### 风控建模最常见面试题50题之知识点详解
#### 一、风控建模的种类
在数据驱动型金融场景下，风控建模主要包括以下几类：
1. **获客阶段**：
- 用户响应模型：用于预测潜在用户对营销活动的响应可能性。
- 风险预筛选模型：对潜在用户进行初步的风险评估。
2. **授信阶段**：
- 申请评分模型：评估申请人的信用等级。
- 反欺诈模型：识别欺诈行为。
- 风险定价模型：根据申请人风险等级确定贷款利率。
- 收益评分模型：预测贷款项目的预期收益。
3. **贷中阶段**：
- 行为评分模型：监测贷款期间借款人的还款行为。
- 交易欺诈模型：实时监控交易过程中的欺诈行为。
- 客户流失模型：预测借款人提前还款的可能性。
4. **贷后阶段**：
- 预催收模型：预测借款人可能出现的逾期行为。
- 早期催收模型：针对逾期初期的催收策略。
- 晚期催收模型：针对长期未还的借款人制定的策略。
#### 二、风控建模的流程
##### 前期准备工作阶段
- **理解业务需求**：明确模型的目标和作用，确保模型符合业务逻辑。
- **规划项目周期**：制定详细的时间表和进度安排。
- **明确模型效果**：设定模型效果的具体要求。
##### 模型设计阶段
- **模型选择**：根据业务需求选择合适的模型类型，如评分卡或集成模型。
- **子模型设计**：考虑是否需要建立多个子模型以应对不同的情况。
- **定义目标用户**：明确好坏用户的定义。
- **数据获取**：确定数据来源。
##### 数据归集与清洗阶段
- **数据提取**：根据定义的时间范围从数据源中抽取数据。
- **数据清洗**：检查用户唯一性、缺失值、异常值等。
- **稳定性验证**：通过PSI、平均值、方差、IV等指标评估变量稳定性。
##### 特征工程阶段
- **特征预处理**：对特征进行离散化、归一化等处理。
- **特征筛选**：采用IV筛选、相关性筛选等方法进行特征降维。
- **特征构造**：基于业务理解创造新特征。
##### 模型建立和评估阶段
- **模型选择**：选择与业务场景相匹配的模型算法。
- **模型训练**：利用训练数据训练模型。
- **模型评估**：通过AUC、KS等指标评估模型性能。
- **模型验证**：使用交叉验证评估模型的泛化能力和稳定性。
##### 模型上线与部署阶段
- **配置规则**：在风控系统中配置模型规则。
- **模型转换**：对于复杂模型，需将其转换为特定格式并封装。
- **调用方式**：使用Java或其他语言调用模型。
##### 模型监控阶段
- **模型稳定性监控**：每日监控模型的稳定性。
- **模型性能评估**：评估模型在线上的实际表现。
#### 三、评分卡、集成模型在线上部署
- **评分卡部署**：直接在风控决策引擎中配置评分规则。
- **复杂模型部署**：将模型转换为PMML格式并上传至风控平台。
#### 四、决策点设定
- **目标拒绝率**：根据预期设定初始拒绝率。
- **平衡点寻找**：在保持一定拒绝率的基础上，优化精准率、查全率和误杀率之间的平衡。
#### 五、风控模型冷启动
- **仅做规则**：初期缺乏数据时，依据专家经验设置硬性检查规则。
- **借用已有产品数据**：若存在相似产品，可以利用其数据进行建模。
- **规则+专家评分卡**：结合专家经验和简单规则。
- **无监督模型+评分卡**：利用无监督学习方法识别部分好坏样本。
#### 六、模型评估指标
- **ROC曲线**：反映不同阈值下真阳性率与假阳性率的关系。
- **洛伦兹曲线与基尼系数**：衡量不平等程度，用于评价模型区分能力。
以上内容涵盖了风控建模的关键知识点，通过对这些概念和流程的深入了解，可以帮助求职者更好地准备风控建模相关的面试问题。
