第一要注意沟通技巧，谨慎解答客户疑问，以免造成误解；第二个就是要合理把关，该通融的通融，不该通融的绝不通融，要有控制风险的底线。第四，风控人员还要学会自我疏导，在重大的工作压力之下要学会适时地释放负面情绪，工作之余多外出散心，呼吸新鲜空气，洗涤内心的戾气，让自己有一个平静的好心态。总体而言，风险控制是一门“金融艺术”，风控专员岗位职责其实是风险控制的体现，所以必需要有扎实的专业素养、良好的心理素质及沟通能力，才能既维护好客户和公司的利益，又避免产生负面影响。一个优秀的风控人员不是一天两天就能练成的，只有长时间的工作历练，在经历过重重困难险阻之后才能破茧成蝶。困难无处不在，我们也只有通过坚持不懈地武装自己，才能够用专业的利剑去将困难击碎。建模是怎么做的？模型如何设计？回答参考:确定Y,了解滚动率、迁移率，逾期几天为1,几天为0前期数据准备（提供的CSV文件，还是从大数据数据库，还是从MYSQL）反欺诈、ABC卡、建模技巧、算法选择等等请回答数据提取，模型开发，数据挖掘，核心业务。回答参考: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。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，通常来说，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。数据挖掘：LR、RF、XGBoost、SVM等常见算法。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、矩阵等基础核心业务：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。你是如何标记客户好坏的？回答参考:逾期天数作为标记好坏的依据因为本身样本不均衡，会偏向扩充坏人的数量（比如以pd1来标记好坏，坏人肯定比pd15会多很多）注意很多公司建模的时候，去除一部分灰色客户（比如去掉pd1~pd5的客户）你做模型时用到了哪些数据源？回答参考:征信数据运营商数据埋点数据平台自有数据用户手填数据模型的效果怎么样？回答参考:模型评估的方法，三个方面：区分度：主要是KS和GINI指标，一般二分类都是用KS衡量模型的效果，这里着重理解KS的定义及用法，理解AUC和KS的关系，他们之间有一个公式，大致可以推断出你模型得到的指标是不是正确的。准确性：主要是ROC曲线和AUC指标，理解AUC的定义和用法，需要注意的是，在建模的过程无论是训练集、测试ji，还是验证集AUC的值不能相差太大，最好的状态是三个值一致。稳定性：主要就是PSI指标，理解PSI的定义和用法。一般如果我们有跨时间的验证集用于测试模型，是非常好的，但是由于建模样本非常少可能很难收集到这样的样本，可以在上线一个月或者几个月，持续的跟踪模型KS、AUC的变化。如何对数据做质量检验？回答参考:数据分布。数据集中度检测。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。特征工程的流程是怎么样的？回答参考: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、递归法筛选等如何衍生特征？回答参考:数学运算。求和、比例、频率、平均等。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。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。衍生出来的特征要符合实际业务含义，并且要保持稳定什么是风险?回答参考:风险就是生产目的与劳动成果之间的不确定性。大致有两层含义：一种定义强调了风险表现为收益不确定性;而另一种定义则强调风险表现为成本或代价的不确定性。若风险表现为收益或者代价的不确定性